在日常開發(fā)中，我們經(jīng)常會(huì)遇到這類需求：

• 從一段文字里找出手機(jī)號(hào)；
• 從用戶輸入中提取郵箱；
• 把字符串里的數(shù)字統(tǒng)一替換掉；
• 按多種分隔符拆分文本；
• 從簡(jiǎn)單 HTML 片段中提取標(biāo)簽內(nèi)容。

這些場(chǎng)景都非常適合使用正則表達(dá)式。

Python 內(nèi)置的 re 模塊提供了一套完整的正則工具。本文會(huì)從幾個(gè)最常見的方法開始，結(jié)合示例代碼，帶你快速理解 Python 正則表達(dá)式的基本用法。

1. 引入 re 模塊

使用正則表達(dá)式之前，需要先導(dǎo)入 Python 的內(nèi)置模塊 re：

import re

re 是 regular expression 的縮寫，也就是正則表達(dá)式。

它可以幫助我們按照某種規(guī)則去匹配、查找、替換或分割字符串。

2. 使用 re.search 查找第一個(gè)匹配項(xiàng)

假設(shè)現(xiàn)在有一段文本：

text = "我的手機(jī)號(hào)是 13812345678，郵箱是 test@example.com"

我們想從里面找出手機(jī)號(hào)，可以使用 re.search()：

phone = re.search(r"1[3-9]\d{9}", text)

if phone:
    print(f"找到手機(jī)號(hào)：{phone.group()}")

輸出結(jié)果：

找到手機(jī)號(hào)：13812345678

這里的正則表達(dá)式是：

r"1[3-9]\d{9}"

它的含義是：

• 1：手機(jī)號(hào)以數(shù)字 1 開頭；
• [3-9]：第二位是 3 到 9 之間的數(shù)字；
• \d{9}：后面再跟 9 個(gè)數(shù)字。

所以它可以匹配類似 13812345678 這樣的手機(jī)號(hào)。

需要注意的是，re.search() 只會(huì)返回第一個(gè)匹配結(jié)果。如果找到了，返回一個(gè)匹配對(duì)象；如果沒找到，返回 None。

因此實(shí)際使用時(shí)，通常要先判斷：

if phone:
    print(phone.group())

其中 group() 用來取出真正匹配到的字符串。

3. 使用 re.search 查找郵箱

我們還可以繼續(xù)從同一段文本中查找郵箱：

email = re.search(r"\w+@\w+\.\w+", text)

if email:
    print(f"找到郵箱：{email.group()}")

輸出結(jié)果：

找到郵箱：test@example.com

這個(gè)正則表達(dá)式：

r"\w+@\w+\.\w+"

可以拆成幾部分理解：

• \w+：匹配一個(gè)或多個(gè)字母、數(shù)字或下劃線；
• @：匹配郵箱中的 @ 符號(hào)；
• \w+：匹配域名主體；
• \.：匹配真正的點(diǎn)號(hào)；
• \w+：匹配后綴。

為什么點(diǎn)號(hào)要寫成 \.？

因?yàn)樵谡齽t表達(dá)式里，. 有特殊含義，表示“任意字符”。如果我們想匹配普通的點(diǎn)號(hào)，就需要用反斜杠進(jìn)行轉(zhuǎn)義。

4. 使用 re.findall 查找所有匹配項(xiàng)

re.search() 只會(huì)找第一個(gè)結(jié)果。

如果我們想找出所有匹配內(nèi)容，可以使用 re.findall()。

比如下面這段文本中有多個(gè)價(jià)格：

text = "價(jià)格：100元、200元、350元"
prices = re.findall(r"\d+", text)

print(prices)

輸出結(jié)果：

['100', '200', '350']

這里的正則表達(dá)式是：

r"\d+"

