一、前言
在日常Python开发、日志解析、爬虫、数据清洗、大模型文本提取场景中，字符串处理是高频需求。普通str内置方法（split/replace/find）只能处理简单固定文本，面对不规则、分段、跨多行、结构化混杂文本时完全无力。
正则表达式（Regular Expression，简称Regex）是一套通用文本匹配规则，Python内置re模块原生支持正则，可实现：格式校验、内容提取、批量替换、文本分割四大核心能力。
本文覆盖完整学习链路：基础语法→re模块六大核心API→标志位（重点解决换行匹配坑）→分组捕获→贪婪/非贪婪→实战案例→高频踩坑总结，全部代码可直接复制运行。
二、前置准备：re模块与原始字符串r""
1. 导入模块
Python标准库自带re，无需额外安装：
importre2. 必须使用原始字符串 r"正则"
正则大量使用\d、\s、\.等转义符，普通字符串"\\d"需要双重反斜杠，极易出错；原始字符串r""会忽略Python转义，推荐全程使用。
# 标准写法pattern=r"\d+"# 不推荐，冗余易出错pattern="\\d+"三、正则核心基础语法
3.1 通用字符匹配（元字符）
| 符号 | 含义 | 示例 |
|---|---|---|
. | 匹配任意单个字符，默认不匹配换行\n | r"a."匹配ab、a9 |
\d | 数字 0-9 | r"\d{11}"匹配手机号 |
\D | 非数字 | 匹配字母、符号 |
\w | 字母/数字/下划线 a-z A-Z 0-9 _ | 匹配变量名 |
\W | 非字母数字下划线 | 匹配空格、逗号 |
\s | 空白字符（空格、制表符、换行） | 匹配任意空白 |
\S | 非空白字符 | 匹配可见字符 |
[] | 字符集，匹配括号内任意一个 | [0-9a-z]小写数字 |
[^] | 取反，匹配不在括号内字符 | [^0-9]匹配非数字 |
3.2 量词：控制匹配重复次数
| 符号 | 含义 |
|---|---|
* | 前面字符匹配 0次或多次 |
+ | 前面字符匹配 1次或多次（至少1次） |
? | 前面字符匹配 0次或1次 |
{m} | 精确匹配m次 |
{m,n} | 匹配m~n次 |
示例：r"\d{6}"匹配6位数字验证码。
3.3 边界锚点：限定匹配位置
| 符号 | 作用 |
|---|---|
^ | 字符串开头 |
$ | 字符串结尾 |
\b | 单词边界（字母/数字与符号间隔） |
示例：r"^1[3-9]\d{9}$"完整校验11位手机号。
3.4 分组与或逻辑
()：分组，捕获匹配内容，单独提取子片段|：或，匹配左右任意一个表达式
# 匹配 http 或 httpsr"https?://"# 分组提取年月日r"(\d{4})-(\d{2})-(\d{2})"四、re模块六大核心API详解
4.1 re.match()：仅从字符串开头匹配
只校验文本最开头是否符合规则，中间匹配不到，返回Match对象/None。
text="abc123def"res=re.match(r"\d+",text)print(res)# None，开头不是数字res2=re.match(r"abc",text)print(res2.group())# abc4.2 re.search()：全局搜索第一个匹配项
扫描整个字符串，返回第一个符合规则的内容，最常用单条提取场景。
text="订单号：ORD20260707，金额999"res=re.search(r"\d+",text)print(res.group())# 202607074.3 re.findall()：提取所有匹配，返回列表（高频）
找出全部匹配子串，无匹配返回空列表，适合批量提取。
text="123 456 789"nums=re.findall(r"\d+",text)print(nums)# ['123', '456', '789']你之前提取多行JSON代码块使用的就是该方法。
4.4 re.sub()：批量替换文本
语法：re.sub(正则, 替换内容, 原文本, count=0)，count=0替换全部。
text="价格100，优惠50"new=re.sub(r"\d+","***",text)print(new)# 价格***，优惠***4.5 re.split()：按正则分割字符串
比str.split灵活，支持按多种符号分割。
text="苹果,香蕉;橘子 葡萄"parts=re.split(r"[,; ]",text)print(parts)# ['苹果', '香蕉', '橘子', '葡萄']4.6 re.compile()：预编译正则（高复用场景优化）
如果一段正则需要循环调用上千次，提前编译提升性能。
# 预编译pattern=re.compile(r"\d{11}")text_list=["13800138000","test123","13912345678"]fortintext_list:print(pattern.search(t))五、Match对象取值：group()分组捕获
当正则存在()分组时，可单独提取分组内容：
group()/group(0)：完整匹配内容group(1)：第一个括号分组groups()：所有分组组成元组
text="2026-07-07"res=re.search(r"(\d{4})-(\d{2})-(\d{2})",text)print(res.group())# 2026-07-07print(res.group(1))# 2026print(res.groups())# ('2026', '07', '07')六、正则标志位flags（重点解决换行匹配痛点）
