正则表达式用于清洗、校验和提取输入法产生的杂乱字符串，包括清理全角空格标点、零宽字符，标准化中英文混输、手机号、用户名格式，以及提取命名语义片段和去除候选词残留。
正则表达式本身不处理“输入法输入”这个行为，它处理的是输入法最终产生的字符串结果。所谓“复杂的输入法输入”，通常指用户在中文输入法下混合输入中英文、数字、标点、符号、甚至误触空格或换行，导致原始字符串杂乱、格式不统一。正则的作用是清洗、校验、提取或标准化这类结果。
识别并清理输入法常见干扰字符
中文输入法切换过程中容易混入全角空格（ ）、全角标点（，。！？；：“”‘’）、软回车（\u2028）、零宽空格（\u200b）等不可见或易被忽略的字符。
- 用
\s+只能匹配半角空白，需显式覆盖：[\s\u200b\u2028\u3000]+（含半角空格、零宽空格、行分隔符、全角空格） - 批量替换为单个半角空格：
re.sub(r'[\s\u200b\u2028\u3000]+', ' ', text.strip()) - 清理全角标点：可逐个映射，如
text.replace('，', ',').replace('。', '.')；更通用做法是用str.translate()配合映射表
校验混合输入场景下的字段合法性
例如用户在姓名栏用拼音+中文混输（“张San 李Li”），或在手机号栏粘贴了带括号和空格的号码（“138-1234-5678”、“(138) 1234 5678”）。
- 对手机号：先用
re.sub(r'[^\d]', '', s)剥离所有非数字，再判断是否为11位 - 对用户名：允许中英文、数字、下划线，但禁止纯数字或首尾空格——可用
re.fullmatch(r'^[\u4e00-\u9fa5\w]{2,16}$', cleaned)（注意\w已含ASCII字母、数字、下划线） - 避免用
search做校验：它只要部分匹配就通过，应坚持用fullmatch确保整体合规
提取输入法粘贴后产生的结构化片段
用户常从网页、文档复制一段含格式文本，比如：“收货地址：北京市朝阳区建国路8号 电话：139****1234”。这类内容虽无明确分隔符，但有语义标签。
- 用命名捕获组提升可读性：
r'收货地址：(?P<address>[^电话：\n]+)电话：(?P<phone>\d{11})'</phone> </address> - 搭配
re.search()获取字典：match.groupdict()直接返回{'address': '北京市朝阳区...', 'phone': '139...'} - 若标签不固定（如“地址：/Addr：/Address：”），可用
(?:地址|Addr|Address)：替代，加(?i)忽略大小写
应对输入法自动纠错与候选词残留
某些输入法会在用户未确认前显示候选词（如“[abc]”或“【1】”），或在长按删除时留下残缺字符（如“我喜…”、“正在输…”）。
- 清除方括号候选标记：
re.sub(r'\[[^\]]*\]|\【[^】]*\】', '', text) - 过滤未完成输入：用
re.sub(r'…+$|…{2,}|正在.*?[。！？\n]?', '', text)粗筛明显异常结尾 - 注意非贪婪匹配：
.*?比.*更安全，防止跨段落误删