它表示匹配一個(gè)或多個(gè)數(shù)字。

findall() 會(huì)把所有匹配到的結(jié)果放進(jìn)一個(gè)列表中返回。

所以當(dāng)你需要“批量提取”內(nèi)容時(shí)，findall() 非常常用。

5. 使用 re.sub 替換字符串

正則不僅能查找，還能替換。

比如我們想把日期中的數(shù)字全部替換成 X：

text = "今天是2026年02月19日"
result = re.sub(r"\d+", "X", text)

print(result)

輸出結(jié)果：

今天是X年X月X日

re.sub() 的基本格式是：

re.sub(pattern, replacement, string)

也就是：

• pattern：要匹配的正則規(guī)則；
• replacement：替換成什么；
• string：在哪個(gè)字符串里替換。

在這個(gè)例子中，\d+ 會(huì)匹配連續(xù)數(shù)字，所以 2026、02、19 都會(huì)被替換成 X。

6. 使用 re.split 按多個(gè)分隔符拆分字符串

普通字符串的 split() 一次通常只能按一種分隔符拆分。

但實(shí)際數(shù)據(jù)經(jīng)常不那么規(guī)整，比如：

text = "張三;李四,王五 趙六"

這里的名字之間有分號(hào)、逗號(hào)和空格。

這時(shí)可以使用 re.split()：

names = re.split(r"[;,\s]+", text)

print(names)

輸出結(jié)果：

['張三', '李四', '王五', '趙六']

這個(gè)正則表達(dá)式：

r"[;,\s]+"

含義是：

• []：字符集合；
• ;：匹配分號(hào)；
• ,：匹配逗號(hào)；
• \s：匹配空白字符；
• +：匹配一次或多次。

也就是說，只要遇到分號(hào)、逗號(hào)或空白字符，就可以作為分隔符。

7. 常用正則符號(hào)速查

下面這些符號(hào)是寫正則表達(dá)式時(shí)最常見的基礎(chǔ)語法。

剛開始學(xué)習(xí)正則時(shí)，不需要一次性記住所有復(fù)雜語法。

先掌握 \d、\w、\s、+、*、[]、^、$ 這些基礎(chǔ)符號(hào)，就已經(jīng)可以解決很多實(shí)際問題。

8. 實(shí)戰(zhàn)一：驗(yàn)證手機(jī)號(hào)

前面我們用 search() 從文本中找手機(jī)號(hào)。

如果現(xiàn)在要判斷一個(gè)字符串是不是完整的手機(jī)號(hào)，可以使用 re.match()：

phone_pattern = r"^1[3-9]\d{9}$"

print(re.match(phone_pattern, "13812345678"))

這里的規(guī)則比前面更嚴(yán)格：

r"^1[3-9]\d{9}$"

其中：

• ^ 表示字符串開頭；
• $ 表示字符串結(jié)尾；
• 1[3-9]\d{9} 表示手機(jī)號(hào)規(guī)則。

加上 ^ 和 $ 之后，意味著整個(gè)字符串必須完整符合手機(jī)號(hào)格式。

如果不加它們，只要字符串中包含一段符合規(guī)則的內(nèi)容，也可能被匹配到。

9. 實(shí)戰(zhàn)二：驗(yàn)證郵箱

郵箱驗(yàn)證可以寫成這樣：

email_pattern = r"^[\w.+-]+@[\w-]+\.[\w.]+$"

print(re.match(email_pattern, "test@example.com"))

這個(gè)表達(dá)式支持更常見的郵箱格式：

• 用戶名部分允許字母、數(shù)字、下劃線、點(diǎn)號(hào)、加號(hào)和短橫線；
• 中間必須有 @；
• 域名部分允許字母、數(shù)字、下劃線和短橫線；
• 后綴部分允許字母、數(shù)字、下劃線和點(diǎn)號(hào)。

不過要注意，真實(shí)世界中的郵箱規(guī)則非常復(fù)雜。

在業(yè)務(wù)系統(tǒng)中，如果只是做基礎(chǔ)格式校驗(yàn)，這樣的正則通常夠用；如果是嚴(yán)肅的注冊(cè)、登錄或郵件投遞場(chǎng)景，還需要結(jié)合郵件發(fā)送驗(yàn)證。

