Python正则表达式函数简介及应用举例

在Python编程中，正则表达式是很重要的一部分，因为它可以用来处理字符串以及文本数据。在这篇文章中，我们将介绍Python正则表达式的一些基本概念、常用函数及应用举例。

一、正则表达式基本概念

正则表达式是一种特殊的字符序列，它可以用来匹配出符合某种模式的字符串。正则表达式中常用的符号有： - `.`：匹配任意一个字符。 - `*`：表示匹配0个或多个字符。 - `+`：表示匹配1个或多个字符。 - `?`：表示匹配0个或1个字符。 - `{}`：表示匹配指定的重复次数。 - `[]`：表示匹配指定的字符集合。 - `\`：用来转义特殊字符，例如`\d`表示匹配数字。 在Python中，使用`re`模块来操作正则表达式，常用函数有： - `re.compile(pattern)`：将正则表达式编译成一个Pattern对象，可以重复使用。 - `re.search(pattern, string)`：在string中搜索匹配pattern的第一个位置，并返回一个Match对象。如果没有找到匹配的位置，则返回None。 - `re.match(pattern, string)`：同search()，但只从string的开始位置进行匹配。 - `re.findall(pattern, string)`：搜索string，以列表形式返回所有匹配的字符串。 - `re.finditer(pattern, string)`：搜索string，返回一个匹配结果的迭代器。 - `re.sub(pattern, repl, string)`：使用repl替换string中所有匹配pattern的子串，返回替换后的字符串。 下面给出一些基本的正则表达式示例：

import re

# 匹配数字
pattern = r'\d+'
text = 'I have 100 dollars and 20 cents.'
result = re.findall(pattern, text)
print(result)  # ['100', '20']

# 匹配电子邮件地址
pattern = r'\w+@\w+\.\w+'
text = 'My email is abc123@gmail.com.'
result = re.findall(pattern, text)
print(result)  # ['abc123@gmail.com']

# 匹配电话号码
pattern = r'\d{3}-\d{3}-\d{4}'
text = 'My phone number is 123-456-7890.'
result = re.findall(pattern, text)
print(result)  # ['123-456-7890']

二、正则表达式扩展用法

除了基本正则表达式外，还有一些扩展用法可以用来处理更复杂的匹配模式： - `(pattern)`：表示捕获分组，可以将匹配的子串保存到变量中。 - `(\d+)`：表示捕获分组，只匹配数字。 - `\1`：表示反向引用，引用第1个捕获分组的内容。 - `(?:pattern)`：表示非捕获分组，用于提高效率。 - `(?=pattern)`：表示正向预查，在匹配pattern的情况下，要求紧随其后的字符也符合条件。 - `(?!pattern)`：表示负向预查，在不匹配pattern的情况下，才匹配紧随其后的字符。 下面给出一个关于正则表达式扩展用法的示例：

import re

# 处理HTML标签
html = '<div class="container"><p>Hello, world!</p></div>'
pattern = r'<.*?>(.*)</.*?>'
result = re.findall(pattern, html)
print(result)  # ['Hello, world!']

# 搜索相邻单词
text = 'I love Python programming, how about you?'
pattern = r'\b(\w+)\b\s+(?=\1)'
result = re.findall(pattern, text)
print(result)  # ['Python']

#查找连续重复的字符
text = 'aaaabbbbccccddddd'
pattern = r'(\w)\1+'
result = re.findall(pattern, text)
print(result)  # ['aaaa', 'bbbb', 'cccc', 'ddddd']

三、正则表达式应用举例

正则表达式在文本处理中有广泛的应用，例如： - 邮箱地址的校验，验证用户输入的是否符合指定格式。 - 爬虫中对返回的HTML文本进行解析，提取需要的内容。 - 日志文件中提取特定的记录，从而进行分析。 - 敏感词过滤，过滤掉一些敏感的关键字，例如色情、暴力、政治敏感等。 - 数据库中的模糊查询，快速地查找符合某种模式的数据。 下面给出一些正则表达式应用的示例：

import re

# 邮箱地址校验
pattern = r'\w+@\w+\.\w+'
email = 'abc123@gmail.com'
if re.match(pattern, email):
    print('Email address is valid.')
else:
    print('Email address is not valid.')

# 爬虫中的正则表达式解析
import requests
url = 'https://www.baidu.com'
resp = requests.get(url)
text = resp.text
pattern = r''
result = re.search(pattern, text)
print(result.group(1))  # '百度一下，你就知道'

# 日志文件记录提取
log = '2022-01-01 10:05:20 INFO [example.py] Some message log.'
pattern = r'(\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2}).(\w+)\[(.*?)\](.*)'
result = re.findall(pattern, log)
for item in result:
    print(item)

# 敏感词过滤
pattern = r'色情|暴力|政治'
text = '今天看见一些色情的画面，感觉很不舒服。'
result = re.sub(pattern, '**', text)
print(result)  # '今天看见一些**的画面，感觉很不舒服。'

# 数据库中的模糊查询
import sqlite3
conn = sqlite3.connect('example.db')
cursor = conn.cursor()
cursor.execute("SELECT * FROM users WHERE name LIKE 'Mike%'")
result = cursor.fetchall()
print(result)
conn.close()

以上就是Python正则表达式函数的介绍及应用举例。在实际编程中，正则表达式是一种强大的工具，掌握它可以大大提高我们数据处理的效率。