上一章我们认识了正则表达式，知道它本质上是在描述一种文本规则。
但只懂规则，还不够。
真正到了写代码的时候，你要面对的是另一件事： 怎么让 Python 真正帮你把文本里的内容提取出来
这就轮到 re 模块出场了。
如果说正则表达式是一套匹配规则，那么 re 模块就是你手里的工具箱。 规则负责告诉程序要找什么。re 模块负责帮你去找、去提取、去替换、去判断。
这一章，我们不再停留在概念层面，而是直接进入最常见的三个实战场景：
提取手机号 提取邮箱 提取日期
这三个场景看起来简单，其实很典型。
因为它们都属于一类问题： 文本内容不固定，但格式有规律
这正是正则最擅长的地方。
一、为什么一定要学会用 re 模块
上一章你已经知道，正则表达式能描述规则。
但光会写规则，其实没法直接干活。 你还得知道，规则写出来之后，怎么交给 Python 去执行。
比如下面这段文本：
text = "用户A电话是13812345678，用户B电话是15600001111"
你现在想把里面所有手机号找出来。 思路当然是写一个匹配 11 位数字的规则。 可规则写完后，谁来帮你找
答案就是 re 模块。
它是 Python 标准库的一部分，不需要单独安装，导入就能用：
import re
有了它，你就可以做很多事：
在文本里查找第一个符合条件的内容 找出所有符合条件的内容 判断某个字符串是否符合某种格式 把符合规则的内容替换掉 把文本按规则拆分开
你会发现，re 模块并不是只给爬虫用的。 只要你碰到文本清洗、日志分析、表单校验、内容提取，它都很常见。
所以这一章学的，其实不是一个冷门技巧，而是非常高频的文本处理能力。
二、先认识四个最常用的方法
re 模块里方法不少，但新手最常用、最值得先掌握的，其实就这几个：
re.findall()re.search()re.match()re.sub()
这一章我们重点先抓前面两个，因为提取数据时它们最常用。
先看 findall()。
它的作用非常直接： 找出所有符合规则的内容，并返回一个列表。
例如：
import retext = "今天卖了12件，昨天卖了30件，上周卖了105件"result = re.findall(r"\d+", text)print(result)
输出结果：
['12', '30', '105']
这个方法特别适合做批量提取。
再看 search()。
它的作用是： 在整段文本里查找第一个符合规则的内容。
import retext = "订单号是A20250329，金额是99元"result = re.search(r"\d+", text)print(result)print(result.group())
输出大致是：
<re.Match object; span=(4, 12), match='20250329'>20250329
你会看到，search() 返回的不是列表，而是一个匹配对象。 你需要再用 .group() 才能真正拿到匹配到的内容。
这里先有个直观认识就够了：
想找全部，用 findall()只想找第一个，用 search()
后面我们做手机号、邮箱、日期提取时，绝大多数情况都离不开这两个。
三、写正则时，尽量养成原始字符串的习惯
在正式做案例之前，先提醒你一个非常重要的小习惯。
写正则时，最好这样写：
r"\d+"
而不是这样写：
"\d+"
为什么
因为反斜杠在 Python 字符串里本身就有特殊作用。 正则里又经常要用反斜杠。 这两套规则一叠加，就容易让人混乱。
加上前面的 r 之后，Python 会把它当成原始字符串处理。 这样你写的正则规则会更清楚，也更少出错。
所以从这一章开始，你看到的正则，大多数都会写成这种形式：
r"某种规则"
这个习惯越早养成越好。
四、第一个实战：提取手机号
我们先从手机号开始。
因为它最容易理解。 手机号虽然每个人都不同，但在很多场景里，它都有一个明显特点： 连续 11 位数字
先看一段文本：
text = "张三：13812345678，李四：15600001111，王五：电话暂未登记"
现在我们要把里面的手机号提取出来。
最基础的写法就是：
import retext = "张三：13812345678，李四：15600001111，王五：电话暂未登记"phones = re.findall(r"\d{11}", text)print(phones)
输出结果：
['13812345678', '15600001111']
这个例子非常有代表性。
你根本不需要知道具体号码是什么。 你只需要告诉程序，帮我找所有连续 11 位数字。 程序就会自动把符合条件的内容找出来。
这就是正则处理文本的基本思路。
五、为什么手机号提取不能只停留在 11 位数字
刚才那个写法能跑，也能拿到结果。 但真实场景里，你不能永远只满足于能跑。
因为连续 11 位数字，并不一定就真的是手机号。
比如文本里可能有这样的内容：
text = "订单编号12345678901，客户电话13812345678"
如果你还是用：
