字符串过滤正则表达式方法|实用详解|一看就会

正则过滤的核心逻辑：先想“要留什么”，再写规则

我去年帮一个做餐饮外卖的客户处理订单备注，他们的备注里经常有“尽快送达！！！”“不要辣🤬”“加个卤蛋～～”，但后台系统只能识别“汉字、数字、常见标点”，其他字符会导致备注显示乱码。一开始我直接写了个正则[^a-zA-Z0-9u4e00-u9fa5,.!?]（匹配不是字母、数字、汉字和常见标点的字符），结果把“🤬”和“～～”都删了，系统就能正常显示了。

这里的关键是：先明确“要保留的内容”，再用“非”规则删掉其他内容——比直接找“要删的内容”更高效，因为你永远不知道用户会输入什么奇怪字符，但“要留的内容”是固定的。

再比如，我帮一个HR朋友提取简历里的邮箱，她一开始用“@”分割字符串，结果有的简历里有多个@（比如“test@163.com@qq.com”），提取出来的邮箱不对。后来我教她用正则[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(.[a-zA-Z0-9_-]+)+，这里的逻辑是：邮箱的结构是“用户名@域名.后缀”，用户名可以是字母、数字、下划线、减号，域名也是一样，后缀可以是.com、.cn之类的。用这个正则匹配，就能准确提取出正确的邮箱了——她试了后说，之前要花2小时处理50份简历，现在10分钟就搞定了。

MDN Web Docs在“正则表达式指南”里提到，“明确匹配目标是写出有效正则的第一步，不要试图用一个正则解决所有问题”——深以为然，我之前就犯过“贪多”的错，想写一个正则处理所有情况，结果反而出错，后来拆成“保留内容”和“提取内容”两个步骤，效率高多了。

3个高频场景的正则模板，直接抄就能用

我整理了自己常用的3个场景模板，都是平时帮朋友处理问题时反复验证过的，你直接复制就能用。

场景1：清理文本里的乱码和不可见字符

我遇到最多的问题就是乱码，比如爬虫爬下来的网页内容，或者用户复制粘贴的文本里有“�”“n”“t”之类的字符。这里有个万能正则：[x00-x1Fx7F-x9F]——解释一下，x00到x1F是“控制字符”（比如换行、制表符），x7F是“删除键”字符，x80到x9F是“扩展控制字符”，这些字符一般都是不可见的，或者显示成乱码。

比如，我之前爬一个美食博客的内容，爬下来的文本是“番茄鸡蛋汤的做法：n

场景2：提取指定格式的信息（比如手机号、邮箱）

提取手机号是最常见的需求，我帮一个做房产中介的朋友处理客户咨询时，他们的咨询里有“138-1234-5678”“139 1234 5678”“13712345678”之类的手机号，要统一提取成11位数字。这里用正则d{3}[

，然后把匹配到的内容里的“-”和“空格”去掉，就能得到11位手机号了。比如匹配“138-1234-5678”，替换掉“-”后就是“13812345678”。

再比如提取邮箱，用我之前说的[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(.[a-zA-Z0-9_-]+)+，比如匹配“test_123@qq.com”“hello-world@163.com”都没问题。但要注意，这个正则不匹配“中文邮箱”（比如“张三@公司.com”），如果需要处理中文邮箱，可以把用户名部分改成[a-zA-Z0-9_-|u4e00-u9fa5]+（加上汉字）。

场景3：去掉重复的空格或换行

我帮一个做文案的朋友处理文章草稿，他习惯用很多空格分隔段落，结果复制到公众号后台后，段落之间有很多空行。这里用两个正则：

比如原文本“今天天气不错 阳光很好nnn适合去公园玩”，处理后变成“今天天气不错 阳光很好n适合去公园玩”，排版一下子整齐了。

为了方便你对照，我做了个模板表：

其实正则不难，关键是“多试”——我自己写正则的时候，都会用在线工具（比如“正则表达式测试器”）先试一遍，输入原字符串，看看正则匹配的结果对不对。比如我之前写提取邮箱的正则，一开始没加(.[a-zA-Z0-9_-]+)+，结果匹配不了“test@qq.com.cn”这种带两级后缀的邮箱，后来加上后就对了——所以试错很重要，不用怕写错。

你要是遇到字符串过滤的问题，比如想清理评论里的广告，或者提取数据里的手机号，不妨试试我上面说的方法。要是正则写不对，或者匹配结果有问题，留言告诉我你的场景，我帮你看看怎么调整～

正则处理中文其实特简单，你记着[u4e00-u9fa5]这串字符就行——它是所有汉字的编码范围，能精准匹配任何中文。我之前帮一个做公众号的朋友处理留言，他的留言区总有粉丝发“今天的文章太棒啦🎉”“求更下期～🤩”，但他想把留言里的表情和乱码删掉，只留中文、数字和常见标点。我就给他写了个正则[^a-zA-Z0-9u4e00-u9fa5,.!?]，意思是“不是字母、数字、汉字和,.!?这些标点的字符都删掉”，结果处理后留言变成“今天的文章太棒啦”“求更下期～”，完全符合他的要求。你看，只要把[u4e00-u9fa5]加进“要留的内容”里，中文就不会被误删，比挨个找要删的表情符号高效多了。

再比如提取中文邮箱，我帮HR朋友筛简历时遇到过——有的候选人写“张三@tech.com”“李四_123@company.cn”，原来的邮箱正则只认字母数字下划线，没法匹配中文用户名，结果提取出来全是空的。后来我把邮箱正则的用户名部分改成[a-zA-Z0-9_-|u4e00-u9fa5]，就是在原来的基础上加了[u4e00-u9fa5]，这样既能匹配字母数字，也能匹配中文了。她试了一下，“张三@tech.com”直接被精准提取出来，再也不用手动复制邮箱了。不过要注意，有的系统本身不支持中文邮箱，但如果是你自己处理数据，这个方法绝对管用。要是不确定写对没，你可以用在线正则工具测一下，输入“王五@test.com”，看正则能不能匹配上，没错再用，省得出错。

正则表达式太复杂，有没有快速上手的方法？

最快的方法是先明确“要保留的内容”——比如想清理订单备注的乱码，就先列出“汉字、数字、常见标点（.?!,）”这些系统能识别的内容，再用“非规则”（比如[^a-zA-Z0-9u4e00-u9fa5,.!?]）删掉其他字符。另外可以用在线正则测试工具（比如“正则表达式测试器”），输入原字符串和规则，实时看匹配结果，不用死记所有语法，边试边调更高效。

正则怎么处理中文相关的字符串过滤？

处理中文时，用[u4e00-u9fa5]可以精准匹配所有汉字——比如想保留备注里的中文，就把这个范围加进“要留的内容”；如果是提取中文邮箱（比如“张三@公司.com”），可以把邮箱正则的用户名部分改成[a-zA-Z0-9_-|u4e00-u9fa5]，这样就能匹配带汉字的用户名了。

正则匹配结果不对，应该怎么调整？

先找在线工具（比如“正则表达式测试器”）验证——把原字符串和正则规则输进去，看到底匹配了哪些内容。比如想提取邮箱却匹配到了多个@的错误内容，可能是没限制“后缀的格式”，这时可以加上(.[a-zA-Z0-9_-]+)+来约束后缀（比如.com.cn）。另外别贪多，一个正则解决一个问题，分步处理（比如先清理乱码再提取邮箱）更准确。

怎么用正则提取带-或空格的手机号？

用正则d{3}[

YUANLEISVIP

收藏 链接