Python正则表达式入门：从零基础到高效文本处理

简介：这份PDF资料面向正在学习Python的开发者，聚焦正则表达式这一核心技能点，适合已掌握Python基础语法、希望系统梳理或查漏补缺的初中级学习者。内容围绕正则表达式的语法规则、常用元字符、匹配模式与典型应用场景展开，可帮助读者解决文本提取、格式校验、字符串替换等实际编程问题。资源包内共1个PDF文件，压缩包大小约661KB，体积轻便，便于在电脑或移动设备上随时查阅，适合作为日常学习与查阅的参考材料。目前已有260人学习下载，具备一定的参考热度。通过这份资料，读者可以系统理解正则表达式的匹配逻辑，掌握常用写法的组合技巧，并借助示例加深对分组、量词、边界匹配等知识点的印象，为后续处理日志解析、数据清洗、爬虫内容提取等任务打下基础，适合作为Python学习路线中正则专题的配套阅读材料。

1. 零基础也能懂：正则表达式到底是个什么东西

你有没有遇到过这种情况：手头有一堆文本，想从里面找出所有手机号、所有邮箱、或者把所有“日期”格式统一改一遍，结果只能一行一行肉眼扫，复制粘贴到手酸。更崩溃的是，数据有几千行，眼睛看花了还漏掉几个。这时候，懂行的人会告诉你：用正则表达式啊，一行代码就搞定。

别被“正则表达式”这四个字吓到。你可以把它理解成一种专门用来描述文本规律的迷你语言。比如你想找“三个数字后面跟一个横杠，再跟四个数字”，用正则写出来就是\d{3}-\d{4}。它不关心具体是 123-4567 还是 888-9999，只要符合这个“形状”，它就能一把抓出来。Python 里的re模块就是干这个的，它是 Python 自带的标准库，不用额外安装，打开编辑器就能用。

这份资源是一篇 CSDN 会员文章，主题就是Python 学习之正则表达式。它适合谁？适合刚学完 Python 基础语法、能写几行for循环和if判断，但一碰到文本处理就头大的新手。你不需要有算法基础，也不需要数学多好，只要会敲键盘、能看懂简单的英文单词，就能跟着上手。学完它，你至少能自己写出匹配手机号、邮箱、提取网页里特定内容的代码，不用再求人。

2. 为什么值得学：正则能帮你省下多少时间

2.1 从“手动整理”到“一行提取”的差距

假设你是一个运营或者学生，老师发给你一个文本文件，里面混着几百条学生信息，格式大概是“姓名：张三，电话：13812345678，邮箱：zhangsan@example.com”。现在你要把所有人的手机号单独列出来。手动做，你得一行一行找，复制、粘贴，半小时可能才搞完一百条，还容易看串行。

用正则，代码大概长这样：

import re text = "姓名：张三，电话：13812345678，邮箱：zhangsan@example.com" # 匹配 1 开头的 11 位数字 phones = re.findall(r'1\d{10}', text) print(phones) # 输出 ['13812345678']

re.findall的意思是“找出所有符合规律的片段”。r'1\d{10}'里的1表示手机号第一位必须是 1，\d代表任意数字，{10}表示后面再跟 10 个数字。合起来就是“1 开头，总共 11 位数字”。你不需要告诉它具体是 138 还是 159，它自己会判断。

这就是正则的核心价值：你描述规律，它负责匹配。规律写一次，以后不管来多少数据，都能秒出结果。对于经常要处理日志、爬虫数据、表单内容的人来说，这是实打实的效率工具。

2.2 新手学正则，先抓三个最常用的功能

很多新手一打开正则教程，看到一堆^ $ . * + ? {} [] () |就晕了。其实入门阶段，你只需要先掌握三个功能，就能解决 80% 的日常问题。

第一个是查找：用re.findall()找出所有符合规律的字符串。比如从一篇文章里找出所有年份\d{4}年。

第二个是替换：用re.sub()把符合规律的内容换成别的。比如把日期2024-01-01统一改成2024年01月01日。

第三个是判断：用re.match()或re.search()检查一段文本里有没有你要的东西。比如验证用户输入的手机号格式对不对。

这三个功能对应三个函数，你先把它们用熟，再去学分组、贪婪匹配这些进阶概念，就不会觉得无从下手。我第一次学的时候，就是先拿findall把自己博客里所有链接抠出来，跑通那一刻才觉得“这东西真有用”。

提示：入门阶段不要死记所有元字符，先记住\d（数字）、\w（字母数字下划线）、.（任意字符）、*（0 次或多次）、+（1 次或多次）这五个，足够你写出很多实用规则。

3. 第一步怎么迈：从安装到跑通第一个例子

3.1 环境准备：你只需要一个能跑 Python 的地方

正则表达式是 Python 内置模块，不需要pip install任何东西。你只要电脑上装了 Python，打开 IDLE、VS Code、PyCharm 或者 Jupyter Notebook 都能直接写。如果你还没装 Python，去官网下载最新版，安装时勾选“Add Python to PATH”，一路下一步就行。