re.match/search/findall都支持flags参数，多个标志用|拼接。
6.1 re.S / re.DOTALL（重中之重）
默认.不能匹配换行符\n，开启后.匹配所有字符（包含换行），解决跨多行文本提取空白问题。
md=""" ```json[{"name":"测试"}]“”"
不加re.S匹配为空
res = re.findall(r"json(.+?)", md)
print(res) # []
开启跨行匹配
res = re.findall(r"json(.+?)", md, flags=re.S)
print(res[0].strip()) # 完整取出JSON多行内容
替代方案（无需标志位）：`[\s\S]` 等价所有字符 ```python res = re.findall(r"```json([\s\S]+?)```", md)6.2 re.M / re.MULTILINE 多行锚点模式
仅修改^和$，让其匹配每一行开头/结尾，不改变.匹配规则，无法解决跨行提取。
text="第一行\n第二行\n第三行"# 匹配所有以“第”开头的行res=re.findall(r"^第.*",text,re.M)print(res)# ['第一行', '第二行', '第三行']6.3 re.I / re.IGNORECASE 忽略大小写匹配
text="Apple APPLE apple"res=re.findall(r"apple",text,re.I)print(res)# ['Apple', 'APPLE', 'apple']七、贪婪匹配与非贪婪匹配（开发高频坑）
7.1 贪婪（默认）
*、+、{m,n}默认尽可能匹配最长文本，容易匹配范围过大。
text="<div>内容1</div><div>内容2</div>"# 贪婪，一次性匹配到最后一个</div>res=re.findall(r"<div>(.+)</div>",text)print(res)# ['内容1</div><div>内容2']7.2 非贪婪（加?）
量词后增加?，匹配最短符合内容，多标签/多代码块场景必备。
res=re.findall(r"<div>(.+?)</div>",text)print(res)# ['内容1', '内容2']八、实战业务案例（可直接复用）
案例1：校验手机号完整格式
defcheck_phone(phone):pattern=r"^1[3-9]\d{9}$"ifre.match(pattern,phone):returnTruereturnFalseprint(check_phone("13812345678"))# Trueprint(check_phone("12345678900"))# False案例2：提取Markdown所有代码块
md_text="""# 测试文档```pythondefhello():print("hello"){"key":"value"}“”"
提取代码语言+代码内容
blocks = re.findall(r"(\w+)\n([\s\S]+?)“, md_text)
for lang, code in blocks:
print(f"语言：{lang}\n代码：\n{code.strip()}\n—”)
### 案例3：清洗日志，提取所有数字 ```python log = "2026-07-07 接口耗时 128ms，请求ID 987654，错误码 0" nums = re.findall(r"\d+", log) print(nums) # ['2026','07','07','128','987654','0']案例4：批量隐藏身份证中间数字
text="张三身份证500101199901011234，李四510202200002024567"new_text=re.sub(r"(\d{6})\d{8}(\d{4})",r"\1********\2",text)print(new_text)# 张三身份证500101********1234，李四510202********4567九、常见踩坑总结
- 跨行文本匹配返回空列表
原因：.默认不匹配换行；解决方案：加re.S或替换[\s\S]+?。 - 正则包含\被转义失效
解决方案：全部使用原始字符串r"表达式"。 - 多个标签/代码块一次性匹配到底
原因：贪婪匹配；解决方案：量词后加?改为非贪婪。 - match只能匹配开头，误以为全局搜索
区分：match从头匹配，search全局找第一个，findall提取全部。 - 混淆re.M和re.S
re.M只改变行首尾锚点，不能解决.无法跨换行问题。 - 匹配结果为空列表直接取res[0]报错
规范写法：先判断if res:再取值，增加容错。
十、总结
- Python通过内置
re模块实现正则，原始字符串r""是规范写法； - 六大核心函数：
match/search/findall/sub/split/compile，按业务场景选用； - 跨行文本提取必用
re.S标志位，解决.不识别换行的核心痛点； - 多段混杂文本必须使用非贪婪
+?，避免匹配范围溢出； - 分组
()配合group()可精准提取结构化片段，适合日志、代码块、证件解析； - 正则是文本处理利器，爬虫、数据清洗、接口文本过滤、格式校验场景均不可替代。
