Python正则表达式重在掌握6类高频模式：中文字符提取、手机号识别、邮箱抓取、URL捕获、日期匹配、空白清洗，每类均给出简洁模式、要点说明与实用建议。
Python中正则表达式（re模块）是文本处理的利器，但真正用好它，关键不在记住所有语法，而在于掌握几类高频、实用的匹配模式，并理解它们在真实场景中的边界和陷阱。下面整理最常遇到的6类问题，每类给出简洁模式、说明要点和使用建议。
提取中文字符（含标点）
常见需求：从混合文本中只保留中文、中文标点（如，。！？；：“”‘’（）【】《》）
推荐模式：r'[\u4e00-\u9fff\u3000-\u303f\uff00-\uffef]+'
-
\u4e00-\u9fff覆盖常用汉字（基本汉字区） -
\u3000-\u303f包含全角空格、顿号、逗号、句号等中文标点 -
\uff00-\uffef补充全角ASCII字符（如全角英文字母、数字、符号） - 注意：不包含生僻字（如扩展A/B区），如需更全，可加
\U00034000-\U0004DBF等，但多数场景无需
匹配手机号（中国大陆）
目标：识别11位、以1开头、第二位为3-9的号码，兼容常见分隔（空格、短横线、括号）
立即学习“Python免费学习笔记（深入）”；
推荐模式：r'1[3-9]\d{9}'（基础精简版）或 r'1[3-9]\d{1,4}[-\s()]?\d{1,4}[-\s()]?\d{1,4}'（宽松格式适配）
- 优先用
1[3-9]\d{9}——先提取纯数字再清洗，比强求格式更稳定 - 避免写
^1[3-9]\d{9}$用于全文搜索（会漏掉前后有文字的号码） - 实际中建议配合
re.findall()+ 去重 + 长度校验（len==11）二次过滤
提取邮箱地址
目标：快速抓取形如 name@domain.com 的有效邮箱片段
推荐模式：r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
-
\b确保边界，避免匹配到abc@example.com.cn中的example.com - 本地部分（@前）允许点、下划线、+、-、%，但不校验是否合法（如连续点
..）——够用即可 - 域名部分限制至少2字母后缀，排除
test@x.y这类明显无效项 - 如需高精度验证，应交由专门库（如
email-validator），正则仅作初筛
匹配URL（简化版）
目标：捕获 http/https 开头、含域名的链接（不要求完美RFC合规）
推荐模式：r'https?://[^\s)+,;]+(?:/[^\s]*)?'
-
https?匹配 http 或 https -
[^\s)+,;]+匹配域名及路径，停在空格、右括号、逗号、分号前（常见断点） - 末尾
(?:/[^\s]*)?可选匹配路径部分，避免截断 - 不推荐追求“完全正确”的URL正则（太长且难维护），生产环境建议用
urllib.parse解析已提取结果
提取日期（YYYY-MM-DD 格式）
目标：识别标准年月日，如 2023-05-12，容忍单数字月/日（2023-5-8）
推荐模式：r'\b\d{4}-(?:0?[1-9]|1[0-2])-(?:0?[1-9]|[12][0-9]|3[01])\b'
- 年份固定4位，月份支持
01~12或1~12，日期支持01~31或1~31 - 注意：不校验大小月和闰年（如
2023-02-30仍会匹配），业务需要时应额外用datetime.strptime()校验 - 若原文含
2023/05/12或2023.05.12，可改用r'\b\d{4}[-/.](?:0?[1-9]|1[0-2])[-/.](?:0?[1-9]|[12][0-9]|3[01])\b'
替换多余空白（换行/制表/多空格 → 单空格）
目标：清洗文本，把各种空白符统一为一个空格，同时去掉首尾空格
推荐模式：r'\s+' + .strip()
- 用
re.sub(r'\s+', ' ', text).strip()一步到位 -
\s包含空格、\t、\n、\r、\f、\v，覆盖所有常见空白 - 避免用
r' +'（只处理空格）或r'[ \t\n\r]+'（漏掉其他Unicode空白） - 如需保留换行作段落分隔，可先
re.sub(r'[ \t]+', ' ', ...)，再单独处理\n
正则不是越复杂越好，而是越贴近你当前任务越有效。用对模式能省下大量字符串切片和循环，但也要记得：匹配只是第一步，后续常需类型转换、逻辑校验或上下文判断。不复杂但容易忽略。
