Python文本处理：正则表达式应用

在Python编程中，文本处理是一项常见且重要的任务。无论是数据清洗、信息提取，还是模式匹配，正字表达式（Regular Expression）都扮演着至关重要的角色。本文将深入探讨Python中正则表达式的应用，带你领略其在文本处理中的强大功能。

Python文本处理：正则表达式应用

正则表达式基础

正则表达式是一种用于匹配字符串中字符组合的模式。Python内置的re模块提供了丰富的正则表达式操作功能。以下是一些基础的正则表达式符号：

.：匹配除换行符以外的任意字符
*：匹配前面的子表达式零次或多次
+：匹配前面的子表达式一次或多次
?：匹配前面的子表达式零次或一次
^：匹配输入字符串的开始位置
$：匹配输入字符串的结束位置

实战应用：数据清洗

在数据清洗过程中，正则表达式可以帮助我们快速定位和替换不符合规范的字符。例如，从一段文本中提取电子邮件地址：

import re

text = "联系邮箱：example@example.com，备用邮箱：backup@example.net"
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'

emails = re.findall(pattern, text)
print(emails)

输出结果将是：

['example@example.com', 'backup@example.net']

实战应用：信息提取

在信息提取方面，正则表达式同样大放异彩。假设我们需要从一段HTML代码中提取所有的链接：

html = "<a href='https://www.example.com'>Example</a> <a href='https://www.google.com'>Google</a>"
pattern = r'https?://[^\s]+'

links = re.findall(pattern, html)
print(links)

输出结果将是：

['https://www.example.com', 'https://www.google.com']

高级应用：复杂模式匹配

在实际应用中，我们常常需要匹配更复杂的模式。例如，验证一个字符串是否为有效的IPv4地址：

def is_valid_ip(ip):
    pattern = r'^(\d{1,3}\.){3}\d{1,3}$'
    if re.match(pattern, ip):
        return True
    return False

print(is_valid_ip("192.168.1.1"))  # 输出: True
print(is_valid_ip("256.100.50.25"))  # 输出: False