Python 正则表达式入门：从匹配手机号到提取文本内容
一、前言：为什么要学正则表达式？
在日常Python开发、数据处理、爬虫工作中，我们经常会遇到这些高频需求：
从杂乱文本中精准提取手机号、邮箱、身份证
批量替换文本中的数字、特殊符号、敏感词
按照多种不规则分隔符拆分字符串
校验用户输入的账号、密码、网址格式是否合法
提取简单HTML、文本标签中的核心内容
普通字符串方法只能处理规则固定的简单场景，而正则表达式可以通过一套通用规则，适配所有复杂文本处理场景，是Python文本处理的必备核心技能。
Python 内置re 模块，无需额外安装，开箱即用，本文从零带你吃透正则基础，手把手实现实战案例。
二、环境准备：导入re模块
Python 正则操作全部依赖内置re模块，使用前只需导入即可：
importrere是 regular expression 的缩写，核心作用：自定义字符规则，实现字符串的匹配、查找、替换、分割。
三、五大核心方法实战（零基础必掌握）
3.1 re.search()：查找第一个匹配项
作用：扫描整个字符串，返回第一个匹配成功的结果，匹配失败返回None。
核心注意：必须判断结果非空后，再调用.group()获取匹配内容，避免报错。
案例1：文本中提取手机号
importre text="我的手机号是 13812345678，邮箱是 test@example.com"# 手机号正则：1开头，第二位3-9，后接9位数字phone=re.search(r"1[3-9]\d{9}",text)ifphone:print(f"找到手机号：{phone.group()}")# 输出：找到手机号：13812345678正则规则解析
1：手机号固定以1开头[3-9]：第二位数字范围3-9（符合国内手机号规则）\d{9}：匹配9位数字（剩余手机号位数）
案例2：文本中提取邮箱
importre text="我的手机号是 13812345678，邮箱是 test@example.com"email=re.search(r"\w+@\w+\.\w+",text)ifemail:print(f"找到邮箱：{email.group()}")# 输出：找到邮箱：test@example.com邮箱正则规则解析
\w+：匹配1个及以上字母、数字、下划线（邮箱用户名）@：精准匹配邮箱固定符号\w+：匹配域名主体\.：转义匹配点号（正则中.是任意字符，必须转义才是普通点）\w+：匹配邮箱后缀（com、cn、net等）
3.2 re.findall()：查找所有匹配项（批量提取）
作用：查找字符串中所有匹配内容，以列表形式返回，无匹配则返回空列表，是批量提取文本的高频方法。
案例：批量提取文本中所有数字价格
importre text="商品价格：100元、200元、350元、89.9元"# \d+ 匹配连续数字prices=re.findall(r"\d+",text)print(prices)# 输出：['100', '200', '350', '89', '9']适合场景：批量提取数字、关键词、特殊格式文本，比循环匹配效率高10倍以上。
3.3 re.sub()：正则替换字符串
作用：根据正则规则匹配内容，批量替换为指定字符，完美解决普通replace无法处理的模糊替换场景。
语法：re.sub(pattern, replacement, string)
pattern：正则匹配规则
replacement：替换后的内容
string：需要处理的原字符串
案例：批量隐藏日期数字
importre text="今天是2026年02月19日，订单编号20260219001"# 所有连续数字替换为Xresult=re.sub(r"\d+","X",text)print(result)# 输出：今天是X年X月X日，订单编号X3.4 re.split()：多分隔符拆分字符串
痛点：Python原生split()仅支持单一分隔符，无法处理不规则分隔的文本。
解决方案：re.split()支持多分隔符、不规则空白拆分。
案例：拆分含分号、逗号、空格的文本
importre text="张三;李四,王五 赵六 钱七;孙八"# 匹配分号、逗号、空白字符，多个分隔符合并拆分names=re.split(r"[;,\s]+",text)print(names)# 输出：['张三', '李四', '王五', '赵六', '钱七', '孙八']规则解析：[;,\s]+
[]：字符集合，匹配集合内任意一个字符; , \s：分别匹配分号、逗号、空白字符（空格、换行、制表符）+：匹配1个及以上连续字符，避免拆分空值
