python 正则表达式是一套专门用来匹配查找替换文本的规则表达式，python 内置 re 模块实现正则相关功能，它不是 python 独有的技术，很多编程语言都支持正则，但是 python 的 re 模块封装非常完善，在文本提取，数据清洗，格式校验，批量替换场景使用非常多，简单理解就是用特殊符号组合成一套匹配模板，程序按照这套模板在字符串里面寻找符合规则的内容，比如提取手机号，邮箱，身份证号，校验日期格式，从网页日志里面抓取指定信息，相比普通字符串查找，正则最大优势是可以表达模糊规则，不需要写死完整文字，适合处理格式有规律但是内容不固定的文本，学习 python 正则表达式需要记住元字符含义，分组，贪婪匹配，非贪婪匹配，编译对象这些核心知识点，新手最容易踩坑的就是转义字符，贪婪匹配导致匹配范围过大，还有分组捕获的用法，掌握之后可以大幅提升文本处理效率，在爬虫，数据分析，办公自动化项目里面属于高频必备技能。

常用元字符表格

核心知识点深度讲解

re 模块常用函数

re.match 从字符串开头位置尝试匹配，只有开头符合规则才可以匹配成功

re.search 在整个字符串里面搜索，找到第一个符合正则规则的内容就返回结果

re.findall 查找全部符合规则的内容，返回列表，是最常用函数

re.sub 正则替换，把匹配到的内容替换成指定新内容

re.split 按照正则规则切割字符串，比普通 split 切割更灵活

贪婪匹配和非贪婪匹配

贪婪匹配是正则默认行为，会尽可能多匹配字符，比如 + 默认贪婪，在后面加问号就变成非贪婪匹配，也就是 ? +?，会尽可能少匹配字符，这个是 python 正则表达式里面非常重要的考点，很多提取内容超出预期，就是因为没有关闭贪婪匹配。

分组捕获

小括号代表分组，匹配成功之后，可以单独取出分组里面的内容，适合提取混合文本里面某一部分，比如从一段文字里面单独提取邮箱账号，或者提取身份证里面的出生日期，分组还可以命名分组，代码可读性更高。

预编译正则对象

如果同一个正则表达式需要多次重复使用，可以使用 re.compile 提前编译，生成正则对象，后续反复调用匹配，性能比每次直接写正则字符串更高，大批量文本处理的时候推荐使用预编译写法。

转义问题

正则元字符本身有特殊含义，如果想要匹配符号本身，比如点号，星号，需要使用反斜杠转义，在 python 字符串里面反斜杠本身又需要转义，所以推荐使用原始字符串 r 开头写正则，也就是 r"\d+"，可以减少双重转义带来的错误，这是新手高频报错点。

典型应用场景

爬虫项目提取网页里面链接，电话，邮箱，数据分析清洗脏数据，校验用户输入手机号身份证，日志解析提取报错信息，批量替换文档里面指定格式文字，自动化办公批量处理文本文件。

【常见问题】

问题 1 python 正则表达式是 哪个模块实现的

回答 1 python 正则表达式是依靠内置 re 模块实现，不需要额外 pip 安装，python 环境自带这个模块，提供匹配查找替换切割相关函数。

问题 2 python 正则表达式是 贪婪匹配是什么

回答 2 python 正则表达式是默认开启贪婪匹配，会尽可能多匹配字符，在量词后面添加问号就可以切换成非贪婪匹配，缩小匹配范围。

问题 3 python 正则表达式是 findall 和 search 区别

回答 3 python 正则表达式是，re.search 只返回第一个匹配结果，re.findall 会返回全部匹配成功内容，结果保存为列表，批量提取内容优先使用 findall。

问题 4 python 正则表达式是 为什么推荐 r 原始字符串

回答 4 python 正则表达式是，r 原始字符串可以避免反斜杠双重转义，减少正则表达式书写错误，是编写 python 正则推荐写法。

【免责申明】

本文内容仅用于 python 正则表达式学习参考，不同版本 python 的 re 模块细节存在微小差异，复杂正则建议实际测试验证，本文不替代官方 re 模块文档。