r"\d{11}"
那么订单编号也会被一起匹配出来。
这显然不够严谨。
所以进一步我们要思考： 手机号有没有更具体的规律
以常见的中国大陆手机号为例，通常是 1 开头，第二位一般是 3 到 9，总长度 11 位。
那么更常见的规则可以写成：
r"1[3-9]\d{9}"
来拆开看：
1 表示第一位必须是 1[3-9] 表示第二位是 3 到 9 之间任意一个数字\d{9} 表示后面再跟 9 位数字
加起来刚好 11 位。
代码示例：
import retext = "订单编号12345678901，客户电话13812345678，备用号码16688889999"phones = re.findall(r"1[3-9]\d{9}", text)print(phones)
输出：
['13812345678', '16688889999']
这样就比单纯匹配 11 位数字更像样了。
这也是你后面做正则时很重要的一种提升： 不要只想着匹配成功，还要考虑误匹配的问题。
六、如果手机号中间带了横杠或空格怎么办
现实数据往往没那么整齐。
比如你可能拿到这样的文本：
text = "联系电话：138-1234-5678，备用：156 0000 1111"
这时候如果你还用前面的规则，就匹配不到了。 因为中间已经不是纯数字连续排列了。
那怎么办
这时候就要根据实际格式去调整规则。
例如，匹配带横杠的手机号：
r"1[3-9]\d{2}-\d{4}-\d{4}"
匹配带空格的手机号：
r"1[3-9]\d{2}\s\d{4}\s\d{4}"
如果你想同时兼容横杠和空格，还可以稍微灵活一点：
r"1[3-9]\d{2}[- ]\d{4}[- ]\d{4}"
这里的 [- ] 表示中间那个位置，要么是横杠，要么是空格。
示例代码：
import retext = "联系电话：138-1234-5678，备用：156 0000 1111"result = re.findall(r"1[3-9]\d{2}[- ]\d{4}[- ]\d{4}", text)print(result)
输出：
['138-1234-5678', '156 0000 1111']
你会发现，正则的真正价值不在于死记一个规则。 而在于你能不能根据实际数据，及时改写规则。
这才是实战能力。
七、提取完手机号之后，往往还要做清洗
这一点很容易被忽略。
很多新手以为，匹配出来就结束了。 其实真实开发里，提取只是第一步。 后面通常还要进一步清洗。
比如刚才提取出来的是：
['138-1234-5678', '156 0000 1111']
如果你后面要保存到数据库，或者统一展示，就可能希望把它们变成纯数字格式。
这时可以继续处理：
import retext = "联系电话：138-1234-5678，备用：156 0000 1111"phones = re.findall(r"1[3-9]\d{2}[- ]\d{4}[- ]\d{4}", text)cleaned = []for phone in phones: phone = phone.replace("-", "").replace(" ", "") cleaned.append(phone)print(cleaned)
输出：
['13812345678', '15600001111']
所以你一定要建立一个意识：
正则负责找出来 字符串方法负责进一步整理
这两者不是对立关系，而是经常配合使用。
八、第二个实战：提取邮箱地址
接下来我们看邮箱。
邮箱比手机号稍微复杂一点，因为它不是纯数字，而是由几部分组成的。
最典型的邮箱，结构通常是：
用户名 + @ + 域名 + 后缀
例如：
abc123@qq.comtom_test@163.comhello.world@gmail.com
那邮箱怎么匹配
先从一个比较常见、适合入门的规则开始：
r"[\w.-]+@[\w.-]+\.\w+"
别急，我们把它拆开。
[\w.-]+ 表示用户名部分，可以由字母、数字、下划线、点、横杠组成，并且出现一次或多次@ 就是字面意义上的 @[\w.-]+ 表示域名主体\. 表示真正的点号\w+ 表示后缀部分，比如 com、cn、net
看代码：
import retext = "联系邮箱：tom123@qq.com，备用邮箱：admin-test@163.com"emails = re.findall(r"[\w.-]+@[\w.-]+\.\w+", text)print(emails)
输出：
['tom123@qq.com', 'admin-test@163.com']
这已经能处理很多常见场景了。
九、邮箱提取里，为什么点号一定要转义
这个细节一定要懂。
正则里的点号 . 默认表示任意单个字符。 可邮箱地址里的那个点，比如 .com 里的点，它本身就是一个真正的句号。
如果你直接写：
r"@[\w.-]+.\w+"
那个点就会被理解成任意字符。 结果会变得不够严格，甚至把一些不该匹配的内容也匹配进去。
所以要写成：
r"\."
