探索Python中的re模块：文本处理的利器

在Python编程的世界里，文本处理是一项常见且重要的任务。无论是数据清洗、日志分析，还是简单的字符串匹配，re模块都是不可或缺的工具。本文将带你深入探索re模块的强大功能，揭示其在文本处理中的独特魅力。

初识re模块

re模块是Python标准库的一部分，全称为Regular Expression，即正则表达式。它提供了一系列用于处理字符串的函数，使得复杂的文本匹配变得简单高效。正则表达式是一种强大的文本匹配工具，通过特定的模式来描述和匹配字符串。

基本用法

导入模块

首先，我们需要导入re模块：

import re

匹配字符串

使用re.match()函数可以检查字符串是否从头开始匹配指定的模式：

pattern = r"hello"
text = "hello world"
match = re.match(pattern, text)
if match:
    print("Match found:", match.group())
else:
    print("No match found")

搜索字符串

re.search()函数在整个字符串中搜索第一次出现的匹配项：

pattern = r"world"
text = "hello world"
search = re.search(pattern, text)
if search:
    print("Search found:", search.group())
else:
    print("No search found")

找到所有匹配项

re.findall()函数返回所有匹配项的列表：

pattern = r"\d+"
text = "There are 123 apples and 456 bananas"
matches = re.findall(pattern, text)
print("All matches:", matches)

高级用法

分组匹配

正则表达式中的分组（使用圆括号()）可以将匹配的部分提取出来：

pattern = r"(\d{4})-(\d{2})-(\d{2})"
text = "Today's date is 2023-10-05"
match = re.search(pattern, text)
if match:
    year, month, day = match.groups()
    print(f"Year: {year}, Month: {month}, Day: {day}")

替换字符串

re.sub()函数用于替换字符串中匹配的部分：

pattern = r"apple"
text = "I have an apple"
replacement = "orange"
new_text = re.sub(pattern, replacement, text)
print("Replaced text:", new_text)

分割字符串

re.split()函数可以根据正则表达式分割字符串：

pattern = r",|\s"
text = "apple, banana orange"
split_text = re.split(pattern, text)
print("Split text:", split_text)

实战应用

邮件地址提取

假设我们需要从一个文本中提取所有的邮件地址：

pattern = r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b"
text = "Contact us at support@example.com or sales@example.org"
emails = re.findall(pattern, text)
print("Extracted emails:", emails)

URL解析

提取URL中的域名：

pattern = r"https?://([^/]+)"
text = "Visit https://www.example.com for more info"
domain = re.search(pattern, text)
if domain:
    print("Domain:", domain.group(1))