第 38 课 · 阶段七 · 进阶主题

正则表达式

正则表达式是文本处理的“万能钥匙”：匹配、查找、替换、提取。这一课掌握 re 模块的核心 API 与常用元字符。

第 38 课阶段七 · 进阶主题难度：进阶建议时长：45 分钟关键词：re · 元字符 · 分组 · 匹配

🎯 学完本课你将掌握

理解正则表达式的作用
掌握常用元字符与字符类
熟练使用 re.match/findall/search/sub

一、什么是正则表达式

正则表达式（regex）是一套描述“字符串模式”的语言。比如提取所有手机号、校验邮箱格式、清洗脏数据，都可以用它完成。

二、常用元字符

元字符	含义	示例
.	任意单个字符	a.c 匹配 abc
\d	数字 0-9	\d\d 匹配两位数字
\w	字母数字下划线	\w+ 匹配单词
\s	空白（空格/换行/Tab）	a\sb
^	开头	^abc 以abc开头
$	结尾	abc$ 以abc结尾
*	0次或多次	ab* 匹配 a、ab、abb
+	1次或多次	ab+ 匹配 ab、abb
?	0次或1次	ab? 匹配 a、ab
{n}	恰好n次	\d{3} 三位数字

三、re 模块四大方法

re 入门.py

1import re
2
3text = "我的电话是 138-1234-5678，备用 139-0000-1111"
4
5# 1. re.findall：找出所有匹配
6phones = re.findall(r"\d{3}-\d{4}-\d{4}", text)
7print(phones)   # ['138-1234-5678', '139-0000-1111']
8
9# 2. re.search：找第一个匹配（返回对象）
10m = re.search(r"\d{3}-\d{4}-\d{4}", text)
11print(m.group())   # 138-1234-5678
12
13# 3. re.match：从开头匹配
14print(re.match(r"\d", "abc123"))   # None（开头不是数字）
15print(re.match(r"\d", "123abc").group())  # 1
16
17# 4. re.sub：替换
18new = re.sub(r"\d{4}-\d{4}", "****-****", text)
19print(new)

✅ 要点

写正则时在字符串前加 r（原始字符串），避免 \\ 转义地狱。

四、字符类与分组

字符类分组.py

1import re
2# 字符类 [ ]：匹配其中任意一个
3print(re.findall(r"[abc]", "a1b2c3"))        # ['a','b','c']
4print(re.findall(r"[0-9]", "a1b2c3"))        # ['1','2','3']
5
6# 分组 ( )：提取部分内容
7m = re.search(r"(\d{3})-(\d{4})", "电话 138-1234")
8print(m.group(0))   # 138-1234  整体
9print(m.group(1))   # 138  第一组
10print(m.group(2))   # 1234 第二组

五、实战：校验邮箱格式

邮箱校验.py

1import re
2
3def check_email(email):
4    pattern = r"^[\w.-]+@[\w-]+\.[\w.]+$"
5    return bool(re.match(pattern, email))
6
7print(check_email("user@example.com"))   # True
8print(check_email("bad@@mail"))          # False
9print(check_email("user name@x.com"))    # False（有空格）

六、惰性匹配与贪婪匹配

默认 * 和 + 是贪婪的（尽可能多匹配）；加 ? 变惰性（尽可能少匹配）。

贪婪 vs 惰性.py

1import re
2text = "<b>加粗</b>和<b>再粗</b>"
3print(re.findall(r"<b>.*</b>", text))    # 贪婪：['<b>加粗</b>和<b>再粗</b>']
4print(re.findall(r"<b>.*?</b>", text))   # 惰性：['<b>加粗</b>', '<b>再粗</b>']

七、常见错误与解决

常见错误与解决

错误现象	原因 / 解决方法
`匹配不到任何内容`	先确认元字符含义；可用在线正则测试工具（如 regex101）调试。
`正则里中文匹配不到`	中文不是 \w，用 [\u4e00-\u9fa5] 或直接写中文。
`.* 吃掉了太多`	该用惰性 .*? 的地方没加 ?。

✍️ 小练习

写程序：从一段文本中提取所有手机号（11位数字）、所有 email；并把文本中的年份 2026 替换为 2027。

📌 本节小结

正则核心：元字符定规则（\d 数字、\w 单词、*+? 数量、^$ 边界、[] 字符类、() 分组）；re 四大方法 findall/search/match/sub 各司其职。写复杂正则前先在测试工具里验证。