验证环境是否就绪，在命令行输入：

python --version

看到类似Python 3.11.5的输出，就说明没问题。然后新建一个.py文件，或者直接在交互式窗口里敲代码，就可以开始了。

3.2 第一个完整例子：从文本里提取所有邮箱

我们拿一段模拟文本练手，里面混着几个邮箱地址：

import re text = """ 联系人：A同学，邮箱：a_student@example.com 联系人：B同学，邮箱：b.student@test.org 联系人：C同学，邮箱：c123@demo.net """ # 邮箱规律：若干字母数字点，@，若干字母数字，.，若干字母 pattern = r'[a-zA-Z0-9._]+@[a-zA-Z0-9]+\.[a-zA-Z]+' emails = re.findall(pattern, text) for email in emails: print(email)

运行结果会依次打印出三个邮箱。我们来拆解pattern里的每一段：

• [a-zA-Z0-9._]+：表示邮箱用户名部分，允许大小写字母、数字、点、下划线，+表示至少出现一次。
• @：就是邮箱里的 @ 符号，原样匹配。
• [a-zA-Z0-9]+：域名主体，比如example、test，只允许字母和数字。
• \.：转义后的点，因为点在正则里是特殊字符，要匹配真正的点必须加反斜杠。
• [a-zA-Z]+：域名后缀，比如com、org、net。

这段代码你直接复制到 Python 文件里就能跑。如果报错，先检查引号是不是中文引号，再检查re有没有导入。跑通之后，你可以把text换成任意一段文字，看看能不能抓出邮箱。这就是你迈出的第一步。

3.3 把例子改一改，立刻变成你自己的工具

跑通第一个例子后，别停。试着改两个地方：第一，把text换成你复制的一段真实文本（比如某篇文章的评论区）；第二，把pattern改成匹配手机号的r'1\d{10}'。你会发现，同样的代码结构，换个规律就能干不同的事。

再进一步，你可以把提取结果写进文件：

with open('result.txt', 'w', encoding='utf-8') as f: for email in emails: f.write(email + '\n')

这样你就完成了一个“文本提取小工具”。虽然简单，但已经能解决实际问题。入门阶段，成就感比什么都重要。

4. 避坑指南：新手最容易翻车的五个地方

4.1 现象：代码报错re.error: bad escape

原因：在正则字符串里用了反斜杠但没写对，比如想匹配点却只写了.，或者转义字符不完整。
解决：匹配特殊字符时记得加\，比如\.匹配点，\*匹配星号。更省事的办法是直接用原始字符串r'...'，这样反斜杠不会被 Python 提前处理。

4.2 现象：findall返回空列表，明明文本里有

原因：正则写得太严，比如多了一个空格，或者大小写没对上。
解决：先用re.search(pattern, text)看能不能找到第一个，再逐步放宽条件。也可以把pattern打印出来，对着文本一个字符一个字符核对。

4.3 现象：匹配结果多出一大段，把不该要的也抓进来了

原因：用了贪婪匹配，比如.*会尽可能往多了匹配。
解决：在量词后面加?变成非贪婪，比如.*?。或者把.换成更具体的字符集，比如[^，]+表示“除了逗号什么都行”。

4.4 现象：中文匹配不到，或者乱码

原因：Python 3 默认字符串是 Unicode，但如果你从文件读文本时没指定编码，可能读进来就是乱码。
解决：打开文件时加encoding='utf-8'。匹配中文可以用[\u4e00-\u9fa5]表示常用汉字范围。

4.5 现象：re.match和re.search分不清，结果不对

原因：match只从字符串开头匹配，search会扫描整个字符串。
解决：想找“包含”就用search，想验证“开头就是”才用match。大多数提取场景用findall或search就够了。

5. 下一步学什么：从会用到用好的一条路径

恭喜你，能读到这儿，说明你已经跑通了第一个例子，也知道了常见的坑。接下来怎么继续？我给你一条我当初自己走过的路线，不绕弯。

第一阶段：把re模块的四个核心函数用熟。
findall、sub、search、split，这四个覆盖了查找、替换、判断、分割。你可以在网上找一段新闻文本，试着用它们完成：提取所有日期、把所有“先生”换成“女士”、判断有没有“紧急”这个词、按句号分割成句子。每个练十遍，手就熟了。

第二阶段：掌握分组和命名分组。
比如从2024-01-01里分别提取年、月、日，可以用(\d{4})-(\d{2})-(\d{2})，然后用group(1)、group(2)取出来。命名分组(?P<year>\d{4})能让代码更好读。这个阶段你可以试着写一个解析日志的脚本，把时间、级别、消息分开。

第三阶段：了解贪婪与非贪婪、断言、编译标志。
这些是进阶技巧，但不需要一次学完。遇到问题再查，比如re.IGNORECASE可以让匹配忽略大小写，re.DOTALL让点号匹配换行。我建议你建一个自己的“正则速查表”，每学一个就记一个例子，用的时候直接翻。

第四阶段：结合真实场景做小项目。
比如写一个批量重命名文件的脚本，用正则匹配文件名里的序号；或者写一个简单的表单验证器，检查邮箱、手机号、身份证号格式。项目不用大，能跑通、能解决你自己的问题就行。

最后说个我自己的血泪经验：每次写正则，先拿一小段测试文本跑通，再放到大文本上。我以前偷懒，直接对几千行日志写规则，结果匹配错了，排查半天。从那以后我每次写正则都强制走一遍“小文本验证 → 逐步放宽 → 再上全量”的流程。希望这个习惯也能帮到你。

本文还有配套的精品资源，点击获取