这个反斜杠的作用就是转义，让点号失去特殊含义，回到普通字符本身。
以后你只要想匹配真正的点号、加号、括号、问号这类有特殊意义的符号，都要留意是否需要转义。
十、邮箱规则为什么看起来总是很复杂
因为邮箱本身的合法格式，其实比很多人想象得更复杂。
比如有的邮箱用户名里会有点。 有的会有横杠。 有的域名还不止一层。
像下面这些都很常见：
hello.world@qq.commy-test@company.cnservice_team@sub.mail.com
所以，邮箱匹配通常比手机号更难做到百分之百完美。
这时候你要知道一个很重要的实战原则：
大多数业务场景里，不必追求世界上最严苛的正则 只要你的规则能覆盖绝大多数正常情况，并且误判不太严重，就已经够用了
很多初学者一学正则，就总想写出一个无懈可击的规则。 结果越写越复杂，最后自己都看不懂。
这并不是好习惯。
教程阶段，我们先掌握适合常见场景的写法。 真正遇到严格校验需求，再按业务规则细化。
十一、邮箱提取后，也要注意去重和清洗
比如一段文本里，同一个邮箱可能出现很多次：
text = "主邮箱是abc@qq.com，备用还是abc@qq.com，另一个是test@163.com"
如果你直接提取：
import retext = "主邮箱是abc@qq.com，备用还是abc@qq.com，另一个是test@163.com"emails = re.findall(r"[\w.-]+@[\w.-]+\.\w+", text)print(emails)
结果是：
['abc@qq.com', 'abc@qq.com', 'test@163.com']
这时候如果你只想保留唯一值，就可以配合集合去重：
unique_emails = list(set(emails))print(unique_emails)
当然，集合去重后顺序可能会变。 这一点你要心里有数。
如果你既想去重又想保留顺序，可以后面再学更稳妥的写法。 但在当前阶段，你至少要有这个意识：
提取出来的结果，不一定就是最终结果 有时还需要清洗、去重、标准化
十二、第三个实战：提取日期
日期比手机号和邮箱更常见。
聊天记录里有日期 日志里有日期 订单里有日期 文件名里也经常带日期
最常见的一种日期格式是：
2026-03-29
这种格式其实很好匹配，因为规则很清楚：
4 位年份 1 个横杠 2 位月份 1 个横杠 2 位日期
所以最基础的写法可以是：
r"\d{4}-\d{2}-\d{2}"
来看示例：
import retext = "项目开始时间是2026-03-29，结束时间是2026-04-15"dates = re.findall(r"\d{4}-\d{2}-\d{2}", text)print(dates)
输出：
['2026-03-29', '2026-04-15']
这个写法已经能把很多标准日期提取出来了。
十三、日期匹配成功，不等于日期一定真实存在
这里是一个非常容易忽略的问题。
正则只能判断格式像不像。 它不负责判断这个日期在现实中是否真的成立。
比如下面这些内容：
2026-13-402025-99-992026-00-00
只要你用的是：
r"\d{4}-\d{2}-\d{2}"
它们照样都能匹配成功。
因为从正则角度看，它们确实符合 4 位数字-2 位数字-2 位数字 这种结构。
所以你要明白： 正则更擅长做格式筛选 真正的业务校验，往往还需要后续逻辑
比如后面你学时间处理模块时，就可以把匹配出的日期再交给 datetime 去验证，看它是否真的是合法日期。
这就是现实开发里很常见的一种组合：
先用正则粗筛 再用程序逻辑精确校验
十四、如果日期格式不统一，该怎么办
现实数据常常不统一。
有的写成：
2026-03-29
有的写成：
2026/03/29
有的甚至写成：
2026.03.29
那怎么办
你就要学会把规则写得灵活一点。
例如：
r"\d{4}[-/.]\d{2}[-/.]\d{2}"
这里的 [-/.] 表示这个位置可以是横杠、斜杠或点号中的任意一个。
代码示例：
import retext = "创建时间：2026-03-29，修改时间：2026/04/01，归档时间：2026.04.15"dates = re.findall(r"\d{4}[-/.]\d{2}[-/.]\d{2}", text)print(dates)
输出：
