正则表达式基础与实用技巧¶

正则表达式（Regular Expression，简称 regex 或 RE）是一种用于匹配字符串中字符组合的强大工具。它常用于文本搜索、数据验证、批量替换等场景。本文将通过配置代码片段的风格，带你快速了解正则表达式的基本用法和常见技巧。

什么是正则表达式¶

正则表达式是一种描述字符串模式的语法规则。通过特定的语法，可以灵活地查找、匹配、替换文本。例如，判断邮箱格式、提取手机号、批量替换文本内容等。

常用正则表达式语法¶

Python
# 匹配数字
pattern = r"\d+"

# 匹配邮箱
pattern = r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"

# 匹配手机号（中国大陆）
pattern = r"1[3-9]\d{9}"

# 匹配日期（yyyy-mm-dd）
pattern = r"\d{4}-\d{2}-\d{2}"

典型应用场景举例¶

1. 批量查找与替换¶

Python
import re

text = "邮箱1：test1@example.com，邮箱2：test2@example.com"
emails = re.findall(r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+", text)
print(emails)  # ['test1@example.com', 'test2@example.com']

2. 数据验证¶

Python
def is_valid_phone(phone):
    return re.fullmatch(r"1[3-9]\d{9}", phone) is not None

print(is_valid_phone("13812345678"))  # True
print(is_valid_phone("123456"))       # False

3. 配置文件过滤示例¶

正则表达式常用于配置文件的路径过滤。例如：

Python
# 配置：排除评论的页面模式
EXCLUDED_PATTERNS = [
    r'.*\/index\.md$',        # 排除所有 index.md 文件
    r'.*\/archive\.md$',      # 排除所有 archive.md 文件
    r'^blog/posts/.*\.md$',   # 排除所有 blog/posts 目录下的文件
    r'^blog/archive/.*\.md$', # 排除所有 blog/archive 目录下的文件
]

这些模式可以帮助你灵活地筛选、排除或定位特定文件。

常用元字符速查¶

元字符	说明	示例
.	任意单个字符	a.b 可匹配 aab/acb/abb
\d	数字	\d+ 匹配123
\w	字母/数字/下划线	\w+ 匹配abc_123
\s	空白字符	\s+ 匹配空格、Tab
^	行首	^abc 匹配以abc开头
$	行尾	abc$ 匹配以abc结尾
[]	字符集	[abc] 匹配a或b或c
()	分组	(abc)+ 匹配abcabc
?	0或1次	ab?c 匹配ac或abc
*	0次或多次	ab*c 匹配ac/abc/abbc
+	1次或多次	ab+c 匹配abc/abbc

小结¶

正则表达式虽然语法精炼，但功能极其强大。掌握常用规则和技巧，可以大幅提升文本处理和自动化能力。建议结合实际项目多加练习，遇到复杂需求时可借助 regex101.com 等在线工具进行调试。

推荐阅读 正则表达式 30 分钟入门教程