Python 正则表达式速查手册：12 个最常用的模式

正则的本质：用模式描述文本

正则表达式（Regex）是一种描述文本模式的语言。与其说「找所有手机号」，不如用模式描述「1 开头，第二位是 3-9，后面再跟 9 个数字」——这就是正则干的事。

Python 用内置的 re 模块，零安装：

import re

text = "联系电话：13812345678，备用：19900001111"
phones = re.findall(r"1[3-9]\d{9}", text)
print(phones)  # ['13812345678', '19900001111']

四个核心函数

import re

# 1. findall：找所有匹配，返回列表
re.findall(r"\d+", "我有3个苹果和25个橘子")  # ['3', '25']

# 2. search：找第一个匹配，返回 Match 对象（没有则返回 None）
m = re.search(r"\d+", "我有3个苹果")
if m:
    print(m.group())  # '3'

# 3. sub：替换
re.sub(r"\d+", "N", "我有3个苹果和25个橘子")  # '我有N个苹果和N个橘子'

# 4. split：按模式切分
re.split(r"[,，]", "苹果,香蕉，橘子")  # ['苹果', '香蕉', '橘子']

元字符速查（正则的字母表）

符号	含义	示例
`.`	任意字符（除换行）	`a.c` 匹配 abc、a1c
`\d`	数字	`\d\d` 匹配 42
`\w`	字母/数字/下划线	`\w+` 匹配 hello_1
`\s`	空白（空格/制表/换行）
`^` `$`	行首 / 行尾	`^hello` 要求行首是 hello
`*`	前一个出现 0 次或多次	`ab*` 匹配 a、ab、abbb
`+`	前一个出现 1 次或多次	`ab+` 匹配 ab、abbb
`?`	前一个出现 0 次或 1 次	`colou?r` 匹配 color 和 colour
`{n}` `{n,}` `{n,m}`	指定次数	`\d{4}` 恰好 4 位数字
`[...]`	字符集合	`[aeiou]` 元音之一
`[^...]`	排除集合	`[^0-9]` 非数字
`(...)`	分组（可提取）	见下文
`A\|B`	或	`cat\|dog`

大写是取反：\D 非数字，\W 非单词字符，\S 非空白。

写 Python 正则一定用原始字符串 r"..."，否则 \d 会被 Python 先转义一层。

12 个实战模式（复制即用）

import re

# 1. 手机号
r"1[3-9]\d{9}"

# 2. 邮箱
r"[\w.+-]+@[\w-]+\.[\w.]+"

# 3. URL
r"https?://[\w.-]+(?:/[\w./?=&%-]*)?"

# 4. 身份证号（18位，简单校验）
r"\d{17}[\dXx]"

# 5. 日期 2026-09-29 或 2026/09/29
r"\d{4}[-/]\d{1,2}[-/]\d{1,2}"

# 6. 时间 14:30 或 14:30:05
r"\d{1,2}:\d{2}(?::\d{2})?"

# 7. IP 地址（简单版，不校验 0-255 范围）
r"(?:\d{1,3}\.){3}\d{1,3}"

# 8. 中文字符
r"[一-龥]+"

# 9. 纯数字（整数，可带负号）
r"-?\d+"

# 10. 小数（可带负号）
r"-?\d+\.?\d*"

# 11. HTML 标签
r"<[^>]+>"

# 12. 匹配汉字开头的用户名（2-6位中文或数字字母）
r"^[一-龥][\w一-龥]{1,5}$"

分组提取：不只匹配，还要拿出来

圆括号 () 分组后，可以分别提取每部分内容：

import re

log = "2026-09-29 14:30:05 [ERROR] 数据库连接失败"

# 三个分组：日期、时间、日志内容
pattern = r"(\d{4}-\d{2}-\d{2}) (\d{2}:\d{2}:\d{2}) \[(\w+)\] (.+)"
m = re.search(pattern, log)
if m:
    date, time_, level, msg = m.groups()
    print(date, time_, level, msg)  # 2026-09-29 14:30:05 ERROR 数据库连接失败

命名分组更可读：

pattern = r"(?P<date>\d{4}-\d{2}-\d{2}) (?P<time>\d{2}:\d{2}:\d{2}) \[(?P<level>\w+)\] (?P<msg>.+)"
m = re.search(pattern, log)
print(m.group("msg"))  # 按名字取，不用数括号顺序

贪婪与非贪婪：最容易踩的坑

默认是贪婪匹配——尽可能多地吃字符：

import re

text = "<p>第一段</p><p>第二段</p>"

# 贪婪：从第一个 <p> 一直吃到最后一个 </p>
re.findall(r"<p>.*</p>", text)
# ['<p>第一段</p><p>第二段</p>']  ← 不是想要的！

# 非贪婪（加 ?）：吃到最近的 </p> 就停
re.findall(r"<p>.*?</p>", text)
# ['<p>第一段</p>', '<p>第二段</p>']  ← 正确

记住：*、+、{n,m} 后面加 ? 就变非贪婪。解析 HTML/括号配对内容时，几乎总是用非贪婪。

编译复用与标志位

循环里反复用同一个正则，先编译一次提速：

PHONE_RE = re.compile(r"1[3-9]\d{9}")  # 编译一次
for line in lines:
    m = PHONE_RE.search(line)           # 复用

常用标志位：

re.findall(r"hello", text, re.IGNORECASE)  # 忽略大小写，HELLO 也能匹配
re.findall(r"^第.章", text, re.MULTILINE)  # 多行模式：^ $ 匹配每行的首尾
re.findall(r"a.c", text, re.DOTALL)        # 让 . 也能匹配换行符