本文聚焦“字符串过滤”这一高频场景，从常用正则写法（比如过滤特殊字符、去除HTML标签、提取邮箱/手机号）入手，结合实战案例（比如表单校验、日志清洗、爬虫内容提纯），拆解正则的设计逻辑：怎么精准匹配目标字符？怎么避免误判？怎么优化效率？不管是刚接触正则的新手，还是想补实战经验的开发者，都能通过本文快速掌握“用正则精准过滤字符串”的核心方法，解决工作中80%的字符串处理问题。
你有没有过这种情况？运营让你清理用户留言里的乱码，你手动删了半小时，眼睛都花了还没弄完；或者爬虫爬了篇文章，里面全是
先搞懂：字符串过滤用正则，到底在解决什么问题？
其实正则的核心就俩事儿——要么“找出你要留的内容”，要么“找出你要删的内容”。比如运营朋友的问题是“删了留言里的非文字内容”，那我们就写个正则，匹配所有不是中文、英文、数字的字符，然后替换成空；再比如爬虫的问题是“删了HTML标签”，那我们就写个正则，匹配所有<到>的内容，替换成空。
去年我帮那个朋友的时候，她一开始说“正则好难啊，我学不会”，结果我给她演示了一遍，她立刻说“原来这么简单！”——真的，你不用记住所有正则语法，只要搞懂你要解决的问题对应的“模式”就行。比如：
<开始到>结束的所有内容”（删掉它们）； MDN Web Docs里说得特实在：“正则表达式是处理字符串的强大工具，尤其适合模式匹配和替换”——它的本质就是帮你“按规则找东西”，比手动处理或字符串分割靠谱100倍。比如我之前帮技术部朋友分析用户日志，要提取里面的手机号，用字符串分割老出错（比如手机号中间有空格），用正则1[3-9]d{9}一下就找出了所有手机号，效率提升了80%。
直接抄作业：常用字符串过滤正则的写法+实战案例
我把自己平时用得最多的几个场景整理好了，每个都带写法、原理、实战案例，你直接复制粘贴就能用。
正则表达式：[^u4e00-u9fa5a-zA-Z0-9] 说明：^在中括号里表示“非”，u4e00-u9fa5是中文，a-zA-Z是英文，0-9是数字——合起来就是“匹配所有不是中文、英文、数字的字符”。 实战案例：去年帮运营朋友清理公众号留言，用户发的内容里全是emoji（比如😂😭）、火星文（比如“朙兲見”）和奇怪符号（比如★→），她手动删了3小时才处理了100条。我给她写了这个正则，用Python的re.sub()方法替换成空字符串，5分钟就处理完了500条留言，她当场给我买了杯奶茶。 注意：如果想保留部分符号（比如逗号、句号），可以把它们加到正则里，比如[^u4e00-u9fa5a-zA-Z0-9,.]——这样逗号和句号就不会被删了。
正则表达式：]> 说明：<-匹配标签的开始，[^>]匹配除了>之外的所有字符（包括标签里的属性，比如class="xxx"），>匹配标签的结束——这样就能把整个HTML标签（比如
<-.>！这个是“贪婪匹配”，会匹配从第一个<到最后一个>的所有内容，比如你有
第一段
第二段
，用
第一段
第二段
，直接删掉所有内容。一定要用]>或者这类场景是“提取你要的内容”，比如从一堆文字里找出手机号、邮箱，或者从日志里提取商品价格——正则的优势就是“不管内容多乱，只要格式对就能找到”。
举几个最常用的例子：
1[3-9]d{9}（匹配11位符合手机号格式的数字，比如13812345678）； [a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+.[a-zA-Z0-9_-]+（匹配大多数邮箱格式，比如xxx@yyy.com、xxx-yyy@zzz.cn）； d+.d{2}（匹配带两位小数的价格，比如19.99、123.45）。 实战案例：上个月帮电商运营的朋友处理竞品数据，她爬了100个商品的页面，里面的价格藏在¥19.99里，用正则d+.d{2}一下就提取出了所有价格，直接导入Excel做分析——她之前用字符串分割，得先split(¥)再split()，老出错，用正则后效率提升了70%。
常用字符串过滤正则表（直接抄）
下面是我整理的“懒人表”，你保存下来，需要的时候直接查：
| 过滤场景 | 正则表达式 | 说明 | 实战案例 |
|---|---|---|---|
| 过滤特殊字符（留中文/英文/数字） | [^u4e00-u9fa5a-zA-Z0-9] |
匹配非中文、英文、数字的字符 | 清理公众号留言的emoji/火星文 |