10. 實(shí)戰(zhàn)三：提取 HTML 標(biāo)簽內(nèi)容

代碼中還有一個(gè)提取 HTML 標(biāo)簽內(nèi)容的例子：

html = "<h1>標(biāo)題</h1><p>段落</p>"
contents = re.findall(r"<\w+>(.*?)</\w+>", html)

print(contents)

輸出結(jié)果：

['標(biāo)題', '段落']

這個(gè)正則表達(dá)式是：

r"<\w+>(.*?)</\w+>"

可以這樣理解：

• <\w+>：匹配開始標(biāo)簽，比如 <h1>、<p>；
• (.*?)：提取標(biāo)簽中間的內(nèi)容；
• </\w+>：匹配結(jié)束標(biāo)簽，比如 </h1>、</p>。

這里的 (.*?) 很關(guān)鍵。

其中：

• () 表示分組，findall() 會(huì)優(yōu)先返回分組內(nèi)容；
• . 表示任意字符；
• * 表示 0 次或多次；
• ? 表示非貪婪匹配。

如果沒有 ?，正則可能會(huì)盡可能多地匹配內(nèi)容，導(dǎo)致結(jié)果不符合預(yù)期。

需要提醒的是，正則可以處理簡(jiǎn)單 HTML 片段，但不適合解析復(fù)雜 HTML 文檔。

如果是正式爬蟲或網(wǎng)頁解析任務(wù)，更推薦使用 BeautifulSoup、lxml 這類專門的 HTML 解析庫(kù)。

11. search、match、findall、sub、split 怎么選

可以用下面這張表快速判斷：

簡(jiǎn)單來說：

• 想找一個(gè)，用 search()；
• 想從開頭驗(yàn)證，用 match()；
• 想提取全部，用 findall()；
• 想替換文本，用 sub()；
• 想按復(fù)雜分隔符切分，用 split()。

12. 為什么正則字符串前面常加 r

你會(huì)發(fā)現(xiàn)示例中的正則表達(dá)式大多寫成這樣：

r"\d+"

前面的 r 表示原始字符串。

它可以減少反斜杠轉(zhuǎn)義帶來的困擾。

比如正則中的 \d 表示數(shù)字，如果不用原始字符串，在更復(fù)雜的表達(dá)式中就很容易遇到雙重轉(zhuǎn)義問題。

所以寫 Python 正則時(shí)，一個(gè)好習(xí)慣是：

正則表達(dá)式盡量使用 r"..." 這種原始字符串形式。

小結(jié)

本文從幾個(gè)常見例子出發(fā)，介紹了 Python re 模塊的基礎(chǔ)用法。

核心內(nèi)容包括：

• 用 re.search() 查找手機(jī)號(hào)和郵箱；
• 用 re.findall() 提取所有數(shù)字；
• 用 re.sub() 替換匹配內(nèi)容；
• 用 re.split() 按多個(gè)分隔符拆分文本；
• 理解常見正則符號(hào)；
• 使用 re.match() 驗(yàn)證手機(jī)號(hào)和郵箱格式；
• 用分組和非貪婪匹配提取簡(jiǎn)單標(biāo)簽內(nèi)容。

正則表達(dá)式剛開始看起來有點(diǎn)像“符號(hào)密碼”，但它的核心思想其實(shí)很簡(jiǎn)單：

用一套規(guī)則去描述你想匹配的字符串。

當(dāng)你掌握了常用符號(hào)和幾個(gè)基礎(chǔ)方法之后，就可以用正則快速完成很多文本處理任務(wù)。

以上就是Python正則表達(dá)式從匹配手機(jī)號(hào)到提取文本內(nèi)容的基礎(chǔ)用法詳解的詳細(xì)內(nèi)容，更多關(guān)于Python正則表達(dá)式基礎(chǔ)用法的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論