正则表达式：Python re 与 PowerShell 实用 API

本节目标

把模式放进真实程序：能在 Python 中选择 search、fullmatch、finditer 与 sub，并能在 PowerShell 中正确使用 -match、$Matches、Select-String 和 -replace。所有示例只依赖 Python 标准库与 PowerShell 自带的 .NET 引擎。

Python：先使用 raw string

import re
 
RUN_ID = re.compile(r"[A-Za-z0-9_-]{3,32}")
assert RUN_ID.fullmatch("agent_01") is not None
assert RUN_ID.fullmatch("bad id") is None

r"..." 让反斜杠较少受 Python 字符串语法干扰；它不会关闭正则语法。raw string 也不能以奇数个反斜杠结束，因此它不是所有字符串问题的万能开关。

re.compile 把模式与标志放在一个可复用对象中。Python 也会缓存近期模块级模式，所以“为了性能必须手动编译”不是绝对规则；工程上更重要的价值是命名、集中配置和测试。

Python：根据任务选 API

API	检查范围	典型用途
search	从任意位置寻找第一个命中	判断一行是否包含目标模式。
match	只从字符串开头尝试，但允许尾部剩余	解析带固定前缀的文本；不要把它误当完整校验。
fullmatch	整个字符串必须匹配	验证一个完整字段或一条固定格式记录。
finditer	迭代所有不重叠命中并返回 Match	需要文本、分组、起止位置时优先。
findall	返回所有不重叠结果，但返回形状受捕获组影响	简单提取；复杂任务要小心组导致的返回值变化。
sub / subn	替换所有或限定次数的命中	脱敏、规范化；subn 额外返回替换次数。

import re
 
line = "INFO run_id=r1 parent=r0"
run_id = re.compile(r"\brun_id=(?P<value>[A-Za-z0-9_-]+)\b")
 
first = run_id.search(line)
assert first is not None
assert first.group("value") == "r1"
assert first.span("value") == (12, 14)
 
values = [match.group("value") for match in run_id.finditer(line)]
assert values == ["r1"]

不要只写 if match: 后就假设某个组必定存在。可选分支可能让 group(...) 返回 None；为重要输出写类型和边界测试。

命名组与 groupdict

import re
 
pattern = re.compile(
    r"level=(?P<level>INFO|WARNING|ERROR)\s+"
    r"latency_ms=(?P<latency_ms>[0-9]+)"
)
 
match = pattern.fullmatch("level=ERROR latency_ms=2200")
assert match is not None
fields = match.groupdict()
record = {
    "level": fields["level"],
    "latency_ms": int(fields["latency_ms"]),
}
assert record == {"level": "ERROR", "latency_ms": 2200}

正则捕获的是文本；数值、日期和枚举仍应在捕获后转换并做业务检查。[0-9] 明确表示 ASCII 数字，避免 Python 默认 \d 接受其他 Unicode 十进制数字。

标志与可读模式

import re
 
pattern = re.compile(
    r"""
    ^
    (?P<name>[A-Za-z][A-Za-z0-9_-]{2,31})
    $
    """,
    flags=re.VERBOSE | re.ASCII,
)
 
assert pattern.fullmatch("agent_01") is not None

• re.IGNORECASE / re.I：忽略大小写；Unicode 大小写折叠可能超出 ASCII 直觉。
• re.MULTILINE / re.M：改变 ^ 和 $ 的行边界语义。
• re.DOTALL / re.S：让点号匹配换行。
• re.VERBOSE / re.X：允许空白与注释；字符类内和被转义的空白仍有特殊规则。
• re.ASCII / re.A：让 \w、\d、\s、\b 等采用 ASCII 语义；只在契约确实要求 ASCII 时使用。

安全拼入字面文本

用户输入若只是要按原样搜索，必须先转义，而不是把它当模式：

import re
 
literal = "agent.v2+beta"
pattern = re.compile(re.escape(literal))
assert pattern.search("deploy agent.v2+beta now") is not None
assert pattern.search("deploy agentXv22beta now") is None

re.escape 用于 模式中的字面片段。替换字符串有另一套规则；如果替换内容来自变量，优先使用函数替换，避免对反斜杠和组引用产生误解：

import re
 
replacement = r"archive\1"
result = re.sub(r"TOKEN", lambda _: replacement, "TOKEN")
assert result == replacement

