我把 Python re 模块比喻成摸金手套

云栖笑笑生
9 阅读6分钟

上回我给你讲了正则的"摸金手势"（\. \d + ? 那些），但那是招式本身。今天教你怎么戴手套、怎么出招、怎么收工——也就是 Python 里的 re 模块。

记住：正则语法是武功招式，re 模块是你出拳的手。

一、re 模块是啥？就是手套本体

上次我们说正则表达式是"摸金手势"，那 re 模块就是那双能做出手势的手套。

没有手套，你空比划手势，啥也摸不着。有了手套，你做什么手势，仓库里就掏出什么东西。

先戴手套：

import re

就这一行，手套戴上了。

二、re.match()：站在门口检查

match() 的意思是：站在仓库门口，只看最开头那一点。

开头对上了，就返回结果；开头对不上，直接 None，门都不让你进。

import re

text = "15元一份蛋炒粉"

# 站在门口检查：是不是数字开头？
result = re.match(r'\d+', text)

if result:
    print(f"摸到了：{result.group()}")  # 15
    print(f"从哪开始：{result.start()}")  # 0
    print(f"到哪结束：{result.end()}")    # 2
else:
    print("开头不对，滚")

人话：match() 就像保安查身份证，只看门口第一人。队伍中间有坏人他不管，但门口这人必须对。

坑：很多人用 match() 搜中间的字符，搜不到就骂娘。记住——match 只认开头！

三、re.search()：进仓库找第一个

search() 的意思是：进仓库扫荡，找到第一个匹配的就算交差。

不管这货在开头、中间还是结尾，只要第一个对上了，立马收工。

text = "蛋炒粉15元，肉炒粉20元"

# 进仓库找：第一个价格在哪？
result = re.search(r'\d+元', text)

if result:
    print(f"摸到：{result.group()}")   # 15元
    print(f"位置：{result.span()}")    # (3, 6)

人话：search() 就像你进仓库喊"第一个带价格的货在哪？"，找到就停，后面的不管。

对比记住：

match 是保安只看门，search 是巡逻找第一个。

四、re.findall()：扫荡仓库，全掏出来

findall() 是爬虫最常用的，意思是：把仓库翻个底朝天，所有匹配的货全装麻袋里，一次性给你。

text = "蛋炒粉15元，肉炒粉20元，牛排999元"

# 全掏出来！
prices = re.findall(r'\d+元', text)
print(prices)  # ['15元', '20元', '999元']

带分组（篮子）的 findall：

text = '<span class="price">15元</span>'

# 只掏篮子里的数字
numbers = re.findall(r'<span class="price">(\d+)元</span>', text)
print(numbers)  # ['15']

人话：findall 就像你叫了一群小弟进仓库，见到就抢，抢完堆成列表给你。简单粗暴，爬虫最爱。

五、re.finditer()：一个个给你，省内存

findall() 有个毛病：货太多的时候，它全塞列表里，内存爆炸。

finditer() 更聪明：一个个给你，你要一个我掏一个，不要的不占地方。

text = "蛋炒粉15元，肉炒粉20元，牛排999元"

# 迭代器模式，一个个摸
for match in re.finditer(r'\d+元', text):
    print(f"摸到：{match.group()}，位置：{match.span()}")

什么时候用？ 你要处理几万条数据的时候，用 finditer 比 findall 省内存。

人话：findall 是"全倒地上你自己挑"，finditer 是"你要一个我递一个"。

六、re.sub()：调包，以假换真

sub() 的意思是：把仓库里某种货，全部换成另一种。

比如老板把"15元"的标签全撕了，换成"涨价后25元"。

text = "蛋炒粉15元，肉炒粉20元"

# 把所有数字+元，替换成【已售罄】
new_text = re.sub(r'\d+元', '【已售罄】', text)
print(new_text)  # 蛋炒粉【已售罄】，肉炒粉【已售罄】

高级玩法：用函数动态替换

def double_price(match):
    price = int(match.group().replace('元', ''))
    return f'{price * 2}元'

text = "蛋炒粉15元，肉炒粉20元"

