正则表达式
理解正则表达式的作用与核心语法
掌握
re模块的常用函数能编写常见场景的正则：手机号、邮箱、身份证、文本提取替换
核心讲解
正则表达式是匹配字符串的强大工具，用特定的符号描述匹配规则，适合文本查找、提取、替换、校验等场景，Python 通过内置 re 模块支持。
（1）常用元字符
.：匹配任意单个字符（除换行符）\d：数字、\w：字母数字下划线、\s：空白字符^：匹配开头、$：匹配结尾*：0 次或多次、+：1 次或多次、?：0 次或 1 次{n}：恰好 n 次、{n,m}：n 到 m 次[]：字符集，匹配其中任意一个，如[a-z]小写字母()：分组，提取匹配的部分|：或，匹配左边或右边
（2）贪婪与非贪婪
默认贪婪匹配：
*+尽可能多的匹配非贪婪匹配：加
?，尽可能少匹配，*?+?，提取内容常用
（3）re 模块核心函数
re.match()：从开头匹配，匹配到就返回匹配对象，否则 Nonere.search()：全文搜索第一个匹配re.findall()：全文搜索所有匹配，返回列表re.sub()：替换匹配的内容re.split()：按正则分割字符串re.compile()：编译正则表达式，多次匹配时提升性能
代码示例
import re
# ===== 1. 校验匹配 =====
# 校验手机号
phone = "13812345678"
pattern = r"^1[3-9]\d{9}$"
if re.match(pattern, phone):
print("手机号格式正确")
else:
print("手机号格式错误")
# 校验邮箱
email = "test_123@example.com"
email_pattern = r"^[\w.-]+@[\w.-]+\.\w+$"
print("邮箱校验：", bool(re.match(email_pattern, email)))
# ===== 2. 提取内容 =====
text = "联系电话：13800138000，备用号：15912345678，邮箱：admin@test.cn"
# 提取所有手机号
phones = re.findall(r"1[3-9]\d{9}", text)
print("提取的手机号：", phones)
# 提取邮箱
emails = re.findall(r"[\w.-]+@[\w.-]+\.\w+", text)
print("提取的邮箱：", emails)
# 分组提取
info = "张三，年龄：25岁，城市：成都"
match = re.search(r"(.+?)，年龄：(\d+)岁，城市：(.+)", info)
if match:
print("姓名：", match.group(1))
print("年龄：", match.group(2))
print("城市：", match.group(3))
# ===== 3. 替换与分割 =====
# 替换所有数字为*
text2 = "我的手机号是13812345678，身份证号是510101199001011234"
masked = re.sub(r"\d", "*", text2)
print("脱敏后：", masked)
# 按多种分隔符分割
text3 = "苹果,香蕉;橙子 西瓜"
fruits = re.split(r"[,; ]", text3)
print("分割结果：", fruits)
# ===== 4. 编译正则（多次匹配推荐） =====
# 提前编译，提升性能
phone_pattern = re.compile(r"1[3-9]\d{9}")
print(phone_pattern.findall("号码1：13800138000，号码2：15900159000"))
print(phone_pattern.match("13812345678"))
# ===== 5. 非贪婪匹配 =====
html = "<div>标题</div><div>内容</div>"
# 贪婪匹配（默认）
greedy = re.findall(r"<div>(.*)</div>", html)
print("贪婪：", greedy) # ['标题</div><div>内容']
# 非贪婪匹配
non_greedy = re.findall(r"<div>(.*?)</div>", html)
print("非贪婪：", non_greedy) # ['标题', '内容']
常见误区
match 和 search 混淆：match 只匹配开头，search 全文找，校验一般用 match，提取用 search/findall
贪婪匹配问题：提取内容时默认贪婪，会多匹配，加
?改成非贪婪转义问题：匹配
.*等特殊字符要加反斜杠转义\.\*，用原始字符串 r 前缀正则写得太复杂：过于复杂的正则可读性差、难维护，能拆分就拆分
忽略性能：大量循环匹配时，一定要先 compile 编译正则
课后练习
编写正则，校验身份证号（18 位，最后一位可以是 X）
从一段文本中提取所有的 URL 链接
实现：把文本中所有的脏话替换成
***提取 HTML 标签中的文本内容，比如
<p>你好</p>提取出你好
