我们每个人dou像是一个在黑暗中摸索的寻宝者。面对着屏幕上那一行行密密麻麻、毫无逻辑可言的代码和文本，是不是经常感觉脑瓜子嗡嗡的？尤其是当你听到“正则表达式”这五个字的时候，是不是觉得那简直就是天书？什么点号、反斜杠、中括号、小括号，感觉就像是被扔进了一个伸手不见五指的巨大仓库里四周全是货物，却不知道从哪下手。

其实大可不必这么焦虑。今天咱们就换个轻松点的调调，不聊那些枯燥的学术定义。咱们来聊聊一种geng接地气的理解方式。想象一下Python里的 re 模块其实就是老板发给你的一副“摸金手套”。这副手套可神了上面刻着各种复杂的手势。你Zuo什么手势，它就Neng在黑暗的仓库里摸出什么宝贝。你要是手势Zuo对了哪怕闭着眼睛，也Neng把藏在成千上万行垃圾数据里的那个“暗号”给精准地掏出来。

咱们先别急着往深处走，先在仓库门口练练手。仓库里黑灯瞎火的，你 得学会怎么分辨你摸到的是什么东西。

假设你手里有一串乱七八糟的文本，比如“蛋炒粉15元”，你只想把价格里的数字给抠出来。这时候，\d 这个手势就派上用场了。

html = "蛋炒粉15元"
# 就像戴了数字感应手套，只摸 0-9
print) 
# 结果：

用咱们的大白话讲，\d 就像你的手套带了电，专门吸铁钉。汉字、字母它统统不感冒，自动跳过。那个 + 号的意思是“连续摸”，别摸一个数字就停，要把连成一串的数字dou一口气搂进怀里。

有时候你想摸的不是钱，是账号或者变量名。这时候就得用 \w。

html = "price_20"
print)  
# 结果：

这个手势比较博爱，字母、数字、下划线 它dou摸。中文它有时候也Neng摸，但通常咱们用它来对付英文变量名Zui顺手。它就像个万Neng胶带，只要不是奇怪的符号，它douNeng给你粘住。

仓库里堆满了货，但货与货之间有空隙。怎么找空隙？用 \s。

html = "蛋炒粉  15元"
print)  
# 结果：  

这玩意儿摸的是空白。不管是空格、制表符还是换行符，在它眼里dou是一样的“空气”。你要想把一段话按词拆开，或者清洗掉多余的空格，全靠它。

仓库hen大，你不Neng乱摸，得知道从哪下手，到哪停手。这就涉及到两个极其重要的定位符号：^ 和 $。

这个符号代表字符串的开头。它就像你站在仓库门口，只摸Zui开头的东西。

text = "15元一份"
print)  #   
print)  #       

这大爷hen死板，开头不对，直接走人，绝不给你第二次机会。这在验证数据格式的时候特别有用，比如你要检查是不是手机号，先kan开头是不是“1”，不是的话后面dou不用kan了。

跟 ^ 相反，$ 代表字符串的。它就像你摸到仓库Zui里面的墙根，只检查Zui后是什么。

text = "一份15元"
print)  #   

组合技Ru果你把 ^ 和 $ 一起用，那就是“全匹配”。比如 ^\d+$，意思就是这行从头到尾必须全是数字，多一个汉字dou不行。这招常用来判断“这行是不是空的”或者“格式是否完全正确”。

这是新手Zui容易掉进去的坑，也是正则表达式Zui有人性的地方——它有性格。

咱们kan个例子。假设你要从一段HTML代码里把价格抠出来：

html = "15元20元"

Ru果你用 .*，这叫“贪婪”。手套就像个饿死鬼投胎，kan到货全搂怀里，Neng摸多少摸多少，一直摸到Zui后一个符合条件的地方才肯罢休。

# 贪婪：尽可Neng多摸，把中间全吞了
print', html))  
# 结果：

你kan，它把中间的结束标签和开始标签dou给吞了直接从第一个 跨到了Zui后一个 。这显然不是我们要的。

这时候，你得教它“知足”。在星号后面加个问号 .*?，这就变成了“非贪婪”。它的意思是：摸到第一个就收手。

# 非贪婪：摸到第一个就停
print', html))  
# 结果：

这就对了！爬HTML的时候，99%的情况要用非贪婪 .*?。 不然你的数据就会像那个泰国强买强卖的骗局一样，一旦你用了手套，想要说“我不要”的时候，显然Yi经不行了因为中间的东西Yi经被你一口吞了。

有时候你摸到了一大串东西，但你只想把其中的一小部分拿出来。这时候就需要“篮子”——也就是小括号 。

括号就像篮子。你摸了一整串，但只把篮子里的东西拿出来。

html = '15元'
# 把数字单独装篮子里
print元', html))
# 结果：  

这就好比你在抖音上刷视频，视频里可Neng有各种背景音乐、文案、标签，但你只想把那个“暗号”给摘出来。括号就是你的摘录工具。

Ru果你要找的东西有好几种可Neng，比如“老王”或者“老李”，这时候就得用竖线 |，它代表“或者”。

html = "老王炒粉店和老李烧烤摊"
print)  
# 结果：

这就像你面对一堆家务手套，有钢丝洗碗手套，也有丁腈手套。你的需求是“防滑的或者耐热的”，只要满足其中一个，你就把它拿走。

有时候你不想摸所有的东西，只想摸特定的一类，或者反过来除了某类dou不摸。这时候中括号 就登场了。

中括号里写**“允许摸的名单”**。

html = "abc123ABC"
# 只摸小写字母
print)  # 
# 只摸数字和大写字母
print)  # 

就是小写字母全家桶， 就是数字全家桶。这就像你去买手套，你跟老板说：“我只要红色的或者蓝色的”，其他的颜色你连kandou不kan。

在中括号里第一个字符加个 ^，意思就反过来了变成了**“禁止摸的名单”**。

html = "abc123"
# 除了小写字母，其他dou摸
print)  # 

的潜台词就是：“小写字母不准摸，其他的随便”。这在清洗脏数据的时候特别好使，比如你想把一句话里除了标点符号以外的东西dou删掉，或者反过来。

刚才咱们说了 \d\w\s。其实它们dou有反义版本，只要把字母大写就行：\D\W\S。

人话大写就是**“除了这个dou摸”**。你记不住的时候，想想“大写=大佬，大佬不挑食”。

html = "价格15元"
# \D 摸到"价格"和"元"
print)  # 
# \S 摸到所有非空白的东西
print)  # 

Zui后得说一个新手经常被坑的地方。还记得咱们说的点号 . 吗？它号称“摸万物”，但其实它有个弱点——它摸不到换行符。

html = "蛋炒粉15元
肉炒粉20元"
# 默认情况：点号摸不到换行符
# 加上 re.DOTALL：现在Neng跨行摸了
print)

html = "2023-10-14"
# 年、月、日分别装三个篮子
print--', html))
# 结果：