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/2024:14:22:05] 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
<p>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。
立即学习“Python免费学习笔记（深入）”；
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"
<p>for m in re.finditer(email_pat, text):
print(f"邮箱 {m.group()} 出现在 {m.start()}-{m.end()}")</p><h1>输出：</h1><h1>邮箱 admin@site.com 出现在 3-18</h1><h1>邮箱 support@test.org 出现在 22-40</h1><p>-
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
<h1>或用函数实现动态逻辑</h1><p>def mask_by_len(match):
full = match.group()
if len(full) == 11 and full.isdigit():
return full[:3] + "****" + full[-4:]
return full</p><p>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
