Python 正則表達式小結：把<span style="color:red;">文本處理</span>做成可複用的“規則引擎” ✅🙂
在工程裏（日誌解析、IP/域名提取、配置校驗、數據清洗），正則的價值不在“寫得炫”，而在於：把<span style="color:red;">規則固化</span>、可讀可測、可演進。核心原則就三條：先定邊界、再定分組、最後治理性能。
1）核心語法速查表（最常用、最容易踩坑）📌
| 類別 | 寫法 | 含義 | 典型用途 | 風險點/建議 |
|---|---|---|---|---|
| 邊界 | ^ / $ |
行首/行尾 | 嚴格校驗 | 多行要配<span style="color:red;">MULTILINE</span> |
| 字符類 | \d \w \s |
數字/單詞/空白 | 提取字段 | 受 Unicode 影響，必要時加 ASCII 策略 |
| 集合 | [abc] / [^a] |
任選/排除 | 白名單/黑名單 | 用集合代替多個 or |
| 量詞 | * + ? {m,n} |
次數控制 | 匹配長度 | 默認<span style="color:red;">貪婪</span> |
| 非貪婪 | *? +? ?? {m,n}? |
儘量少匹配 | HTML/標籤內 | 仍需“邊界”約束 |
| 分組 | ( ) / (?: ) |
捕獲/不捕獲 | 提取字段 | 捕獲太多會讓維護成本飆升 |
| 命名組 | (?P<name>...) |
可讀字段 | 日誌解析 | 輸出結構更清晰 |
| 斷言 | (?=) (?!) (?<=) (?<!) |
只判斷不消費 | 前後綴條件 | 過度使用會傷性能 |
| 標誌 | re.I re.M re.S re.X |
忽略大小寫/多行/點匹配換行/可讀模式 | 可治理 | 把“行為”顯式化 |
2）API 選型：match/search/findall/finditer/sub（該用哪個）🚦
import re
pat = re.compile(r"\b\d{3,5}\b") # 例：匹配 3~5 位數字（如狀態碼/端口）
text = "code=200 port=19090 retry=3"
print(pat.search(text).group())
print(pat.findall(text))解釋：
re.compile(...)：把正則編譯為對象，減少重複解析成本，適合“高頻規則”場景；這是<span style="color:red;">性能治理</span>的起點。r"..."：使用原始字符串，避免\b \d被 Python 字符串轉義吞掉；這屬於<span style="color:red;">可維護性</span>底線。search()：在全文任意位置找“第一個命中”；用於快速定位。group()：拿到命中的文本片段。findall()：拿到全部命中列表；適合統計與批量提取。
3）用<span style="color:red;">命名分組</span>把結果結構化（日誌解析更穩）🧩
import re
log_pat = re.compile(
r"ip=(?P<ip>\d{1,3}(?:\.\d{1,3}){3})\s+status=(?P<status>\d{3})"
)
line = "ip=203.0.113.9 status=502 upstream=api"
m = log_pat.search(line)
print(m.group("ip"), m.group("status"))
print(m.groupdict())解釋：
(?P<ip>...)/(?P<status>...)：命名分組讓字段“自解釋”，比group(1)更適合團隊協作與長期運維。(?:\.\d{1,3}){3}：用“非捕獲分組 + 次數”描述 IPv4 的 3 段重複結構，表達更緊湊。groupdict()：直接輸出字典，方便落庫、打點、做指標聚合。
4）用<span style="color:red;">斷言</span>做“條件匹配”（不吞字符，更像策略）🛡️
import re
# 只匹配以 "token=" 後面跟着的 8~32 位字母數字，但不把 "token=" 算進去
pat = re.compile(r"(?<=token=)[A-Za-z0-9]{8,32}")
s = "uid=1 token=Ab12Cd34EF56 scope=read"
print(pat.search(s).group())解釋：
(?<=token=)：後行斷言，要求前面必須是token=，但斷言本身不佔用輸出，這讓“提取字段”更乾淨。{8,32}：把長度邊界寫死，等於在做<span style="color:red;">輸入治理</span>，避免異常長串把匹配拖慢。
5）替換與清洗：sub 是“文本治理器”🧼🙂
import re
# 把連續空白壓縮為一個空格
s = "a\t\tb c\n\n d"
print(re.sub(r"\s+", " ", s).strip())解釋：
\s+：匹配任意連續空白（空格/製表/換行）。sub(pattern, repl, text)：把規則命中的片段替換為目標值；適合做規範化、脱敏、字段清洗。strip()：清理首尾空格，避免輸出“看起來差一點點”的髒數據。
思維導圖：從“能用”到“可運營”的正則路線圖（vditor/Markdown 可用）
如果你告訴我你主要處理的文本類型（例如：訪問日誌、WAF 事件、DNS 解析記錄、配置文件），我可以把上面的“通用小結”直接落到一套<span style="color:red;">可複用規則庫</span>（含邊界、分組字段、異常樣例與測試用例），讓它從“技巧”升級成“資產”。
