Python正则表达式高频应用包括：数字匹配（如\d+、\d{3}-\d{4}-\d{4}）、邮箱与URL提取、噪声清理（re.sub去空格/标签/中文）、格式验证（fullmatch+先行断言）。
Python正则表达式（re模块）是文本处理的利器，但初学者常被语法绕晕。掌握几个高频、实用的模式，就能解决80%的日常需求——比如提取手机号、邮箱、日期，过滤空格或标签，验证格式是否合规。
匹配数字与连续数字串
数字是最基础也最常用的匹配目标。用\d代替[0-9]更简洁；加+表示“一个或多个”，*表示“零个或多个”。
-
r'\d+'：匹配至少一位数字，如"abc123def"→"123" -
r'\d{3}-\d{4}-\d{4}'：匹配形如"138-1234-5678"的手机号分段格式 -
r'\b\d{6}\b'：用\b确保是独立6位数（如邮编），避免匹配到"1234567"中的子串
提取邮箱与URL等结构化文本
邮箱和URL有较固定规律，可借助字符类和量词组合写出稳健模式。
-
r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'：覆盖主流邮箱格式（支持下划线、+号别名等），{2,}防止误匹配.c -
r'https?://[^\s]+'：匹配以http://或https://开头、直到空白符为止的URL（简单有效，适合日志清洗） - 注意：不建议用正则“完美”校验邮箱——RFC标准太复杂，生产环境推荐用专用库（如
email-validator）
清理与替换常见噪声
数据预处理中，去空格、删HTML标签、合并换行是高频操作，re.sub()配合合适模式即可一行搞定。
立即学习“Python免费学习笔记（深入）”；
-
re.sub(r'\s+', ' ', text)：把所有空白符（空格、制表、换行）替换成单个空格 -
re.sub(r']+>', '', html_text)：粗略去除HTML标签（不处理嵌套或自闭合标签，简单页面够用） -
re.sub(r'[\u4e00-\u9fff]+', '', text)：移除中文（Unicode范围），适用于只需英文数字的场景
验证格式是否符合要求
用re.fullmatch()或^...$确保整个字符串完全匹配，避免部分匹配导致误判。
- 手机号验证（国内）：
re.fullmatch(r'1[3-9]\d{9}', phone)—— 必须是11位、以13–19开头 - 密码强度（含大小写字母+数字，至少8位）：
r'^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)[a-zA-Z\d]{8,}$'，利用正向先行断言（(?=...)）做多条件检查 - 日期（YYYY-MM-DD）：
r'^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12][0-9]|3[01])$'，限制月份和日期范围，比单纯\d{4}-\d{2}-\d{2}更可靠
正则不是越长越强，而是越准越稳。从实际问题出发，先写样本数据，再小步调试模式，比死记语法更有用。多数时候，一个清晰的\d+或[^@]+@[^@]+\.[^@]+就已足够——不复杂但容易忽略细节。
