自然语言处理—基于规则的词法分析—基于正则表达式的词性分析方法

（一）邮箱地址和网址提取

构建正则表达式

re模块常见相关函数

re.search()在一个字符串中搜索正则表达式的第一个位置，返回match对象

re.match()从一个字符串的开始位置起匹配正则表达式，返回match对象

re.findall()搜索字符串，以列表类型返回全部能匹配的子串

re.split()将一个字符串按照正则表达式匹配结果进行分割，返回列表类型

re.finditer()搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象

re.sub()在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串 

举例说明：

 

 邮箱地址提取：

输入：

请使用我的邮箱:nlp@nudt.com，发邮件给:educoder@edu.net

import re
string =input()
email=re.findall(r"[a-z0-9\.\-+_]+@[a-z0-9\.\-+_]+\.[a-z]+", string)
print("提取邮箱地址如下：")
for i in range(len(email)):
    print(email[i])

 输出结果：

提取邮箱地址如下：
nlp@nudt.com
educoder@edu.net

 网址提取：

输入：

please click https://www.educoder.net

import re
string =input()
urls=re.findall(r"(http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*,]|(?:%[0-9a-fA-F][0-9a-fA-F]))+)|([a-zA-Z]+.\w+\.+[a-zA-Z0-9\/_]+)",string)
print("提取网址如下：")
urls=list(sum(urls,()))
for i in range(len(urls)):
    print(urls[i])

 输出结果：

提取网址如下：
https://www.educoder.net

（二）密码提取

输入： 

密码是：NUDT_NLP2021

import re
string =input()
print("提取密码是")
p=re.compile('[a-z]|[A-Z]|_|\d')
t=re.findall(p,string)
if t:
    for i in t:
        print(i,end="")

 输出结果：

提取密码是
NUDT_NLP2021