学会Python正则表达式:秒变文本搜索、匹配、筛选高手!

🌈Hi，小伙伴们~

🛠️当需要匹配、搜索、替换文本内容时，正则表达式可能是你当之无愧的首选！它通过特定规则组成的模式（Pattern），能精准匹配文本中的目标字符，无论是在格式验证、文本处理、网络爬虫还是日志分析，正则表达式都扮演着重要角色

🎯今天，梳理和总结一下它的用法，帮你跨过它那看似复杂的语法门槛～✨

一、正则表达式核心原理 ⚙️

本质：是用特殊符号描述的字符串匹配规则。想象成一个"文本筛子"：你定义好筛孔的形状和大小，文本经过时，符合规则的部分就被"筛"出来

🎯核心思想 ：用简短的代码描述复杂的文本模式，而不是写冗长的判断逻辑

二、常用符号速记表 📚

3.1 基本匹配 🔤

• \d → 数字（0-9） 0️⃣1️⃣2️⃣
• \w → 单词字符（字母/数字/下划线）
• \s → 空白字符（空格、制表符等） ␣
• . → 任意单个字符（除了换行符） 🎲
• ^ → 字符串开头
• $ → 字符串结尾

3.2 数量控制 🔢

• * → 0次或多次 ⭕⭕⭕
• + → 1次或多次 1️⃣/1️⃣2️⃣3️⃣
• ? → 0次或1次 0️⃣/1️⃣
• {n} → 正好n次 3️⃣3️⃣3️⃣
• {n,m} → n到m次 2️⃣3️⃣

3.3 逻辑与分组 🧩

• [abc] → 匹配a、b、c中任意一个 🅰️/🅱️/🅲️
• [a-z] → 匹配a到z任意一个字母 🔤
• | → 或（匹配左边或右边） ↔️
• () → 分组（提取这部分内容） 📦

3.4 特殊字符与转义 🔧

• \. → 匹配实际的点号（不是任意字符） ⚫
• \\ → 匹配反斜杠 \（不是转义符） ⬅️
• \* → 匹配*号（不是重复符） ✳️
• \+ → 匹配+号（不是多次符） ➕
• \? → 匹配?号（不是可选符） ❓
• \t → 匹配制表符 ⇥
• \n → 匹配换行符 ↵
• \r → 匹配回车符 ↩

3.5 预定义字符集 📦

• \D → 匹配非数字字符 🔢
• \W → 匹配非单词字符 🔤
• \S → 匹配非空白字符 ␣
• \b → 匹配单词边界位置 🚧
• \B → 匹配非单词边界位置 🚧

三、实用案例精炼 💼

✅3.1 数据验证之邮箱

#  邮箱验证defis_valid_email_advanced(email):    pattern = r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'return bool(re.match(pattern, email))

# 解析： ^[a-zA-Z0-9._%+-]+  用户名：允许更多特殊字符 @                   必须有@ [a-zA-Z0-9.-]+      域名部分：允许点号和中划线 \.[a-zA-Z]{2,}$     顶级域名：至少2个字母

✅3.2 数据验证之手机号码

#  手机号验证def is_valid_phone(phone):return bool(re.match(r'^1[3-9]\d{9}$', phone))

# 解析：^           - 字符串开头锚点，必须从开头匹配1           - 必须以数字1开头（中国手机号标准）[3-9]       - 第二位必须是3-9中的任意一个数字\d{9}       - 后面必须有正好9个数字$           - 字符串结尾锚点，必须匹配到结尾

✅3.3 信息提取

# 从混合文本中提取关键信息text = "张三，电话138-1234-5678，邮箱zhangsan@qq.com"#  提取姓名、电话、邮箱name = re.search(r'^(.+?)，', text).group(1)phone = re.search(r'电话(\S+)', text).group(1)email = re.search(r'邮箱(\S+)', text).group(1)

✅3.4 文本清洗 🧹

# 清理不规范数据dirty_text = "价格：$100.00 特价！！优惠￥80.5元"#  提取所有价格数字prices = re.findall(r'[￥$](\d+\.?\d*)', dirty_text)print(prices)  #  ['100.00', '80.5']#  清理特殊字符cleaned = re.sub(r'[!！]', '', dirty_text)print(cleaned)  # 价格：$100.00 特价优惠￥80.5元

四、记住这5个常用模式 🎯

1. 📧 邮箱：\w+@\w+\.\w+
2. 📱 手机号：1[3-9]\d{9}
3. 🌐 网址：https?://\S+
4. 🖥️ IP地址：\d+\.\d+\.\d+\.\d+
5. 🇨🇳 中文：[\u4e00-\u9fa5]+

五、工作原理图解 📈

原始文本："我的电话是138-1234-5678"正则模式：r"(\d{3})-(\d{4})-(\d{4})"匹配过程：1. 🔍 正则引擎扫描文本2. ✅ 找到"138-1234-5678"符合模式3. 📦 括号分组捕获：   group(0): "138-1234-5678"# 整个匹配   group(1): "138"# 第一个括号   group(2): "1234"# 第二个括号   group(3): "5678"# 第三个括号

六、两个重要技巧 ⚡

6.1 贪婪 🐷 vs 非贪婪 🐇

text = "<div>标题</div><div>内容</div>"#  贪婪匹配（默认）：尽可能多地匹配greedy = re.search(r'<div>.*</div>', text)print(greedy.group())  # <div>标题</div><div>内容</div>#  非贪婪匹配（加?）：尽可能少地匹配lazy = re.search(r'<div>.*?</div>', text)print(lazy.group())    # <div>标题</div>

✅ 总结：要尽可能多地匹配就贪婪，少匹配就非贪婪

6.2 编译提高效率 ⚡

#  如果需要多次使用同一个正则，先编译pattern = re.compile(r'\d+')#  然后重复使用result1 = pattern.findall(text1)result2 = pattern.findall(text2)  # 更快！

七、总结 💡

记住思维方式：先想清楚你要匹配的什么特征，然后用符号去描述这个特征，比如匹配电话号码 → "1开头，后面10个数字" → 1\d{10}

大多数情况下，掌握上面列出的基本符号就足够解决80%的实际问题了

💡 关注我，每周分享 Python 干货 × 操作技巧

📌 如果这篇文章对你有帮助，欢迎：

👍 点赞 | ⭐ 收藏 | 🔄 分享给朋友