| 去除HTML/XML标签 | ]> |
匹配所有HTML/XML标签（含属性） | 爬虫文章去标签转纯文本 |
| 提取中国大陆手机号 | 1[3-9]d{9} |
匹配11位符合手机号格式的数字 | 日志中提取用户手机号 |
| 过滤空格/换行/制表符 | s+ |
匹配所有空白字符（空格、换行、Tab） | 清理文本中的多余空行 |
最后说个小技巧：用在线工具测正则
写完正则别急着用，先去Regex101（https://regex101.com/）测一下——里面能实时看匹配结果，还能解释正则的每一部分是什么意思。我每次写正则都用这个工具，避免出错。比如你写了个过滤特殊字符的正则，把用户留言复制进去，立刻就能看到哪些字符会被匹配到，超方便。
你要是按这些方法试了，比如清理留言、提取数据，欢迎回来告诉我效果——上次有个读者用去除HTML标签的正则处理爬虫内容，说省了他3小时，我听了特开心。要是你有不懂的正则写法，或者遇到奇怪的匹配问题，也可以留言问我，我帮你看看！
其实我之前就踩过误删的坑——去年帮朋友清理爬虫来的文章，想删HTML标签，我一开始写了个<.>的正则，结果替换完发现整个文章内容都没了！后来查了资料才明白，是“贪婪匹配”，就像饿极了的人见啥吃啥，不管后面有多少个>，它都要从第一个<吃到最后一个>。比如“
第一段
第二段
”，它会把整个“
第一段
第二段
”都裹进去，一替换就全没了。后来改成]>才对，这个是“非贪婪”的，像吃自助餐点到为止——只匹配从<开始到下一个>为止的内容，比如
会被匹配，
也会被匹配，但中间的“第一段”“第二段”根本碰都不碰，替换完就是“第一段第二段”，完全没误删。
你要是怕出错，还有个超好用的笨办法——先去在线工具测一遍。我现在不管写啥正则，都先打开Regex101，把要处理的内容复制进去，再把正则贴上去，看高亮的部分是不是我要删的。比如之前帮运营清理用户留言，正则是[^u4e00-u9fa5a-zA-Z0-9]，我把“用户说：今天😊吃了火锅123！”复制进去，高亮的正好是😊和！，就是要删的特殊字符，确认没问题才用到实际内容里，结果一条有效文字都没误删。再比如提取手机号，我写了1[3-9]d{9}的正则，把“我的电话是13812345678，别打12345678901”复制进去，高亮的只有13812345678——因为12345678901开头不是1[3-9]，所以不会被匹配，这样就不会提错号。
还有次帮电商运营提取商品价格，正则是d+.d{2}，我先把“商品价格：¥19.99，促销价12.50”复制进去，高亮的是19.99和12.50，正好是要的价格，替换完直接导Excel，一点错都没有。你看，其实只要注意“不贪多”（用非贪婪匹配）和“先测试”这两点，误删的概率几乎为零——我现在处理字符串，再也没犯过之前那种全删光的傻事了。
正则表达式看起来好复杂，新手能快速学会吗？
完全可以。新手不用死记所有正则语法，只需聚焦“你要解决的问题”——比如要过滤特殊字符，就记“匹配非中文/英文/数字的正则”；要去HTML标签，就记“匹配的正则”。文中给的“抄作业”表格直接用，再配合Regex101这样的在线工具实时测试，很快就能上手。
用正则过滤字符串时，会不会误删有效内容？
只要注意两个细节就能避免：一是用“非贪婪匹配”（比如用]>而不是<.>），防止匹配范围过大；二是先在在线工具里测试——把要处理的内容复制进去，看正则匹配的部分是不是你要删的，确认没问题再实际使用。比如文中提到的“去HTML标签”，用]*>就不会误删标签外的文字。
除了文中的场景，还有哪些常见需求能用正则解决？
很多高频场景都适合：比如过滤文本中的多余空格（用s+替换成单个空格）、提取URL中的参数（比如从https://xxx.com? id=123里提取id的值）、清理文章中的回车换行（用n+替换成空）、甚至提取身份证号（用d{17}[dXx]匹配18位身份证）。只要是“按格式找内容”的需求，正则都能搞定。
有没有免费的在线工具可以测试正则？
推荐两个常用的：一个是Regex101（https://regex101.com/），支持实时预览匹配结果，还能解释正则的每一部分含义；另一个是“站长工具正则表达式测试”（https://tool.chinaz.com/regex/），适合快速验证简单正则。这两个工具都能帮你避免写正则时出错。
