在数据分析、爬虫、日志解析、表单校验等开发场景中，正则表达式是处理文本的利器。相比于基础字符串方法，正则能精准实现模糊匹配、批量提取、复杂替换等操作。
Python 内置 re 模块，无需额外安装第三方库，开箱即用。本文在基础用法之上，结合身份证、URL、中文提取、日志清洗、贪婪与非贪婪匹配等高频实战案例，带你吃透正则进阶用法，轻松解决日常文本处理难题。
1. 模块导入与核心概念
使用正则第一步，导入内置 re 模块：
python
import re正则本质是用一套符号规则描述字符串模式 ，支持匹配、查找、提取、替换、分割。 写正则强烈建议使用原始字符串 r"" ，避免反斜杠 \ 双重转义，这是 Python 正则的最佳实践。
2. re.match：精准校验完整字符串
re.match(pattern, string) 从字符串开头 匹配，适合做格式校验，比如身份证、手机号、账号密码格式验证。
实战：校验 18 位身份证号
身份证规则：前 17 位数字，最后一位可为数字或 X/x
python
id_card_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]$"
print(re.match(id_card_pattern, "34012320000101123X")) # 匹配成功
print(re.match(id_card_pattern, "123456")) # 匹配失败规则拆解：
^：字符串开头，$：字符串结尾，严格匹配完整文本[1-9]\d{5}：6 位地区码(19|20)\d{2}：出生年份 19/20 开头- 后续匹配月、日、顺序码 + 校验位
注意：
match只从开头匹配，想在全文找内容用search。
3. re.search：全文查找首个匹配项
re.search() 扫描整个字符串，找到第一个符合规则的内容就返回，适合从杂乱文本中提取单个信息。
实战：提取文本中的 URL 链接
python
text = "我的博客：https://blog.csdn.net，备用网址：http://www.example.com"
url = re.search(r"https?://\w+\.\w+", text)
if url:
print("提取到URL：", url.group())输出：
python
提取到URL： https://blog.csdn.net正则解析：
https?：?匹配 0 次或 1 次，兼容 http/https://：固定协议符号\w+\.\w+：匹配域名主体 + 后缀
4. re.findall：批量提取所有匹配内容
re.findall() 是最常用的提取方法 ，扫描全文，返回所有匹配结果的列表，适合批量提取数字、关键词、链接、中文等。
实战 1：提取所有中文
python
text = "Python正则2026实战，提取中文，123测试数据"
chinese_list = re.findall(r"[\u4e00-\u9fa5]+", text)
print(chinese_list)输出：
['正则', '实战', '提取中文', '测试数据'][\u4e00-\u9fa5] 是 Unicode 编码，匹配所有中文字符。
实战 2：提取所有数字
python
text = "订单1：599元，订单2：1299元，运费20元"
nums = re.findall(r"\d+", text)
print(nums) # ['599', '1299', '20']5. re.sub：高级文本替换与脱敏
re.sub(pattern, repl, string, count=0) 实现批量替换，可用于数据脱敏、清洗无用字符、格式化文本。
实战 1：手机号脱敏
python
text = "用户1：13812345678，用户2：15987654321"
# 中间4位替换为****
result = re.sub(r"(1[3-9]\d)\d{4}(\d{4})", r"\1****\2", text)
print(result)输出：
plaintext
用户1：138****5678，用户2：159****4321核心：() 分组，\1、\2 反向引用分组内容，精准替换中间位。
实战 2：清除文本中的特殊符号
python
text = "你好！@#￥%Python正则&*实战~"
result = re.sub(r"[^\u4e00-\u9fa5a-zA-Z0-9]", "", text)
print(result) # 你好Python正则实战[^...] 表示非指定字符，清除所有非中文、非英文、非数字的符号。
6. re.split：多规则分割字符串
Python 原生 split() 只能按单个分隔符拆分，re.split() 支持多个分隔符、不定数量分隔符，处理脏数据更高效。
实战：分割杂乱日志文本
python
log = "2026-05-23;INFO,用户登录 账号:test 状态:成功"
# 按分号、逗号、空格分割
parts = re.split(r"[;,\s]+", log)
print(parts)输出：
python
['2026-05-23', 'INFO', '用户登录', '账号:test', '状态:成功']7. 正则核心符号进阶详解
除基础符号，进阶必学符号，直接应对复杂场景：
表格
| 符号 | 含义 |
|---|---|
\u4e00-\u9fa5 |
匹配所有中文 |
? |
0 次或 1 次，非贪婪核心 |
{n,m} |
匹配 n~m 次（如\d{6,12}） |
() |
分组，用于提取局部内容、反向引用 |
[^...] |
匹配非括号内的字符 |
.*? |
非贪婪匹配（最短匹配） |
.* |
贪婪匹配（最长匹配） |
重点：贪婪 vs 非贪婪匹配
python
html = "<div>标题1</div><div>标题2</div>"
# 贪婪匹配：匹配到最后一个</div>
res1 = re.findall(r"<div>.*</div>", html)
# 非贪婪匹配：逐个匹配
res2 = re.findall(r"<div>.*?</div>", html)
print(res1, res2)正则中加?就是非贪婪，提取多组内容必用！
8. 五大方法场景选型总结
表格
| 方法 | 适用场景 |
|---|---|
| re.match | 完整字符串格式校验（身份证、账号） |
| re.search | 全文找第一个匹配项 |
| re.findall | 批量提取所有匹配内容（最常用） |
| re.sub | 文本替换、脱敏、清洗 |
| re.split | 多分隔符分割脏文本 |
9. 完整实战：日志文本清洗
综合所有用法，解析一段真实日志，提取时间、级别、内容：
python
log_text = """
2026-05-23 10:20:30 INFO: 用户test登录成功
2026-05-23 10:21:10 ERROR: 接口请求超时
2026-05-23 10:22:00 WARN: 内存占用过高
"""
# 提取时间、日志级别、内容
pattern = r"(\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2})\s(\w+):\s(.+)"
result = re.findall(pattern, log_text)
for item in result:
print(f"时间：{item[0]}，级别：{item[1]}，内容：{item[2]}")小结
本文从 Python 正则进阶用法出发，覆盖格式校验、批量提取、脱敏替换、脏数据分割、贪婪匹配、日志解析等实战场景。 核心要点：
- 正则优先使用原始字符串
r""； - 批量提取用
findall，校验用match，替换用sub； - 多组内容提取必须用非贪婪匹配
.*?； - 分组
()可精准提取局部信息。
正则是文本处理的万能工具，掌握基础符号 + 5 个核心方法，就能搞定 80% 的日常文本需求。