['2026-03-29', '2026/04/01', '2026.04.15']
这就是正则实战里非常有用的一个思路：
别只盯着一种输入格式 要学会观察数据的多样性，再把规则稍微放宽一点
当然，放宽不等于乱放。 你还是要围绕规律来写。
十五、如果想把年、月、日分别拿出来怎么办
这时候就轮到分组上场了。
比如你不只是想要整个日期，还想把年份、月份、日期分别提取出来，那么可以这样写：
r"(\d{4})-(\d{2})-(\d{2})"
来看代码：
import retext = "今天是2026-03-29"result = re.search(r"(\d{4})-(\d{2})-(\d{2})", text)print(result.group(0))print(result.group(1))print(result.group(2))print(result.group(3))
输出大致是：
2026-03-2920260329
这里要看懂：
group(0) 是整体匹配结果group(1) 是第一个括号里的内容，也就是年份group(2) 是第二个括号里的内容，也就是月份group(3) 是第三个括号里的内容，也就是日期
这个能力特别重要。
因为很多时候，我们不是只想把日期整段抠出来，而是还要继续加工。 比如：
只保留年份 按月份统计 把日期重新拼成其他格式
而分组，正好为这些后续操作打基础。
十六、把手机号、邮箱、日期放到一段混合文本里一起提取
前面我们是分开练的。 现在来一段更像真实工作的文本。
text = """用户信息如下：姓名：张三手机号：13812345678邮箱：zhangsan_test@qq.com注册日期：2026-03-29姓名：李四手机号：15600001111邮箱：lisi.work@163.com注册日期：2026/04/01"""
现在我们分别提取手机号、邮箱、日期。
import retext = """用户信息如下：姓名：张三手机号：13812345678邮箱：zhangsan_test@qq.com注册日期：2026-03-29姓名：李四手机号：15600001111邮箱：lisi.work@163.com注册日期：2026/04/01"""phones = re.findall(r"1[3-9]\d{9}", text)emails = re.findall(r"[\w.-]+@[\w.-]+\.\w+", text)dates = re.findall(r"\d{4}[-/]\d{2}[-/]\d{2}", text)print("手机号：", phones)print("邮箱：", emails)print("日期：", dates)
输出结果大致会是：
手机号： ['13812345678', '15600001111']邮箱： ['zhangsan_test@qq.com', 'lisi.work@163.com']日期： ['2026-03-29', '2026/04/01']
这个例子你一定要好好体会。
因为真实开发里，你面对的往往不是一条规整数据，而是一大段文本。 而你要做的，就是从里面把不同类型的信息一个个拎出来。
这就是 re 模块最直接的使用方式。
十七、search 和 findall 在实战里该怎么选
这个问题很多人会迷糊。
其实不难。
如果你面对的是一整段文本，并且里面可能有多个结果，通常先想到 findall()。
比如一篇文章里有多个手机号、多个邮箱、多个日期。 那你肯定想全部提取出来。 这时候就适合 findall()。
如果你只是想判断有没有，或者只关心第一个匹配结果，就可以用 search()。
比如：
我只想找到第一个邮箱 我只想看看这段文本里是否存在日期 我只想把第一个手机号先拿出来试试
就可以用 search()。
例如：
import retext = "请联系 support@test.com 或 admin@demo.com"result = re.search(r"[\w.-]+@[\w.-]+\.\w+", text)if result: print("找到邮箱：", result.group())else: print("没有找到邮箱")
输出：
找到邮箱： support@test.com
你会发现，search() 特别适合搭配 if 使用。 因为它找不到时会返回 None，找到时会返回匹配对象。
这种写法在校验类场景里很常见。
