Skip to content

正则

初学正则，不要一次记太多规则。先会「在一段文字里找某种样子的内容」。处理公告、交易流水、不规则文本时，正则非常有用。

import re

找所有匹配：findall

findall 找出所有匹配的子串，返回一个列表。

res = re.findall("cat", "The cat and the dog sat on the mat")
print(res)

['cat', 'cat']

这是在 "The cat and the dog sat on the mat" 里找出所有的 cat。

常用匹配符号

cat 和 car 前面两个字母一样，只有最后不同。想一次找出它们，可以用 . 表示"任意一个字符"：

print(re.findall("ca.", "cat and car"))

['cat', 'car']

ca. 先匹配固定的 ca，再用 . 匹配最后一个字符，所以 cat、car 都能对上。

. 还可以用在单词中间，例如 o. 表示 o 后面跟任意一个字符：

print(re.findall("o.", "good morning"))

['oo', 'or']

常用符号：

  • . 匹配任意一个字符
  • \d 匹配一个数字
  • \w 匹配字母、数字或下划线（也匹配中文）
print(re.findall(r"\d\d", "qq:12345,phone:323"))
print(re.findall(r"\w\w", "qq:12345,phone:323"))

['12', '34', '32']
['qq', '12', '34', 'ph', 'on', '32']

建议写成原始字符串 r"..."，避免反斜杠被 Python 先吃掉。

12345 里最后的 5 后面没有数字了，所以按两位数字匹配时剩不下它。

个数：* + ?

  • *：0 个或多个
  • +：1 个或多个
  • ?：0 个或 1 个
print(re.findall(r":\d*", "qq:12345"))
print(re.findall(r":\d*", "qq:"))

[':12345']
[':']

* 允许数字一个都没有，所以单独的 : 也能匹配上。

print(re.findall(r":\d+", "qq:12345"))
print(re.findall(r":\d+", "qq:"))

[':12345']
[]

+ 至少要有 1 个数字。

print(re.findall(r":\d?", "qq:12345"))
print(re.findall(r":\d?", "qq:"))

[':1']
[':']

? 最多再跟 1 个数字。

findall 找全部，search 只找第一个，返回一个匹配对象（match object），不是字符串。用 .group() 取到匹配到的内容：

m = re.search(r"\d+", "价格是 58 元")
print(m)
print(m.group())

<re.Match object; span=(3, 5), match='58'>
58

匹配不到时 search 返回 None：

m = re.search(r"\d+", "没有数字")
print(m)

None

所以用 search 前，先判断是不是 None：

m = re.search(r"\d+", "价格是 58 元")
if m:
    print("找到:", m.group())
else:
    print("没找到数字")

替换：sub

sub(模式, 替换成什么, 文本) 把匹配到的内容替换掉，返回新字符串：

print(re.sub(r"\d+", "XX", "订单 123 价格 45"))

订单 XX 价格 XX

清理文本里的多余内容（比如把股票代码里的空格去掉）：

print(re.sub(r"\s", "", "SH 600600"))

SH600600

\s 匹配空白（空格、换行、Tab）。

切分：split

split(模式, 文本) 按匹配到的位置切开，返回列表：

print(re.split(r"[,;]", "10,20;30,40"))

['10', '20', '30', '40']

, 或 ; 都可以作为分隔点。普通的 "10,20".split(",") 只能按一种分隔符切，re.split 可以按一组模式切。

分组：括号

用 () 把要单独取出来的部分圈起来。findall 遇到括号时，只返回括号里的内容：

print(re.findall(r"(\d+)元", "苹果5元，梨3元"))

['5', '3']

整个模式是 \d+元，但只把 \d+ 那部分取出来，所以结果里没有"元"字。用 search + 多个分组，可以同时取出几个字段：

m = re.search(r"(\d+)年(\d+)月", "成立于2020年6月")
print(m.group(1))   # 第一个括号
print(m.group(2))   # 第二个括号

2020
6

金融场景：从交易流水里提取信息

假设一段记录里有成交金额和数量，用分组一次性取出来：

line = "买入 600600 数量2000 价格39.95"
m = re.search(r"数量(\d+)\s+价格([\d.]+)", line)
if m:
    qty = int(m.group(1))
    price = float(m.group(2))
    print(f"数量 {qty}，价格 {price}，金额 {qty * price:.2f}")

数量 2000，价格 39.95，金额 79900.00

[\d.]+ 表示数字或小数点出现 1 次以上，用来匹配 39.95 这种带小数的价格。\s+ 表示一个或多个空白。

小结

  • findall 找全部，返回列表；search 找第一个，返回 match 对象（用 .group() 取值）
  • . 任意字符，\d 数字，\w 数字或字母，\s 空白
  • * 0 或多个，+ 1 或多个，? 0 或 1 个
  • sub 替换，split 切分
  • () 分组：findall 只取括号内容，search 用 m.group(n) 取第 n 个括号
  • 原始字符串 r"..." 避免反斜杠被转义
  • 用 search 前先判断返回是不是 None

用 python examples/re_demo.py 运行本节的例子。下一节学习 常用内置函数。