Python正则表达式实战案例_文本匹配与替换技巧【教程】

Python正则表达式重在解决实际文本问题：1.手机号提取需兼顾格式与防误匹配；2.日志清洗用re.sub去除时间戳和IP；3.文件重命名靠捕获组调换顺序；4.邮箱识别需边界控制并生成mailto链接。

Python正则表达式不是背语法，而是解决实际文本问题的工具。掌握几个典型场景的写法，比记满页符号更有用。

提取手机号：兼顾常见格式和防误匹配

国内手机号通常为11位，以1开头，第二位常见3-9；但要注意避开“110”“119”等特殊号段，也别把带分隔符的字符串（如138-1234-5678）错当有效号码。

• 基础匹配：r'1[3-9]\d{9}' —— 精准抓纯数字11位手机号
• 支持空格/短横线：r'1[3-9]\d{2}[-\s]?\d{4}[-\s]?\d{4}'，注意?表示前面的分隔符可有可无
• 防止匹配到更长数字中的子串：用 \b（词边界）包住，如 r'\b1[3-9]\d{9}\b'

清洗日志行：去掉时间戳和IP，保留核心信息

服务器日志常形如 [2025-03-15 14:22:08] 192.168.1.100 "GET /api/user HTTP/1.1" 200，想只留请求路径和状态码。

• 先用 re.sub() 去掉开头时间：re.sub(r'^\[.*?\]\s+', '', line)
• 再删IP和引号包裹的请求行：re.sub(r'\d+\.\d+\.\d+\.\d+\s+"[^"]*"\s+', '', line)
• 组合起来更简洁：re.sub(r'^\[.*?\]\s+\d+\.\d+\.\d+\.\d+\s+"[^"]*"\s+', '', line)

批量重命名文件：从“report_20250315_v2.txt”改成“2025-03-15-report-v2.txt”

关键在捕获年月日并插入分隔符，同时调换字段顺序。

• 匹配原名结构：r'report_(\d{4})(\d{2})(\d{2})_v(\d+)\.txt'，括号用于分组捕获
• 替换为：r'\1-\2-\3-report-v\4.txt'，\1 \2 \3 \4 对应四个捕获组
• 完整示例：re.sub(r'report_(\d{4})(\d{2})(\d{2})_v(\d+)\.txt', r'\1-\2-\3-report-v\4.txt', filename)

识别并高亮邮箱：在HTML中给邮箱加mailto链接

不是简单找@，要确保前后是合理字符边界，避免匹配到“abc@def@ghi”或“email@test.”这种无效串。

• 推荐邮箱模式：r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
• 配合 re.sub() 生成链接：re.sub(r'(\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b)', r'\1', text)
• 注意：真实项目建议用 email-validator 库校验，正则仅作初步筛选