Python正则表达式：提取关键信息并输出结果
Python 正则表达式：提取关键信息并输出结果
正则表达式（Regular Expression，简称 regex 或 regexp）是一种强大的文本处理工具，它允许你使用特定的模式来匹配、搜索和操作字符串。在 Python 中，re 模块提供了对正则表达式的全面支持，使得提取关键信息变得高效且灵活。本文将深入探讨 Python 正则表达式的使用方法，涵盖从基础语法到高级技巧，并辅以丰富的示例，帮助你掌握如何利用正则表达式提取关键信息并输出结果。
一、正则表达式基础
-
字符匹配:
-
.匹配除换行符以外的任意单个字符。 []匹配字符集中的任意单个字符，例如[abc]匹配 a、b 或 c。[^]匹配不在字符集中的任意单个字符，例如[^abc]匹配除 a、b、c 以外的任意单个字符。\d匹配数字，等价于[0-9]。\D匹配非数字，等价于[^0-9]。\w匹配字母数字和下划线，等价于[a-zA-Z0-9_]。\W匹配非字母数字和下划线，等价于[^a-zA-Z0-9_]。\s匹配空白字符，包括空格、制表符、换行符等。-
\S匹配非空白字符。 -
数量词:
-
*匹配前一个字符 0 次或多次。 +匹配前一个字符 1 次或多次。?匹配前一个字符 0 次或 1 次。{m}匹配前一个字符 m 次。{m,n}匹配前一个字符 m 到 n 次。-
{m,}匹配前一个字符至少 m 次。 -
边界匹配:
-
^匹配字符串的开头。 $匹配字符串的结尾。\b匹配单词边界。-
\B匹配非单词边界。 -
分组和捕获:
-
()用于分组和捕获匹配的子字符串。 -
(?:)用于分组但不捕获匹配的子字符串。 -
特殊字符转义:
-
使用
\转义特殊字符，例如\.、\*、\+等。
二、Python re 模块常用函数
re.compile(pattern): 编译正则表达式模式，返回一个正则表达式对象，可以提高匹配效率。re.match(pattern, string): 从字符串开头匹配，如果匹配成功则返回匹配对象，否则返回 None。re.search(pattern, string): 在字符串中搜索第一个匹配，如果匹配成功则返回匹配对象，否则返回 None。re.findall(pattern, string): 返回所有非重叠匹配的列表。re.finditer(pattern, string): 返回所有非重叠匹配的迭代器。re.sub(pattern, repl, string): 将匹配的子字符串替换为 repl。re.split(pattern, string): 使用匹配的子字符串作为分隔符分割字符串。
三、提取关键信息示例
- 提取邮箱地址:
```python
import re
text = "我的邮箱是 [email protected], 他的邮箱是 [email protected]."
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: ['[email protected]', '[email protected]']
```
- 提取 URL:
```python
import re
text = "访问我的网站 https://www.example.com 或 http://example.net."
pattern = r"https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+"
urls = re.findall(pattern, text)
print(urls) # 输出: ['https://www.example.com', 'http://example.net']
```
- 提取日期:
```python
import re
text = "今天是 2023-10-27，明天是 2023-10-28。"
pattern = r"\d{4}-\d{2}-\d{2}"
dates = re.findall(pattern, text)
print(dates) # 输出: ['2023-10-27', '2023-10-28']
```
- 提取特定标签内容:
```python
import re
html = "
这是一个段落。
这是另一个段落。
"
pattern = r"
(.*?)
"
paragraphs = re.findall(pattern, html)
print(paragraphs) # 输出: ['这是一个段落。', '这是另一个段落。']
```
- 使用分组捕获多个信息:
```python
import re
text = "用户 John Doe 的 ID 是 12345。"
pattern = r"用户 (\w+) (\w+) 的 ID 是 (\d+)."
match = re.search(pattern, text)
if match:
first_name = match.group(1)
last_name = match.group(2)
user_id = match.group(3)
print(f"First Name: {first_name}, Last Name: {last_name}, User ID: {user_id}")
# 输出: First Name: John, Last Name: Doe, User ID: 12345
```
四、高级技巧
-
非贪婪匹配: 在数量词后面添加
?可以实现非贪婪匹配，例如.*?匹配尽可能少的字符。 -
命名捕获组: 使用
(?P<name>...)可以给捕获组命名，方便后续访问。 -
预查和后查: 使用
(?=...)(正向预查)、(?!...)(负向预查)、(?<=...)(正向后查) 和(?<!...)(负向后查) 可以实现更复杂的匹配逻辑。 -
标志:
re模块提供了一些标志，例如re.IGNORECASE(忽略大小写)、re.MULTILINE(多行匹配) 等，可以修改正则表达式的行为。
五、总结
Python 正则表达式是一个强大的工具，可以帮助你高效地提取关键信息。本文介绍了正则表达式的基础语法、re 模块常用函数以及一些高级技巧，并提供了丰富的示例。通过学习和实践，你可以灵活运用正则表达式解决各种文本处理问题。 建议你多练习，并查阅 Python 官方文档以获取更详细的信息。 掌握正则表达式将极大地提高你的编程效率，尤其是在处理文本数据时。 希望本文能帮助你更好地理解和应用 Python 正则表达式。