用re.sub()一次性清除常见噪声更高效：预编译正则模式，如re.sub(r'', '', text)删html标签、re.sub(r'\s+', ' ', text)统一空白符，配合re.unicode支持多语言字符清洗。> ↩
怎样用 re.sub() 一次性清除常见噪声
直接删掉干扰信息比逐个判断更高效。比如网页抓取后残留的 HTML 标签、多余空白符、乱码符号，用 re.sub() 配合预编译正则能显著提速。
- 先用
re.compile()编译常用模式，避免重复解析（尤其在循环中） -
re.sub(r']+>', '', text)清 HTML 标签，但注意它不处理嵌套或自闭合标签（如<br>
），简单场景够用 - 连续空白（含换行、制表）统一替换成单个空格：
re.sub(r'\s+', ' ', text)，末尾再用.strip() - 中文文本慎用
\w—— 它只匹配 ASCII 字母数字，会漏掉汉字；改用[\u4e00-\u9fff\w]或[\p{Han}\w]（需启用re.UNICODE或用regex库）
为什么 re.findall() 比 split() 更适合提取关键字段
非结构化文本里，目标信息往往藏在固定模式前后（比如“订单号：123456”或“价格￥89.9”），re.findall() 能精准捕获，而 split() 容易因格式微变崩掉。
- 用分组提取更可靠：
re.findall(r'订单号：(\d+)', text)直接拿到数字列表，不用再切片或索引 - 多个字段一起提：
re.findall(r'姓名：(\S+)，电话：(\d{11})', text)返回元组列表，注意\S+比.*?更安全（避免跨字段吞内容） - 如果字段可能缺失，别硬写贪婪匹配 ——
.*?在长文本中容易回溯爆炸，优先用否定字符集，例如匹配“地址：”后面非换行内容：地址：([^\n]+)
怎样避免 re.match() 和 re.search() 的误用陷阱
re.match() 只从开头匹配，而实际文本常有前导空格、注释或无关行 —— 90% 的“没匹配上”问题出在这里。
- 除非明确要验证整行格式（如日志开头时间戳），否则默认用
re.search() -
re.fullmatch()很少用得上：它要求整个字符串完全匹配模式，连首尾空白都不容，调试时容易误判 - 检查匹配结果是否为
None再取.group()，否则直接调用会抛AttributeError - 用
re.escape()包裹动态插入的字符串（比如用户输入的关键词），防止特殊字符被当正则语法解析
中文文本清洗时哪些 Unicode 范围必须手动加进正则
Python 默认 re 对中文支持有限，不声明 re.UNICODE 或写死范围，很多汉字、标点会漏掉或错判。
- 常用中文字符范围：
[\u4e00-\u9fff]（基本汉字）、[\u3000-\u303f\u3040-\u309f\u30a0-\u30ff]（全角标点、平假名、片假名） - 中文括号、破折号、省略号不是 ASCII：
[\u3001-\u3003\uff08\uff09\uff0d\uff5e]，漏掉会导致清洗后残留 - 微信/微博文本常见 emoji，
re原生库无法可靠识别，建议用emoji库预处理，或简单过滤掉[\U00010000-\U0010ffff]（需re.UNICODE） - 繁体字、生僻字不在基础范围，若需覆盖，查 Unicode 区块（如 \u3400-\u4dbf）并追加，但会拖慢匹配速度
正则清洗不是万能的——嵌套结构（如带格式的表格、缩进代码块）或语义依赖上下文的内容（如“他说‘明天’”里的引号归属），靠正则容易翻车。先做最小可行清洗，再交规则引擎或 NLP 模型处理更稳妥。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