PowerShell：匹配与 $Matches

PowerShell 使用 .NET 正则引擎。-match 默认不区分大小写，-cmatch 明确区分大小写：

$line = 'level=ERROR run_id=r2'
$pattern = '^level=(?<level>INFO|WARNING|ERROR) run_id=(?<runId>[A-Za-z0-9_-]+)$'
 
if ($line -cmatch $pattern) {
    [pscustomobject]@{
        Level = $Matches.level
        RunId = $Matches.runId
    }
}

标量输入匹配成功时，$Matches[0] 保存整体命中，命名键保存捕获组。下一次成功的标量匹配会覆盖它；失败匹配不会清空旧值，因此只能在当前成功分支内读取。集合放在 -match 左侧时会返回匹配元素，而不是为每个元素建立可依赖的 $Matches。需要逐条捕获时显式循环：

$pattern = '^run_id=(?<runId>[A-Za-z0-9_-]+)$'
$ids = foreach ($line in 'run_id=r1', 'invalid', 'run_id=r2') {
    if ($line -cmatch $pattern) {
        $Matches.runId
    }
}
 
if (@($ids).Count -ne 2) {
    throw 'unexpected match count'
}

PowerShell：搜索文件与替换

$path = Join-Path $PWD 'examples\sample.txt'
$errors = Select-String -LiteralPath $path -Pattern 'level=ERROR' -AllMatches
 
if (@($errors).Count -ne 1) {
    throw 'expected exactly one ERROR line'
}
 
$normalized = 'name   age' -replace '\s+', ' '
if ($normalized -cne 'name age') {
    throw 'replacement failed'
}

Select-String 返回带文件、行号和匹配信息的对象，适合调查文件；-replace 默认替换所有命中。替换字符串中的 $1、${name} 是 .NET 捕获引用，若放在 PowerShell 双引号字符串里还可能先触发变量展开，因此固定替换模板通常使用单引号。

字面输入使用 [regex]::Escape：

$literal = 'agent.v2+beta'
$escaped = [regex]::Escape($literal)
if ('use agent.v2+beta now' -cnotmatch $escaped) {
    throw 'literal search failed'
}

常见错误与排查

• 在线测试器未选择相同引擎、版本和标志。
• 把 Python match 当成完整匹配；字段校验应优先 fullmatch。
• 直接使用 findall，加入一个捕获组后结果会变成该组文本，加入多个捕获组后通常变成元组；调用方因此悄然失去原来的整体命中形状。
• Python 用普通字符串写反斜杠模式，或 PowerShell 用双引号模式误展开 $。
• 忘记 PowerShell -match 默认忽略大小写。
• 读取旧的 $Matches，却没有把读取放在当前成功匹配的分支中。
• 将用户字面输入直接拼入模式，导致模式注入或性能风险。

练习

1. 用 Python finditer 提取 run_id=r1 run_id=r2 中的两个值和起止位置。
2. 用 fullmatch 验证 3～32 位 ASCII run ID，并测试空值、空格、中文、33 位输入。
3. 用 PowerShell Select-String 找出 examples/sample.txt 中的错误级别行，并输出行号。
4. 分别用 re.escape 与 [regex]::Escape 搜索字面字符串 a+b.c。
5. 将一段多空格文本规范为单空格，断言替换次数或最终结果。

自测

• search、match 与 fullmatch 的检查范围分别是什么？
• 为什么复杂提取通常优先 finditer 而不是 findall？
• re.escape 能否不加区分地用于替换字符串？
• PowerShell 中 -match 与 -cmatch 有何差异？
• $Matches 为什么必须紧邻成功的标量匹配读取？

上一节：标志与替换｜下一节：性能与调试。

参考资料

核验日期：2026-07-14。

• Python 标准库：re
• Python Regular Expression HOWTO
• Microsoft Learn：PowerShell Regular Expressions
• Microsoft Learn：PowerShell Comparison Operators
• Microsoft Learn：.NET Regular Expressions