正则表达式基础入门:从匹配到提取的实用技巧

举报
yd_257742204 发表于 2026/10/28 10:09:27 2026/10/28
【摘要】 本文简练介绍正则表达式核心语法:字符匹配、量词、锚点、分组提取,配合日志分析和数据校验等实战场景。

前言

正则表达式是文本处理的瑞士军刀:日志分析、数据校验、批量替换都离不开它。但初学者常被一长串符号吓退。本文用最简练的方式讲清楚核心语法,配合实际场景让你快速上手。

匹配字符

正则的核心是"描述一类字符串"。先从最基础的字符匹配开始:

  • 普通字符:直接匹配自身。abc 匹配 “abc”
  • .:匹配任意单个字符(除换行)。a.c 匹配 “abc”、“axc”
  • \d:匹配数字 0-9。\d\d 匹配 “42”
  • \w:匹配字母、数字、下划线。\w+ 匹配一个单词
  • \s:匹配空白字符(空格、Tab、换行)

字符集用方括号:[aeiou] 匹配任一元音,[0-9] 等价于 \d,[^0-9] 匹配非数字。

量词:匹配多少次

量词 含义 示例
* 0 次或多次 ab*c 匹配 “ac”、“abc”、“abbc”
+ 1 次或多次 ab+c 匹配 “abc”、“abbc”(不匹配 “ac”)
? 0 次或 1 次 colou?r 匹配 “color”、“colour”
{n} 恰好 n 次 \d{4} 匹配 4 位数字
{n,m} n 到 m 次 \d{2,4} 匹配 2-4 位数字

贪婪与非贪婪:.* 会尽可能多匹配(贪婪),.*? 会尽可能少匹配(非贪婪)。提取 HTML 标签内容时用 <div>(.*?)</div> 而非 <div>(.*)</div>,否则会匹配到最后一个 </div>。

锚点:定位匹配位置

  • ^:字符串开头。^\d 匹配以数字开头的行
  • $:字符串结尾。\.txt$ 匹配以 .txt 结尾
  • \b:单词边界。\bcat\b 匹配 “cat” 但不匹配 “category”

分组与提取

用括号分组,可以提取匹配的子串:

(\d{4})-(\d{2})-(\d{2})  # 匹配日期 2026-10-28
# 第1组=2026, 第2组=10, 第3组=28

替换中用 $1、$2 引用分组(Python 中用 \1、\2):

import re
re.sub(r'(\d{4})-(\d{2})-(\d{2})', r'\2/\3/\1', '2026-10-28')
# 结果: "10/28/2026"

实战场景

1. 校验手机号:^1[3-9]\d{9}$

2. 提取 URL 中的域名:https?://([^/]+) — 第 1 组即域名

3. 日志中提取错误码:ERROR\[(\d+)\] — 匹配 ERROR[404] 并提取 404

4. 驼峰转下划线:

re.sub(r'([A-Z])', r'_\1', 'myVarName').lower()
# 结果: "my_var_name"

常见陷阱

  • 忘记转义:. 在正则中是通配符,匹配字面点号要写 \.
  • 贪婪匹配过度:用 .*? 替代 .* 避免过度匹配
  • 未用锚点:校验完整字符串记得加 ^ 和 $,否则 1[3-9]\d{9} 会匹配 “abc13800138000def”
  • 性能问题:嵌套量词如 (a+)+ 可能导致灾难性回溯,复杂场景考虑原子分组或预编译

小结

  • 字符匹配(.、\d、\w、\s)+ 字符集 [] 是基础
  • 量词(*、+、?、{n,m})控制重复,加 ? 变非贪婪
  • 锚点(^、$、\b)定位边界,分组 () 提取子串
  • 先写简单正则测试,再逐步加约束——别一上来就写一长串

掌握这些核心语法,90% 的日常文本处理场景就够用了。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。