是不是很多刚学 Python 的朋友都遇到过这种情况？爬了一堆数据，结果全是乱七八糟的字符串，手机号藏在句子里、邮箱混在一堆文字中，想提取出来得手动删半天；或者数据里有各种多余的空格、特殊符号，清洗起来特别费劲。这时候要是会用正则表达式，分分钟就能搞定！今天兔子哥就带大家学 Python 正则表达式，从基础用法到字符串提取、数据清洗实战案例，零基础也能跟着做，一起往下看吧！

先说说：Python 里的正则表达式，到底能帮我们做啥？

很多新手觉得正则表达式就是 “写一堆看不懂的符号”，其实在 Python 里它超实用，尤其是处理文本数据时：

• 从大段文字里提取关键信息，比如手机号、邮箱、网址、日期
• 快速清洗杂乱数据，比如去除多余空格、替换特殊符号、统一格式
• 验证用户输入是否符合要求，比如检查手机号格式对不对、密码是否达标

做数据分析的小张分享：“以前处理用户评论数据，光提取里面的日期就用了十几行代码，学了正则后一行代码搞定，效率直接翻倍。” 所以不管你是做爬虫、数据分析还是开发，正则表达式都是必须掌握的技能。

基础准备：Python 正则模块 re，这几个函数必须会

Python 里处理正则表达式主要用re模块，不用额外安装，直接import re就能用。这几个核心函数一定要练熟，在线教程里也都是重点讲它们：

1. re.findall (pattern, string)：提取所有匹配的内容

最常用的函数，能把所有符合规则的内容都找出来，返回一个列表。比如提取一段文字里的所有手机号：
python

import retext = "联系我：13800138000，备用电话13912345678"phone_pattern = r"1[3-9]\d{9}"  # 手机号规则phones = re.findall(phone_pattern, text)print(phones)  # 输出：['13800138000', '13912345678']

小张说他刚开始总记错函数名，把findall写成find_all，结果报错半天找不出原因，大家注意别犯这种低级错误哦。

2. re.sub (pattern, repl, string)：替换匹配的内容

数据清洗必备，把符合规则的内容替换成新内容。比如去除文本里的多余空格：
python

text = "  这  里  有  很  多  空  格  "clean_text = re.sub(r"\s+", " ", text).strip()  # \s+匹配多个空格，替换成一个空格print(clean_text)  # 输出："这里 有 很多 空格"

strip()是去掉首尾空格，和正则配合用效果更好。

3. re.match (pattern, string) 和 re.search (pattern, string)：匹配单个内容

• re.match：只从字符串开头匹配，开头不满足就返回 None
• re.search：在整个字符串里找第一个匹配的内容

比如验证手机号是否正确：
python

phone = "13800138000"if re.match(r"^1[3-9]\d{9}$", phone):  # ^开头，$结尾，确保整个字符串都是手机号print("手机号格式正确")else:print("格式错误")

新手常搞混这两个函数，记住：match看开头，search找全局第一个，提取单个内容用search更靠谱。

实战一：字符串提取，从杂乱文本里精准 “抓” 信息

提取信息是正则最常用的场景，咱们拿几个经典案例练练，用在线 Python 编辑器就能实时跑代码。

案例 1：提取文本里的所有邮箱

邮箱格式一般是 “xxx@xxx.xxx”，规则用r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"，代码：
python

import retext = "我的邮箱是abc@qq.com，工作邮箱work.123@163.com，备用邮箱test-456@gmail.com"email_pattern = r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"emails = re.findall(email_pattern, text)print(emails)  # 输出三个邮箱的列表

运行后就能把三个邮箱全提取出来，比手动复制粘贴快多了。

案例 2：从 HTML 代码里提取链接

爬网页时经常需要提取里的链接，规则匹配href="后面的内容：
python

html = '百度B站'url_pattern = r'href="(.*?)"'  # ()表示提取分组里的内容，.*?非贪婪匹配urls = re.findall(url_pattern, html)print(urls)  # 输出：['https://www.baidu.com', 'https://www.bilibili.com']