# 价格全部翻倍
new_text = re.sub(r'\d+元', double_price, text)
print(new_text)  # 蛋炒粉30元，肉炒粉40元

人话：sub 就是调包计。你告诉我什么 pattern，我见到就换，连换几次都能计数。

七、re.split()：按标记切蛋糕

split() 的意思是：按某种标记，把一长串东西切成几段。

text = "蛋炒粉15元|肉炒粉20元|牛排999元"

# 按 | 切开
items = re.split(r'\|', text)
print(items)  # ['蛋炒粉15元', '肉炒粉20元', '牛排999元']

用正则切更猛：

text = "蛋炒粉15元，肉炒粉20元；牛排999元、饮料5元"

# 按各种分隔符切（逗号、分号、顿号）
items = re.split(r'[，；、]', text)
print(items)

人话：split 就是切蛋糕。你告诉我从哪下刀，我切成几块给你。

八、re.compile()：定制手套，预制招式

如果你要反复用同一个手势去摸不同的仓库，每次都重写一遍 pattern 很蠢。

compile() 就是把摸金手套按你的手势定制好，以后直接戴上去摸，不用每次都重新比划。

# 定制一副"掏价格"专用手套
price_pattern = re.compile(r'<span class="price">(\d+)元</span>')

# 现在去不同的仓库，直接戴这副手套
html1 = '<span class="price">15元</span>'
html2 = '<span class="price">20元</span>'
html3 = '<span class="price">999元</span>'

print(price_pattern.findall(html1))  # ['15']
print(price_pattern.findall(html2))  # ['20']
print(price_pattern.findall(html3))  # ['999']

好处：

  • 速度快：编译一次，多次使用，省时间
  • 可复用：像函数一样，到处调用
  • 可配置：编译时带上标志位（见下文）

人话：compile 就是预制菜。炒一次料，以后每次直接下锅。

九、标志位：手套的特殊模式

re 模块有几个开关，就像手套上的夜视仪、防滑垫、静音模式。

标志位缩写人话什么时候开
re.IGNORECASEre.I不区分大小写摸"Price"还是"price"都行
re.DOTALLre.S点号能摸换行符HTML跨行，必须开
re.MULTILINEre.M^和$能匹配每行开头结尾处理多行文本
re.VERBOSEre.X允许正则里写注释和换行写复杂正则时，给自己留备注

实战组合：

html = """<span class="price">
15元
</span>"""

# 点号跨行摸 + 不区分大小写
pattern = re.compile(r'<span.*?>(.*?)</span>', re.S | re.I)

result = pattern.search(html)
print(result.group(1).strip())  # 15元

注意：多个标志位用 | 组合，就像同时开夜视+静音。

十、实战：一套完整的爬虫抓取流程

把今天学的串起来，写一个掏价格+菜名的完整脚本：

import re

# 老板扔过来的菜单（HTML）
html = """
<div class="menu">
    <div class="item">
        <h3>蛋炒粉</h3>
        <span class="price">15元</span>
    </div>
    <div class="item">
        <h3>肉炒粉</h3>
        <span class="price">20元</span>
    </div>
    <div class="item">
        <h3>惠灵顿牛排</h3>
        <span class="price">999元</span>
    </div>
</div>
"""

# Step 1：定制手套（编译正则，开跨行模式）
pattern = re.compile(
    r'<h3>(.*?)</h3>.*?<span class="price">(\d+)元</span>',
    re.S
)

# Step 2：进仓库扫荡（finditer省内存）
for match in pattern.finditer(html):
    name = match.group(1).strip()
    price = match.group(2)
    print(f"菜名：{name}，价格：{price}元")

# 输出：
# 菜名：蛋炒粉，价格：15元
# 菜名：肉炒粉，价格：20元
# 菜名：惠灵顿牛排，价格：999元

十一、终极口诀（背下来）

match看门口，search找第一个，findall全掏空，finditer省内存。

sub搞调包，split切蛋糕，compile预制手套，标志位开外挂。

re.S跨行摸，re.I不区分大小写，复杂正则先编译，爬虫效率翻几倍。

写在最后

下次再有人问你"Python正则怎么用"，你就说：

"先import re戴手套，然后compile预制招式，最后findall或finditer往死里掏。"

他要是问你"match和search啥区别"，你就说：

"match是保安只看门，search是巡逻找第一个，爬虫一般用findall全抢光。"

散会。

avatar
文章
阅读
粉丝