正则表达式入门:3 个符号找到你要的文本

举报
yd_243701064 发表于 2026/11/18 06:18:47 2026/11/18
【摘要】 在一堆日志里找所有报错行、在一段文字里挑出所有手机号、把一批文件名批量改名——这些活如果一行行肉眼找,又慢又容易漏。正则表达式就是给文本写一条「长什么样」的规则,让程序按规则去找,一次找全。 1. 正则是什么正则表达式是一串描述文本样子的字符,程序拿它去文本里匹配。写一次规则,就能反复用在搜索、校验、替换上。编辑器、命令行、Python、JavaScript 里都有它,学会一套,到处通用。先...

在一堆日志里找所有报错行、在一段文字里挑出所有手机号、把一批文件名批量改名——这些活如果一行行肉眼找,又慢又容易漏。正则表达式就是给文本写一条「长什么样」的规则,让程序按规则去找,一次找全。

1. 正则是什么

正则表达式是一串描述文本样子的字符,程序拿它去文本里匹配。写一次规则,就能反复用在搜索、校验、替换上。编辑器、命令行、Python、JavaScript 里都有它,学会一套,到处通用。

先看一个最简单的例子:规则 404 匹配的就是文本里连续出现的 404 这三个字符。规则本身也可以是普通字符,这就是它的起点。

2. 先记住三个符号

  • .:匹配任意一个字符(换行除外)。a.c 能匹配 abc、a1c,但匹配不了 ac。
  • *:前面的字符可以出现 0 次或多次。ab*c 能匹配 ac、abc、abbc。
  • +:前面的字符至少出现 1 次。ab+c 能匹配 abc、abbc,但匹配不了 ac。

只凭这三个,就能写出不少实用的规则。比如找一串数字:[0-9]+。

3. 再加三组常用写法

  • 字符集 [ ]:[0-9] 表示一位数字,[a-z] 表示一位小写字母,[^0-9] 表示一位非数字。
  • 量词 { }:[0-9]{4} 表示连续 4 位数字,[0-9]{2,4} 表示 2 到 4 位。
  • 锚点 ^ 和 $:^ 表示开头,$ 表示结尾。^[0-9]+$ 表示整段文本只能是数字。

组合一下:校验一个 11 位手机号的粗略规则可以写成 ^1[0-9]{10}$,意思是开头是 1、后面再跟 10 位数字、到此结束。

4. 动手试一次:用 Python 找出来

import re

text = "订单号 A123,电话 13812345678,另一单 B456"
print(re.findall(r"1[0-9]{10}", text))  # 输出:['13812345678']
print(re.findall(r"[A-Z][0-9]{3}", text))  # 输出:['A123', 'B456']

findall 会把所有匹配到的片段一次性找出来。写规则时先在小段文本上试,确认找得对、没多找也没漏找,再用到大文件上。

命令行里也一样,grep 加规则就能从日志里筛行:

grep "404" app.log

先从简单的字面匹配开始,再慢慢加符号,调试成本最低。

5. 三个易错点

第一,* 和 + 是贪婪的:默认会尽量多匹配。想少匹配,可以在后面加 ? 变成非贪婪,比如 a.*?c。

第二,.、+、* 这些符号本身有特殊含义,想匹配它们本身要加反斜杠转义,比如 \. 才表示真正的点。

第三,规则写得越宽,误伤越多。[0-9]+ 能找出所有数字,但也会把日期、编号一起找出来;先想清楚「不要什么」,再收紧规则。

今天能练的一件事

找一段你自己的日志或文本,用一条规则找出里面所有的数字、再用一条找出所有的英文单词。能写、能试、能收紧,正则这一关就算入门了,之后查日志、做校验都会快得多。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。