正则表达式：匹配和提取文本中的模式

正则表达式是一种强大的工具，用于在文本中查找、匹配和提取特定的模式。它们在文本处理、搜索引擎、数据清洗和信息提取等领域非常有用。本文将介绍正则表达式的基本概念、语法和常见用法，并通过一些示例代码来说明它们的应用。

1. 正则表达式基础

正则表达式由一系列字符和特殊字符组成，用于定义匹配模式。以下是一些常见的特殊字符：

• \d：匹配任意一个数字。
• \w：匹配任意一个字母、数字或下划线。
• \s：匹配任意一个空白字符。
• .：匹配任意一个字符（除了换行符）。
• *：匹配前面的字符零次或多次。
• +：匹配前面的字符一次或多次。
• ?：匹配前面的字符零次或一次。
• []：匹配方括号内的任意一个字符。

2. 正则表达式语法

正则表达式的语法包括字符和特殊字符的组合，以及一些限定符和边界符号。下面是一些常见的语法规则：

• ()：用于分组匹配，可以通过|进行选择。
• ^：匹配输入字符串的开始位置。
• $：匹配输入字符串的结束位置。
• \b：匹配单词的边界。
• \d{3}：匹配连续出现的3个数字。
• \w+：匹配一个或多个字母、数字或下划线。
• \s*：匹配零个或多个空白字符。

3. 正则表达式的应用

接下来，我们将通过一些示例代码来演示正则表达式的应用。

示例1：匹配邮箱地址

import re

pattern = r'\w+@\w+\.\w+'
text = 'My email is john@example.com'

match = re.search(pattern, text)
if match:
    print('Email found:', match.group())
else:
    print('Email not found.')

输出：

Email found: john@example.com

示例2：提取HTML标签中的内容

import re

pattern = r'<(\w+)>(.*?)</\1>'
text = '<h1>Hello World</h1>'

matches = re.findall(pattern, text)
for match in matches:
    print('Tag:', match[0])
    print('Content:', match[1])

输出：

Tag: h1
Content: Hello World

示例3：替换文本中的敏感信息

import re

pattern = r'\b(\w+)\b'
text = 'Please do not share your password: 123456'

replaced_text = re.sub(pattern, '***', text)
print('Replaced text:', replaced_text)

输出：

Replaced text: Please do not share your password: ******

通过上述示例，我们可以看到正则表达式的强大功能。它们可以轻松地匹配和提取文本中的特定模式，实现文本处理、数据清洗和信息提取等任务。

总结

正则表达式是一种强大的工具，用于在文本中查找、匹配和提取特定的模式。本文介绍了正则表达式的基本概念、语法和常见用法，并通过示例代码展示了它们的应用。希望这篇文章能够帮助你理解和使用正则表达式。