目录一、前言：为什么 2026 年我还要写一篇关于re.findall()的爬虫文章？二、re.findall()到底是什么？2.1 一句话解释2.2re.findall()三大返回值陷阱（90% 的新手都踩过）陷阱一：有分组时，返回元组列表陷阱二：嵌套分组，只捕获最内层陷阱三：(?...)非捕获分组不影响，但?:很多人写错三、实战项目：2026 年豆瓣电影 Top250 数据抓取（纯re.findall()版）3.1 为什么选豆瓣？3.2 第一步：分析真实页面结构（用手，不用 AI）3.3 编写纯正则提取器四、性能优化：re.compile()让你快 3-5 倍五、对抗反爬：re.findall()与动态 token 提取六、编码陷阱：为什么你的re.findall()匹配不到中文？6.1 症状6.2 原因七、高级技巧：re.findall()结合re.finditer()做流式处理八、2026 最新实践：用 LLM 辅助生成复杂正则示例提示词：九、完整项目：异步爬取 +re.findall()+ 数据清洗一、前言：为什么 2026 年我还要写一篇关于re.findall()的爬虫文章？现在的爬虫圈张口就是Scrapy、Playwright、DrissionPage，闭口就是异步、分布式、浏览器指纹。技术越来越花哨，但很多人连最基本的结构化文本提取都没吃透。你有没有遇到过这种情况：BeautifulSoup解析一个 300MB 的 HTML 直接内存爆炸？lxml因为标签少了一个闭合括号而彻底罢工？pyquery在动态类名面前毫无还手之力？这个时候，正则表达式 +re.find