十八、re.match 为什么很多时候不太适合做提取
match() 也是初学者常见的方法，但你现在要先知道它的特点。
它只会从字符串开头开始匹配。
例如：
import retext = "邮箱是abc@qq.com"print(re.match(r"[\w.-]+@[\w.-]+\.\w+", text))print(re.search(r"[\w.-]+@[\w.-]+\.\w+", text))
这里 match() 很可能匹配不到。 因为字符串开头是“邮箱是”，不是邮箱地址本身。
而 search() 会在整段文本里往后找，所以能找到。
因此在做文本提取时，大多数情况下你更应该优先想到 search() 和 findall()。match() 更适合那些要求从开头就必须符合规则的场景，比如格式校验。
这一点区分清楚，会少踩很多坑。
十九、用 compile 让规则更清楚
当你的正则规则比较长，或者要重复使用很多次时，可以把它先编译成一个模式对象。
写法如下：
import rephone_pattern = re.compile(r"1[3-9]\d{9}")email_pattern = re.compile(r"[\w.-]+@[\w.-]+\.\w+")date_pattern = re.compile(r"\d{4}[-/]\d{2}[-/]\d{2}")text = "手机号13812345678，邮箱abc@qq.com，日期2026-03-29"print(phone_pattern.findall(text))print(email_pattern.findall(text))print(date_pattern.findall(text))
输出：
['13812345678']['abc@qq.com']['2026-03-29']
这样写的好处是什么
第一，规则更清楚，代码可读性更好。 第二，后面重复使用时更方便。 第三，复杂项目里可以把各种规则集中管理，不容易乱。
你现在不一定非要马上大量使用 compile()。 但至少要知道，到了代码稍微复杂一点的时候，这种写法会很舒服。
二十、提取失败时，最应该先检查什么
很多人一用正则就报错，或者什么都匹配不到，然后马上怀疑 Python 有问题。
其实大多数时候，是下面几个原因。
第一，规则写得太死。 文本格式稍微变一下，就匹配不到。
比如你只写了横杠分隔日期，那遇到斜杠就不行了。
第二，忘了转义。 比如想匹配点号，结果直接写了 .，导致规则变味。
第三，忘了写原始字符串。 某些带反斜杠的规则就可能出问题。
第四，混淆了 search() 和 match()。 文本中间明明有内容，偏偏用 match() 从头匹配，自然找不到。
第五，数据本身比你想象得更脏。 比如前后多了空格、换行、中文符号、隐藏字符。
所以当你匹配失败时，别急着乱改。 先回头问自己几个问题：
我现在处理的文本到底长什么样 我的规则是不是过于理想化了 我想找的是全部还是第一个 我是不是把某些特殊字符写错了
这种排查习惯，比死记一堆规则更重要。
二十一、真实工作里，正则提取通常只是流程中的一步
你一定不要把正则看成万能钥匙。
它很强，但它通常只是整个数据处理流程中的一环。
比如做用户信息清洗时，流程往往是：
先读入文本 再用正则提取手机号、邮箱、日期 然后去重 再清洗格式 最后保存成表格或写入数据库
也就是说，正则负责的是把有规律的信息从杂乱文本里抓出来。 但抓出来之后，你通常还要做进一步处理。
这一点很关键。
因为很多初学者一学正则，就容易陷进去，老觉得一个规则能解决全部问题。 其实真实开发里，更常见的是组合拳：
正则 + 字符串处理 正则 + 列表循环 正则 + 条件判断 正则 + 文件读写
你越早明白这一点，后面学数据清洗、日志处理时就越顺。
二十二、写一个完整一点的小案例
下面我们来做一个稍微完整一点的案例。
假设现在有一段客户登记文本，我们要把里面的手机号、邮箱、日期都提取出来，并整理成更清晰的结果。
