引言

在數(shù)據(jù)分析、爬蟲、日志解析、表單校驗等開發(fā)場景中，正則表達式是處理文本的利器。相比于基礎(chǔ)字符串方法，正則能精準(zhǔn)實現(xiàn)模糊匹配、批量提取、復(fù)雜替換等操作。

Python 內(nèi)置 re 模塊，無需額外安裝第三方庫，開箱即用。本文在基礎(chǔ)用法之上，結(jié)合身份證、URL、中文提取、日志清洗、貪婪與非貪婪匹配等高頻實戰(zhàn)案例，帶你吃透正則進階用法，輕松解決日常文本處理難題。

1. 模塊導(dǎo)入與核心概念

使用正則第一步，導(dǎo)入內(nèi)置 re 模塊：

import re

正則本質(zhì)是用一套符號規(guī)則描述字符串模式，支持匹配、查找、提取、替換、分割。 寫正則強烈建議使用原始字符串 r""，避免反斜杠 \ 雙重轉(zhuǎn)義，這是 Python 正則的最佳實踐。

2. re.match：精準(zhǔn)校驗完整字符串

re.match(pattern, string) 從字符串開頭匹配，適合做格式校驗，比如身份證、手機號、賬號密碼格式驗證。

實戰(zhàn)：校驗 18 位身份證號

身份證規(guī)則：前 17 位數(shù)字，最后一位可為數(shù)字或 X/x

id_card_pattern = r"^[1-9]\d{5}(19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx]$"
print(re.match(id_card_pattern, "34012320000101123X"))  # 匹配成功
print(re.match(id_card_pattern, "123456"))  # 匹配失敗

規(guī)則拆解：

• ^：字符串開頭，$：字符串結(jié)尾，嚴(yán)格匹配完整文本
• [1-9]\d{5}：6 位地區(qū)碼
• (19|20)\d{2}：出生年份 19/20 開頭
• 后續(xù)匹配月、日、順序碼 + 校驗位

注意：match 只從開頭匹配，想在全文找內(nèi)容用 search。

3. re.search：全文查找首個匹配項

re.search() 掃描整個字符串，找到第一個符合規(guī)則的內(nèi)容就返回，適合從雜亂文本中提取單個信息。

實戰(zhàn)：提取文本中的 URL 鏈接

text = "我的博客：https://blog.csdn.net，備用網(wǎng)址：http://www.example.com"
url = re.search(r"https?://\w+\.\w+", text)
if url:
    print("提取到URL：", url.group())

輸出：

提取到URL： https://blog.csdn.net

正則解析：

• https?：? 匹配 0 次或 1 次，兼容 http/https
• ://：固定協(xié)議符號
• \w+\.\w+：匹配域名主體 + 后綴

4. re.findall：批量提取所有匹配內(nèi)容

re.findall() 是最常用的提取方法，掃描全文，返回所有匹配結(jié)果的列表，適合批量提取數(shù)字、關(guān)鍵詞、鏈接、中文等。

實戰(zhàn) 1：提取所有中文

text = "Python正則2026實戰(zhàn)，提取中文，123測試數(shù)據(jù)"
chinese_list = re.findall(r"[\u4e00-\u9fa5]+", text)
print(chinese_list)

輸出：

['正則', '實戰(zhàn)', '提取中文', '測試數(shù)據(jù)']

[\u4e00-\u9fa5] 是 Unicode 編碼，匹配所有中文字符。

實戰(zhàn) 2：提取所有數(shù)字

text = "訂單1：599元，訂單2：1299元，運費20元"
nums = re.findall(r"\d+", text)
print(nums)  # ['599', '1299', '20']

5. re.sub：高級文本替換與脫敏

re.sub(pattern, repl, string, count=0) 實現(xiàn)批量替換，可用于數(shù)據(jù)脫敏、清洗無用字符、格式化文本。

實戰(zhàn) 1：手機號脫敏

text = "用戶1：13812345678，用戶2：15987654321"
# 中間4位替換為****
result = re.sub(r"(1[3-9]\d)\d{4}(\d{4})", r"\1****\2", text)
print(result)

輸出：

plaintext

用戶1：138****5678，用戶2：159****4321

核心：() 分組，\1、\2 反向引用分組內(nèi)容，精準(zhǔn)替換中間位。

實戰(zhàn) 2：清除文本中的特殊符號

text = "你好！@#￥%Python正則&*實戰(zhàn)~"
result = re.sub(r"[^\u4e00-\u9fa5a-zA-Z0-9]", "", text)
print(result)  # 你好Python正則實戰(zhàn)

[^...] 表示非指定字符，清除所有非中文、非英文、非數(shù)字的符號。

6. re.split：多規(guī)則分割字符串

Python 原生 split() 只能按單個分隔符拆分，re.split() 支持多個分隔符、不定數(shù)量分隔符，處理臟數(shù)據(jù)更高效。

實戰(zhàn)：分割雜亂日志文本

log = "2026-05-23;INFO,用戶登錄 賬號:test 狀態(tài):成功"
# 按分號、逗號、空格分割
parts = re.split(r"[;,\s]+", log)
print(parts)

輸出：

['2026-05-23', 'INFO', '用戶登錄', '賬號:test', '狀態(tài):成功']

7. 正則核心符號進階詳解

除基礎(chǔ)符號，進階必學(xué)符號，直接應(yīng)對復(fù)雜場景：

表格

重點：貪婪 vs 非貪婪匹配

html = "<div>標(biāo)題1</div><div>標(biāo)題2</div>"
# 貪婪匹配：匹配到最后一個</div>
res1 = re.findall(r"<div>.*</div>", html)
# 非貪婪匹配：逐個匹配
res2 = re.findall(r"<div>.*?</div>", html)
print(res1, res2)

正則中加?就是非貪婪，提取多組內(nèi)容必用！

8. 五大方法場景選型總結(jié)

表格

9. 完整實戰(zhàn)：日志文本清洗

綜合所有用法，解析一段真實日志，提取時間、級別、內(nèi)容：

log_text = """
2026-05-23 10:20:30 INFO: 用戶test登錄成功
2026-05-23 10:21:10 ERROR: 接口請求超時
2026-05-23 10:22:00 WARN: 內(nèi)存占用過高
"""
# 提取時間、日志級別、內(nèi)容
pattern = r"(\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2})\s(\w+):\s(.+)"
result = re.findall(pattern, log_text)
for item in result:
    print(f"時間：{item[0]}，級別：{item[1]}，內(nèi)容：{item[2]}")

小結(jié)

本文從 Python 正則進階用法出發(fā)，覆蓋格式校驗、批量提取、脫敏替換、臟數(shù)據(jù)分割、貪婪匹配、日志解析等實戰(zhàn)場景。 核心要點：

1. 正則優(yōu)先使用原始字符串 r""；
2. 批量提取用 findall，校驗用 match，替換用 sub；
3. 多組內(nèi)容提取必須用非貪婪匹配 .*?；
4. 分組 () 可精準(zhǔn)提取局部信息。

正則是文本處理的萬能工具，掌握基礎(chǔ)符號 + 5 個核心方法，就能搞定 80% 的日常文本需求。

以上就是Python使用正則表達式實現(xiàn)從文本清洗到復(fù)雜信息提取的實戰(zhàn)指南的詳細內(nèi)容，更多關(guān)于Python正則表達式實戰(zhàn)指南的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論