3.5 re.match()：精准校验文本格式
作用：从字符串开头严格匹配，适合做格式校验（手机号、邮箱、账号），必须整串符合规则才会匹配成功。
核心搭配：^（开头）+$（结尾）实现全局精准校验。
案例1：完整手机号格式校验
importre# 全局手机号校验规则phone_pattern=r"^1[3-9]\d{9}$"print(re.match(phone_pattern,"13812345678"))# 匹配成功print(re.match(phone_pattern,"138123456"))# 位数不足，匹配失败print(re.match(phone_pattern,"23812345678"))# 开头错误，匹配失败案例2：通用邮箱格式校验
importre# 适配绝大多数常规邮箱格式email_pattern=r"^[\w.+-]+@[\w-]+\.[\w.]+$"print(re.match(email_pattern,"test@example.com"))# 合法print(re.match(email_pattern,"test123@qq.com"))# 合法print(re.match(email_pattern,"test.com"))# 非法提示：业务简单格式校验可使用该正则，正式生产邮件校验需结合发送验证。
四、进阶实战：提取HTML标签内容
利用正则分组+非贪婪匹配，可快速提取简单HTML标签文本，适合轻量文本解析。
importre html="<h1>Python正则入门教程</h1><p>零基础快速掌握正则用法</p>"# 分组匹配标签内容，? 开启非贪婪匹配contents=re.findall(r"<\w+>(.*?)</\w+>",html)print(contents)# 输出：['Python正则入门教程', '零基础快速掌握正则用法']核心规则解析
<\w+>：匹配任意HTML开始标签(.*?)：分组+非贪婪匹配，精准提取标签内文本（核心！避免多标签串匹配）</\w+>：匹配任意HTML结束标签
重要提醒：正则仅适合简单静态HTML片段，复杂爬虫解析请使用 BeautifulSoup、lxml 专业库。
五、正则基础符号速查表（收藏必备）
| 正则符号 | 详细含义 |
|---|---|
. | 匹配任意单个字符（换行符除外） |
\d | 匹配任意数字，等价于 [0-9] |
\D | 匹配任意非数字字符 |
\w | 匹配字母、数字、下划线 |
\W | 匹配非字母、非数字、非下划线 |
\s | 匹配空白字符（空格、换行、制表符） |
\S | 匹配非空白字符 |
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
* | 匹配前面字符 0次或多次 |
+ | 匹配前面字符 1次或多次 |
? | 匹配前面字符 0次或1次，开启非贪婪匹配 |
{n} | 精准匹配前面字符 n 次 |
{n,m} | 匹配前面字符 n~m 次 |
[] | 字符集合，匹配集合内任意单个字符 |
() | 分组匹配，精准提取分组内内容 |
六、五大核心方法选型指南
新手不用死记硬背，根据需求直接选：
| 方法 | 适用场景 |
|---|---|
re.search() | 查找第一个匹配内容 |
re.match() | 字符串整体格式校验（从头匹配） |
re.findall() | 批量查找所有匹配内容（最常用） |
re.sub() | 批量替换文本内容 |
re.split() | 多分隔符、不规则文本拆分 |
七、新手必看：为什么正则前要加 r？
大家会发现所有案例中，正则表达式都写为r"\d+"原始字符串格式。
核心作用：r代表原生字符串，屏蔽Python转义机制，避免正则符号双重转义报错。
如果不添加r，复杂正则中的\d、\s容易被Python解析为转义字符，导致正则规则失效。
编码好习惯：所有Python正则表达式，统一使用r"正则规则"格式！
八、全文总结
本文从零入门Python正则表达式，覆盖开发90%基础场景，核心知识点复盘：
掌握search/findall/sub/split/match五大核心方法，适配查找、替换、拆分、校验全场景
熟记\d、\w、\s、+、*、?、^、$基础符号，可完成绝大多数文本匹配
手机号、邮箱、HTML内容提取为通用实战模板，可直接复用
正则优先使用
r""原始字符串，规避转义问题简单文本解析用正则，复杂网页解析用专业爬虫库
正则看似是符号密码，实则规则固定，熟练后可以极大提升文本处理效率，是Python数据分析、爬虫、自动化开发的必备技能！