import retext = """客户A手机号：138-1234-5678邮箱：a_user@qq.com登记日期：2026-03-29客户B手机号：156 0000 1111邮箱：b.test@163.com登记日期：2026/04/01客户C手机号：未填写邮箱：暂缺登记日期：2026-04-15"""phone_pattern = re.compile(r"1[3-9]\d{2}[- ]\d{4}[- ]\d{4}")email_pattern = re.compile(r"[\w.-]+@[\w.-]+\.\w+")date_pattern = re.compile(r"\d{4}[-/]\d{2}[-/]\d{2}")phones = phone_pattern.findall(text)emails = email_pattern.findall(text)dates = date_pattern.findall(text)cleaned_phones = []for phone in phones: cleaned_phone = phone.replace("-", "").replace(" ", "") cleaned_phones.append(cleaned_phone)print("清洗后的手机号：", cleaned_phones)print("邮箱：", emails)print("日期：", dates)
输出结果大致是：
清洗后的手机号： ['13812345678', '15600001111']邮箱： ['a_user@qq.com', 'b.test@163.com']日期： ['2026-03-29', '2026/04/01', '2026-04-15']
这个例子里，有几个地方特别值得你注意。
第一，手机号格式并不统一，所以规则要兼容横杠和空格。 第二，提取完手机号后，还做了一次标准化清洗。 第三，邮箱和日期分别用不同规则去提取。 第四，有些字段缺失也没关系，因为正则只会抓到符合条件的内容。
这就是很像真实业务的一种处理方式。
二十三、这一章你真正该学会的，不是三条规则，而是方法
很多人学到这里，容易把重点理解错。
他们会觉得，这一章学完，自己背住手机号正则、邮箱正则、日期正则就行了。
其实不是。
真正重要的，不是把三条规则背下来。 而是你有没有形成这样一套思维方式：
先看文本里有没有规律 再把规律写成正则 然后用 re 模块提取 提取后再做清洗和整理 最后把结果放进后续流程中
这套方法一旦会了，你以后遇到别的内容也能照着做。
比如：
提取订单号 提取身份证号 提取网址 提取日志中的 IP 地址 提取文件名中的日期 提取评论里的标签词
表面上内容不同，底层方法其实都差不多。
二十四、给初学者的一个实用建议
刚开始练 re 模块时，不要一上来就去挑战特别长、特别变态的正则。
那样很容易把自己绕晕。
更好的练法是：
先用一小段文本做实验 先让规则匹配成功 再慢慢增加复杂情况 再观察哪些地方会误匹配 最后一点点修正规则
比如手机号，你先从连续 11 位数字开始。 然后再考虑 1 开头。 再考虑第二位范围。 再考虑横杠和空格。 这样一层层加，思路会非常清楚。
不要想着一步到位写出最完美的规则。 正则真正厉害的人，也不是一次写对全部。 而是会边测试、边观察、边调整。
这种过程，本身就是编程能力的一部分。
本章小结
re 模块是 Python 处理正则表达式的核心工具。 在文本提取场景里，最常用的方法是：
findall()，提取所有匹配结果search()，查找第一个匹配结果match()，从开头开始匹配compile()，把规则先编译成模式对象，方便复用
这一章我们围绕三个典型场景做了实战：
手机号提取，重点是理解位数规则和格式变化。 邮箱提取，重点是理解用户名、域名、点号转义这些结构。 日期提取，重点是明白格式匹配和真实日期校验不是一回事。
更重要的是，你要开始建立一个真实的数据处理意识：
正则不是孤立存在的。 它通常只是提取的第一步。 后面还要配合字符串处理、列表操作、去重、清洗、格式统一，才能真正变成可用的数据结果。
当你开始这样看问题时，re 模块就不再只是一个语法点，而会变成你处理复杂文本时非常顺手的工具。
课后练习
你可以自己动手做下面几个练习，效果会非常明显。
第一，准备一段包含多个手机号的文本，既有纯数字格式，也有带横杠和空格的格式，尝试全部提取出来，并统一清洗成纯数字。
第二，准备一段包含多个邮箱的文本，提取出所有邮箱，再去重。
第三，准备一段包含多种日期格式的文本，比如横杠、斜杠、点号三种写法都放进去，尝试一次性匹配出来。
第四，把手机号、邮箱、日期混合放进一段长文本里，分别提取成三个列表。
第五，自己写一个更贴近实际的客户信息文本，然后模仿本章的小案例，做一遍完整清洗。
10个月宝宝每天需要喝多少奶粉？
