Python正则表达式核心是re模块，掌握re.search（返回首个Match对象）、re.findall（返回所有匹配字符串列表）、re.finditer（返回含位置信息的Match迭代器）和re.sub（支持字符串/函数替换）四大操作即可高效处理文本提取、定位与清洗任务。

Python正则表达式（regex）是处理文本的利器，核心在 re 模块。掌握匹配（re.search/re.findall）、搜索（re.finditer）、替换（re.sub）三大操作，就能应对绝大多数文本提取与清洗任务。

基础匹配：用 re.search 和 re.findall 抓取关键信息

re.search 返回第一个匹配对象（含位置和内容），适合判断是否存在或提取首个结果；re.findall 直接返回所有匹配字符串列表，更轻量、常用。

例如从日志中提取 IP 地址：

import re
log = "192.168.1.100 - - [10/Jan/2025:14:22:05] GET /index.html"
ip_pattern = r"\b\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\b"
match = re.search(ip_pattern, log)
if match:
    print("找到IP：", match.group())  # 输出：192.168.1.100
all_ips = re.findall(ip_pattern, log)  # 即使只有一个，也返回列表

• 使用原始字符串 r"" 避免反斜杠转义问题
• \b 确保匹配完整 IP，避免匹配到 192.168.1.1000 中的前段
• 分组 () 可提取子内容，用 match.group(1) 获取第一组

精准搜索：用 re.finditer 遍历所有匹配并获取位置信息

当需要知道每个匹配在原文中的起始/结束位置，或需逐个处理带上下文的匹配项时，re.finditer 是最佳选择——它返回迭代器，每个元素是 Match 对象。

例如标记邮箱并记录位置：

text = "联系 admin@site.com 或 support@test.org 获取帮助"
email_pat = r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b"
for m in re.finditer(email_pat, text):
print(f"邮箱 {m.group()} 出现在 {m.start()}-{m.end()}")
输出：
邮箱 admin@site.com 出现在 3-18
邮箱 support@test.org 出现在 22-40

• m.span() 等价于 (m.start(), m.end())，方便切片定位
• 配合 re.I 标志可忽略大小写：re.finditer(pat, text, re.I)
• 对大文本更省内存，比 findall 更适合流式处理

安全替换：用 re.sub 修改文本内容

re.sub 支持字符串替换和函数式替换。简单场景直接传入替换字符串；复杂逻辑（如按规则变形、计数、条件替换）则传入函数作为 repl 参数。

示例：隐藏手机号中间四位，保留前后各三位：

phone = "13812345678"
masked = re.sub(r"(\d{3})\d{4}(\d{4})", r"\1****\2", phone)
print(masked)  # 输出：138****5678
或用函数实现动态逻辑
def mask_by_len(match):
full = match.group()
if len(full) == 11 and full.isdigit():
return full[:3] + "****" + full[-4:]
return full
re.sub(r"\d{11}", mask_by_len, "回拨13812345678试试")  # → 回拨138****5678试试

• 替换字符串中用 \1、\2 引用捕获组，注意是反斜杠+数字，不是 $1
• 函数参数必须接收一个 Match 对象，返回字符串
• 加 count=1 参数可限制只替换首次匹配

实用技巧与避坑提醒

正则写得再准，运行出错或结果不符常因细节疏忽。以下几点高频影响效果：

• 默认不匹配换行符：. 不会匹配 \n，需加 re.DOTALL 标志
• 贪婪 vs 非贪婪：.* 会尽可能多匹配，改成 .*? 实现最小匹配
• 中文匹配要小心编码：确保字符串是 str 类型（非 bytes），模式中可直接写中文或用 [\u4e00-\u9fff]
• 编译正则提升性能：pattern = re.compile(r"\d+")，后续多次调用 pattern.search() 更快
• 特殊字符如 .、+、*、?、[、^、$ 在模式中需用 \ 转义才能表示字面意义