这里的.*?是 “非贪婪匹配”，能避免把两个链接当成一个匹配，新手一定要记住这个技巧！

实战二：数据清洗，让杂乱数据变整齐

爬来的数据往往不规整，有多余符号、空格、换行，用正则清洗特别高效。

案例 1：统一日期格式

数据里的日期可能有 “2023-10-05”“2023/10/05”“2023.10.05” 多种格式，统一成 “2023-10-05”：
python

import redates = ["2023-10-05", "2023/10/05", "2023.10.05", "2023年10月05日"]date_pattern = r"(\d{4})[-/./年](\d{2})[-/./月](\d{2})[日]?"  # 匹配各种分隔符for date in dates:# 用分组替换，把年、月、日提取出来，用-连接clean_date = re.sub(date_pattern, r"\1-\2-\3", date)print(clean_date)  # 输出全是2023-10-05格式

这里的\1 \2 \3对应前面的三个分组，这种分组替换在清洗时超好用。

案例 2：去除文本里的特殊符号和多余空格

比如处理用户评论，去掉表情符号、特殊符号，只留中文、英文和数字：
python

text = "这是一条评论！😊 里面有很多～～特殊符号，还有   多余的空格！！"# 匹配非中文、英文、数字、空格的字符，替换成空clean_text = re.sub(r"[^\u4e00-\u9fa5a-zA-Z0-9 ]", "", text)# 去除多余空格clean_text = re.sub(r"\s+", " ", clean_text).strip()print(clean_text)  # 输出："这是一条评论 里面有很多 特殊符号 还有 多余的空格"

这样清洗后的数据，做分析或展示都更清爽。

避坑指南：Python 正则新手常踩的 5 个雷

兔子哥总结了自己学的时候犯过的错，帮你少走弯路：

1. 忘记加 r 前缀，导致转义错误

Python 字符串里\是转义符，正则里\d表示数字，但直接写"\d"会被 Python 解析成转义符，得加r前缀表示原始字符串：r"\d"，不然会报错或匹配失败。这是新手最常犯的错，一定要记住！

2. 贪婪匹配导致提取内容过多

正则默认是贪婪匹配，比如r""匹配链接1链接2时，会从第一个匹配到最后一个>，把两个链接都包含进去。解决办法是用非贪婪匹配r""，加个?就会匹配到第一个>为止。

3. 没考虑边界情况，提取不完整

比如提取手机号时用r"1[3-9]\d{9}"，但如果手机号后面紧跟着非数字（比如 “13800138000 - 工作”），会把 “13800138000” 完整提取出来；可要是写成r"1[3-9]\d{9}\b"（\b是单词边界），反而可能漏提，所以简单场景不用加多余边界。

4. 规则太复杂，自己都看不懂

新手总想着写一个完美的规则覆盖所有情况，结果规则写得超长，回头自己都看不懂。建议从简单规则开始，能满足 80% 需求就行，复杂情况再逐步优化。

5. 不用在线工具测试，直接写代码

写正则规则前一定要先用在线工具（比如 Regex101 选 Python 模式）测试，确保规则能匹配想要的内容，再放到 Python 代码里，不然反复改代码调试很浪费时间。

自问自答：Python 正则学习常见问题

“正则规则记不住怎么办？” 不用死记！常用的规则（手机号、邮箱、日期）存成模板，需要时改改就行，用多了自然就记住了，兔子哥现在写复杂规则也得查参考。
“学正则需要数学好吗？” 完全不需要！正则靠的是逻辑思维，只要能理清 “要匹配什么内容，有什么规律”，就能写出规则，和数学好坏没关系。
“除了 re 模块，还有其他工具吗？” 有个re.compile()函数可以预编译规则，多次使用时更高效，比如批量处理数据时：
python

pattern = re.compile(r"1[3-9]\d{9}")  # 预编译phones1 = pattern.findall(text1)phones2 = pattern.findall(text2)  # 多次使用更高效

个人心得：多练真实数据，比背语法有用 10 倍

兔子哥学 Python 正则的最大体会是：别光看教程敲示例代码，一定要用真实数据练手。比如爬点新闻网页，试着提取里面的标题、日期、作者；或者找一份杂乱的 Excel 数据，用正则清洗成规整格式。
刚开始写规则肯定会出错，比如提取邮箱时漏了某些符号，清洗日期时格式不对，这时候别慌，用在线工具一步步调规则，看看哪里匹配错了，改几次就熟了。小张说得好：“第一次用正则提取订单号，改了 5 次规则才成功，但学会后再也不用手动整理了，值！”
希望这篇教程能帮你入门 Python 正则表达式，现在就找一段杂乱数据，试试用re.findall提取信息，用re.sub清洗格式，你会发现正则真的能省超多时间。记住，正则不难，多练就能掌握，加油！

标签： 正则表达式 '13800138000'