掌握 Python RegEx：深入探讨模式匹配

什么是正则表达式？

正则表达式通常缩写为 regex，是处理文本的有效工具。本质上，它们由一系列建立搜索模式的字符组成。该模式可用于广泛的字符串操作，包括匹配模式、替换文本和分割字符串。

历史

数学家 Stephen Cole Kleene 在 20 世纪 50 年代首次引入正则表达式作为描述正则集或正则语言的表示法。

如今，正则表达式已成为程序员、数据科学家和 IT 专业人员的一项基本技能。

重要性

在深入研究如何使用这些正则表达式之前，让我们通过使用Python来看看它的不同应用范围，以激励我们自己。

• 数据验证：正则表达式对于验证不同类型的数据非常有用。（电子邮件地址、电话号码）
• 网页抓取：通过网页抓取数据时，可以使用正则表达式来解析 HTML 并隔离必要的信息。
• 搜索和替换：正则表达式擅长识别符合特定模式的字符串并用替代项替换它们。此功能在文本编辑器、数据库和编码中尤其有价值。
• 语法突出显示：许多文本编辑器使用正则表达式来进行语法突出显示。
• 自然语言处理 (NLP)：在 NLP 中，正则表达式可用于标记化、词干提取和一系列其他文本处理函数等任务。
• 日志分析：在处理日志文件时，正则表达式可以有效地提取特定日志条目或分析一段时间内的模式。

现在我希望你有足够的动力！

让我们开始使用 re 模块，它是关于正则表达式的。

re 模块简介

Python 通过 re 模块提供对正则表达式的固有支持。

该模块是Python的标准库，这意味着您不必在外部安装它，它会随每个Python安装一起提供。

re 模块包含用于使用正则表达式的各种函数和类。一些函数用于匹配文本，一些函数用于分割文本，还有一些函数用于替换文本。

它包括为处理正则表达式而定制的各种函数和类。其中，某些函数被指定用于文本匹配，其余函数被指定用于文本分割或文本替换。

导入 re 模块

正如我们已经提到的，它附带安装，因此无需担心安装。

这就是为什么要开始在 Python 中使用正则表达式，您需要首先导入 re 库。您可以使用 import 语句来执行此操作，如下所示。

import re

导入库后，您可以启动 re 模块提供的函数和类等功能。

让我们从一个简单的例子开始。

假设您想要查找字符串中出现的所有单词“Python”。

我们可以使用 re 模块中的 findall() 函数。

这是代码。

import re 
# Sample text 
text = "Python is an amazing programming language. Python is widely used in various fields." 
# Find all occurrences of 'Python' 
matches = re.findall("Python", text) 
# Output the matches 
print(matches)

re 模块中有更多函数可以用来构建更复杂的模式。但首先，让我们看看 re 模块中的常用函数。

常用函数

在向您介绍 Python RegEx 的基础知识之前，我们先看看常用函数，以便更好地掌握其余概念。re 模块包含许多不同的功能。通过使用它们，我们可以执行不同的操作。

在接下来的部分中，我们将发现其中的一些。

re.match()

re.match() 捕获正则表达式是否以特定字符串开头。

如果存在匹配，该函数返回一个匹配对象；如果没有，则不返回任何内容。

接下来，我们将使用 re.match() 函数。这里我们将检查字符串文本是否以单词“Python”开头。然后我们将结果打印到控制台。

import re
pattern = "Python"
text = "Python is amazing."
# Check if the text starts with 'Python'
match = re.match(pattern, text)
# Output the result
if match:
    print("Match found:", match.group())
else:
    print("No match found")

• 输出

输出显示模式“Python”与文本的开头匹配。

re.search()

与 re.match() 相比，re.search() 函数扫描整个字符串来搜索匹配项，如果发现匹配项，则生成一个匹配对象。

在下面的代码中，我们使用 re.search() 函数在字符串文本中的任意位置搜索单词“amazing”。如果找到该单词，我们将其打印出来；否则，我们打印“未找到匹配项”。

pattern = "amazing"
text = "Python is amazing."
# Search for the pattern in the text
match = re.search(pattern, text)
# Output the result
if match:
    print("Match found:", match.group())
else:
    print("No match found")

• 输出

输出显示我们的代码从给定的文本中捕捉到了令人惊奇的结果。

re.findall()

re.findall() 函数用于收集字符串中某个模式的所有非重叠匹配项。它将这些匹配项作为字符串列表返回。

在下面的示例中，我们使用 re.findall() 函数查找字符串中的所有“a”。匹配项作为列表返回，然后我们将其打印到控制台。

pattern = "a"
text = "This is an example text."
# Find all occurrences of 'a' in the text
matches = re.findall(pattern, text)
# Output the matches
print(matches)

• 输出

输出表示在我们的文本中找到的字母“a”的所有非重叠出现。

re.finditer()

re.finditer() 函数与 re.findall() 类似，但它返回一个迭代器，该迭代器产生匹配对象。

在下面的代码中，re.finditer()函数用于查找字符串文本中所有出现的字母“a”。它返回匹配对象的迭代器，我们打印每个匹配的索引和值。

pattern = "a"
text = "This is an example text."
# Find all occurrences of 'a' in the text
matches = re.finditer(pattern, text)
# Output the matches
for match in matches:
    print(f"Match found at index {match.start()}: {match.group()}")

• 输出

输出显示文本中模式“a”的索引。

re.sub()

re.sub() 函数用于将一个字符串替换为另一个字符串。接下来，我们将使用 re.sub() 函数将“Python”替换为“Java”。然后我们打印修改后的字符串。

pattern = "Python"
replacement = "Java"
text = "I love Python. Python is amazing."
# Replace 'Python' with 'Java'
new_text = re.sub(pattern, replacement, text)
# Output the new text
print(new_text)  # Output: "I love Java. Java is amazing."

• 输出

输出显示我们可以成功地将文本中的“Python”替换为“Java”。

往期推荐

• Transformer 模型实用介绍：BERT
• 使用预先训练的扩散模型进行图像合成
• Plotly 和 Pandas：强强联手实现有效的数据可视化
• 微调预训练的 NLP 模型