Python正则常用模式总结_实用示例讲解【指导】

Python正则表达式高频应用包括：数字匹配（如\d+、\d{3}-\d{4}-\d{4}）、邮箱与URL提取、噪声清理（re.sub去空格/标签/中文）、格式验证（fullmatch+先行断言）。

Python正则表达式（re模块）是文本处理的利器，但初学者常被语法绕晕。掌握几个高频、实用的模式，就能解决80%的日常需求——比如提取手机号、邮箱、日期，过滤空格或标签，验证格式是否合规。

匹配数字与连续数字串

数字是最基础也最常用的匹配目标。用\d代替[0-9]更简洁；加+表示“一个或多个”，*表示“零个或多个”。

• r'\d+'：匹配至少一位数字，如"abc123def" → "123"
• r'\d{3}-\d{4}-\d{4}'：匹配形如"138-1234-5678"的手机号分段格式
• r'\b\d{6}\b'：用\b确保是独立6位数（如邮编），避免匹配到"1234567"中的子串

提取邮箱与URL等结构化文本

邮箱和URL有较固定规律，可借助字符类和量词组合写出稳健模式。

• r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'：覆盖主流邮箱格式（支持下划线、+号别名等），{2,}防止误匹配.c
• r'https?://[^\s]+' ：匹配以http://或https://开头、直到空白符为止的URL（简单有效，适合日志清洗）
• 注意：不建议用正则“完美”校验邮箱——RFC标准太复杂，生产环境推荐用专用库（如email-validator）

清理与替换常见噪声

数据预处理中，去空格、删HTML标签、合并换行是高频操作，re.sub()配合合适模式即可一行搞定。

标签： python html 正则表达式 ai 邮箱 python正则表达式 yy