Python正则表达式完整教程：从入门到实战，解决文本匹配所有难题

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：

importre

2. 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）

3.2 量词：控制匹配重复次数

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

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

1. ()：分组，捕获匹配内容，单独提取子片段
2. |：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())# abc

4.2 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())# 20260707

4.3 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

1. 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]+?。
2. 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"。
3. 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。
4. 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。
5. 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。
6. 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

1. Python通过内置re模块实现正则，原始字符串r""是规范写法；
2. 六大核心函数：match/search/findall/sub/split/compile，按业务场景选用；
3. 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；
4. 多段混杂文本必须使用非贪婪+?，避免匹配范围溢出；
5. 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；
6. 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。