Python 的 re：别再手写字符串解析

写 Python 时，字符串解析是最容易写散的地方：从一段日志里抠出日期、从文件名里取出编号、判断一串输入是不是邮箱格式。手写 split 加 if 判断，写几行还能应付，规则一多就变成一堆脆弱的下标和分支。re 就是标准库里专门干这件事的工具：用一个模式把规则写清楚，让引擎去匹配，而不是靠手工切片去猜。

先看最常见的判断：一个字符串是不是符合某种格式。

import re

re.match(r"\d{4}-\d{2}-\d{2}", "2026-11-13")

r"\d{4}-\d{2}-\d{2}" 读作“4 位数字、一个短横、2 位数字、一个短横、2 位数字”。\d 代表一位数字，{4} 是重复 4 次。match 只从开头比对，符合就返回一个匹配对象，不符合返回 None——所以判断格式时要记得写 if m is not None，而不是把返回值当布尔值直接用在别处。

第二个顺手的是分组提取。匹配到了还不够，往往要把其中几段取出来用：

m = re.search(r"(\d+)-(\d+)-(\d+)", "日期：2026-11-13")
year, month, day = m.groups()  # ('2026', '11', '13')

括号就是分组，groups() 按顺序把括号里的内容一次取出来。search 和 match 的区别只在起点：search 在整个字符串里找第一处符合的，match 只看开头。日志、文件名这种“目标藏在中间”的场景，用 search 更顺手；校验整串格式时，用 fullmatch 要求从头到尾都符合，比 match 更严。

第三个是替换。把敏感信息或旧格式批量改掉，re.sub 一行就能做：

re.sub(r"\d{4}-\d{2}-\d{2}", "****-**-**", "会议定在 2026-11-13")
# '会议定在 ****-**-**'

第一个参数是模式，第二个是替换成的文本，第三个是原字符串。替换文本里也可以用 \1 引用前面分组的内容，保留原串的一部分、只改另一部分。

最后说两点容易踩的坑。第一，模式前面加 r 写成原始字符串，r"\d" 而不是 "\d"，否则反斜杠会被 Python 字符串先转义一次，模式就变了味。第二，同一个模式要反复用时，先 re.compile 编译一次再复用，引擎不用每次重新解析，代码也更清楚：

date_pat = re.compile(r"\d{4}-\d{2}-\d{2}")
date_pat.search("2026-11-13")

正则不是万能的：嵌套结构、HTML 这种层级分明的文本不适合用它硬解析。但在“从一串字符里按规则找东西、取东西、换东西”这个范围内，它比一堆 split 和下标判断稳得多，也好读得多。