京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。日常数据处理中,经常需要判断字符串是否仅包含字母与数字、剔除特殊符号、过滤非法字符、提取纯文本或纯数字。其中字母数字精准匹配与**正则取反(反向匹配)**是数据清洗的核心操作。本文将系统讲解Python正则字母、数字匹配规则、取反原理、常用语法、代码实例与落地应用,帮助实现规范化文本处理。
在Python正则re模块中,针对字母与数字的匹配有固定通用元字符,是实现文本筛选的基础语法。
d:匹配任意 0-9 数字;D:匹配任意非数字(取反);
w:匹配字母、数字、下划线;W:匹配非字母、非数字、非下划线(取反);
[a-zA-Z]:仅匹配大小写英文字母;[0-9]:仅匹配数字;
^ 代表字符串开头,$ 代表字符串结尾,用于整体严格匹配。
正则中大写元字符本质就是小写的取反操作,这是Python正则反向匹配最便捷的核心逻辑。
正向匹配常用于账号校验、用户名校验、订单号筛选,判断字符串是否仅由字母和数字组成,不含特殊符号、空格、中文。
匹配“仅包含大小写字母+数字”:^[a-zA-Z0-9]+$
import re
def check_letter_num(s):
# 严格匹配仅字母数字
res = re.match(r"^[a-zA-Z0-9]+$", s)
return res is not None
# 测试
print(check_letter_num("abc123")) # True
print(check_letter_num("abc123!")) # False
print(check_letter_num("123456")) # True
print(check_letter_num("abc")) # True
该正向匹配可用于注册账号合法性校验、设备ID校验、订单号清洗等场景,过滤含有非法字符的文本。
正则取反(反向匹配),指不匹配某类字符、匹配所有不符合规则的内容,是数据清洗剔除脏字符的关键。Python正则有两种主流取反方式:元字符大写取反、中括号^取反。
d(数字) ↔ D(非数字);w(字母数字下划线) ↔ W(非字母数字下划线)
[^a-zA-Z0-9]:代表匹配所有不是字母、不是数字的字符,是数据清洗最常用的自定义取反规则。
业务场景:用户昵称、备注、导入文本杂乱,存在大量特殊符号、空格、乱码,需要只保留字母和数字,剔除所有其他字符。
[^a-zA-Z0-9] 匹配所有非字母、非数字字符,统一替换为空,实现文本净化。
import re
def clean_letter_num(s):
# 取反匹配:所有非字母数字全部替换为空
new_str = re.sub(r"[^a-zA-Z0-9]", "", s)
return new_str
# 测试
text1 = "user123!!@@"
text2 = "abc456##789测试中文"
print(clean_letter_num(text1)) # user123
print(clean_letter_num(text2)) # abc456789
该方法广泛用于Excel脏数据清洗、用户数据规整、设备号脱敏、字段统一格式化。
def get_only_num(s):
return re.sub(r"D", "", s)
print(get_only_num("订单12345号")) # 12345
def get_only_letter(s):
return re.sub(r"[^a-zA-Z]", "", s)
print(get_only_letter("abc123xyz")) # abcxyz
def del_letter(s):
return re.sub(r"[a-zA-Z]", "", s)
print(del_letter("abc123xyz456")) # 123456
正向匹配:用于校验、判断、筛选符合规则的数据,例如判断账号是否合法、筛选标准订单号。
取反匹配:用于清洗、剔除、规整数据,过滤特殊符号、中文、乱码、空格,实现脏数据净化。
二者配合可以完成绝大多数文本处理场景:先取反清洗脏数据,再正向校验数据合法性。
不写 ^ $ 会造成“部分匹配”,例如 [a-zA-Z0-9]+ 可以匹配 “123!!!” 中的123,导致校验失效,严格校验必须加首尾限制。
w 包含下划线,若业务不允许下划线,必须使用 [a-zA-Z0-9],不可直接使用w。
^ 只有写在中括号内才是取反,写在外面代表开头,位置错误会导致正则完全失效。
在Python文本数据处理中,字母数字匹配与正则取反是数据清洗的基础核心能力。正向匹配 ^[a-zA-Z0-9]+$ 适用于合法性校验,能够精准判断字符串是否为纯字母数字组合;取反操作 [^a-zA-Z0-9] 与大写元字符 D、W 可以快速剔除特殊字符、中文与脏数据,实现文本标准化规整。
熟练掌握正向匹配与反向取反的组合用法,可以高效完成账号校验、字段清洗、文本过滤、数据规整等工作,是数据分析、数据预处理、自动化脚本开发的必备基础技能。

数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12一、什么是加权聚类 普通聚类默认"每个样本、每个指标都同等重要":距离公式里每个样本权重都是 1,每个指标在距离计算里占比相 ...
2026-11-12“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-12一、需求从哪来 做 Excel 报表时,"从一个透视表取数据"这个需求通常有三种来源: 汇总页引用:明细透视表在另一个 sheet,汇总 ...
2026-11-11一、透视表的价值在哪 一句话概括:数据透视表把"写公式汇总"变成了"拖字段看结果"。 传统做法要写 SUMIFS、COUNTIFS,改一个维 ...
2026-11-11