本文介绍Python 正则表达式的核心语法，以及常用匹配字符的含义和用法 —— 这是数据解析、文本清洗、接口数据校验等场景的核心技能，尤其贴合你作为数据服务商的日常工作需求。下面我会从基础字符到进阶语法，结合实战示例详解，让你既能理解原理，又能直接落地使用。

---

一、正则表达式核心基础

正则表达式（Regex）是处理文本的 “模式匹配工具”，Python 中通过内置的re模块实现。核心逻辑是：用模式字符串描述要匹配的文本规则，再用re模块函数去校验 / 提取 / 替换目标文本。

1. 最基础：匹配字符（原子）

这是正则的最小单位，分为普通字符和特殊元字符两类：

类型	符号 / 示例	含义	实战示例（re.findall结果）
普通字符	a/123/_	匹配字符本身（区分大小写）	re.findall(r"python", "Python python") → ['python']
任意字符	.	匹配除换行符\n外的任意单个字符	re.findall(r"p.th", "python p0th p\nh") → ['pyth','p0th']
数字匹配	\d/\D	\d= 匹配 0-9 数字；\D= 匹配非数字（取反）	re.findall(r"\d", "订单123金额45.6") → ['1','2','3','4','5','6']
单词匹配	\w/\W	\w= 匹配字母 / 数字 / 下划线；\W= 匹配非字母 / 数字 / 下划线	re.findall(r"\w", "user_888@csdn") → ['u','s','e','r','_','8','8','8','c','s','d','n']
空白匹配	\s/\S	\s= 匹配空格 / 制表符\t/ 换行符\n；\S= 匹配非空白	re.findall(r"\s", "a b\tc\nd") → [' ','\t','\n']

2. 核心：字符集（[]）

匹配括号内任意一个字符，是数据筛选的高频用法：

• [abc]：匹配 a、b、c 中的任意一个
• [a-z]：匹配小写字母 a 到 z（范围匹配）
• [A-Z0-9]：匹配大写字母或数字
• [^abc]：匹配除 a、b、c 外的任意字符（^在 [] 内表示取反）

示例（提取手机号前缀）：

python

import re
text = "13800138000 15912345678 12099998888"
# 匹配以13/15开头的手机号前2位
res = re.findall(r"1[35]\d{9}", text)
print(res)  # 输出：['13800138000', '15912345678']

3. 关键：量词（控制匹配次数）

用于指定 “前面的字符 / 模式要匹配多少次”，分贪婪匹配（默认，尽可能多匹配）和非贪婪匹配（加?，尽可能少匹配）：

量词	含义	贪婪示例	非贪婪示例（加？）
*	0 次或多次	r"a*"匹配 "aaaa"→aaaa	r"a*?"匹配 "aaaa"→''
+	1 次或多次	r"a+"匹配 "aaaa"→aaaa	r"a+?"匹配 "aaaa"→a
?	0 次或 1 次	r"a?"匹配 "aaaa"→a	r"a??"匹配 "aaaa"→''
{n}	恰好 n 次	r"\d{3}"匹配 "1234"→123	-
{n,}	至少 n 次	r"\d{2,}"匹配 "1234"→1234	r"\d{2,}?"→12
{n,m}	n 到 m 次（包含 n 和 m）	r"\d{2,4}"匹配 "12345"→1234	r"\d{2,4}?"→12

示例（数据脱敏）：

python

# 手机号脱敏：保留前3后4，中间替换为****
phone = "13800138000"
res = re.sub(r"1(\d{2})\d{4}(\d{4})", r"1\1****\2", phone)
print(res)  # 输出：138****8000

4. 进阶：边界匹配与分组

（1）边界匹配（定位文本位置）

符号	含义	示例（匹配整行手机号）
^	匹配字符串开头	r"^1\d{10}"：匹配以 1 开头的 11 位手机号（整行）
$	匹配字符串结尾	r"1\d{10}$"：匹配以 11 位手机号结尾的文本
\b	匹配单词边界（空格 / 标点分隔）	r"\bpython\b"：匹配独立的 "python"，不匹配 "pythonic"

（2）分组（()）

将括号内的内容视为一个整体，支持分组引用和选择匹配：

• (ab)+：匹配 "ab" 重复 1 次或多次（比如 "abab"）
• a|b：匹配 a 或 b（选择）
• \数字：引用第 n 个分组（比如\1引用第一个分组）

示例（提取日期）：

python

text = "2026-01-13 2026/01/14 20260115"
# 匹配yyyy-mm-dd格式的日期（分组提取年/月/日）
pattern = r"(\d{4})-(\d{2})-(\d{2})"
res = re.findall(pattern, text)
print(res)  # 输出：[('2026', '01', '13')]

# 替换日期格式：yyyy-mm-dd → yyyymmdd
new_text = re.sub(pattern, r"\1\2\3", text)
print(new_text)  # 输出：20260113 2026/01/14 20260115

---

二、Python re 模块常用函数（实战核心）

正则的语法最终要通过re模块函数落地，以下是数据服务场景的高频函数：

函数	作用	适用场景
re.findall()	返回所有匹配结果的列表	批量提取数据（如提取所有数字 / 手机号）
re.search()	扫描文本，返回第一个匹配的 Match 对象（无则 None）	校验文本是否包含目标模式
re.match()	仅从文本开头匹配，返回 Match 对象（无则 None）	校验整串文本（如手机号 / 邮箱格式）
re.sub()	替换匹配的内容（支持分组引用）	数据脱敏 / 格式统一
re.compile()	编译正则表达式，提升多次匹配的效率	批量处理大量数据（如解析 10 万条文本）

示例（编译正则提升效率）：

python

# 编译正则（只需编译1次，重复使用）
pattern = re.compile(r"\b\d{4}-\d{2}-\d{2}\b")  # 匹配yyyy-mm-dd日期

# 批量处理10万条文本时，编译后效率提升50%+
texts = ["2026-01-13 订单1", "2026/01/14 订单2", "2026-01-15 订单3"]
for text in texts:
    dates = pattern.findall(text)
    print(f"匹配到的日期：{dates}")

---

三、实战案例（贴合数据服务场景）

案例 1：校验身份证号格式（18 位，最后一位可为 X）

python

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]$"
id_card = "110101199001011234"
if re.match(pattern, id_card):
    print("身份证号格式合法")
else:
    print("格式非法")

案例 2：提取接口返回的 JSON 中的数值

python

response = '{"code":200,"data":{"order_count":100,"total_amount":29999.5}}'
# 提取所有数字（含小数）
nums = re.findall(r"\d+\.?\d*", response)
print(nums)  # 输出：['200', '100', '29999.5']

---

总结

1. 核心字符：\d（数字）、\w（单词）、.（任意字符）、[]（字符集）是数据处理的高频基础；
2. 关键技巧：量词（{n}/+/*）控制匹配次数，^/$定位文本边界，分组()实现复杂匹配 / 替换；
3. 性能优化：批量处理数据时，先用re.compile()编译正则，提升执行效率。

这些语法覆盖了数据解析、文本清洗、接口数据校验等 90% 的日常场景，你可以结合自己的业务（如电商数据接口、数据清洗）尝试改写示例，快速落地使用。