python正则表达式处理文本内容_Rust 文本处理之正则表达式 Rust 实践指南

正则表达式，又称规则表达式。(英语：Regular Expression，在代码中常简写为regex、regexp或RE)，计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在Perl中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由Unix中的工具软件(例如sed和grep)普及开的。正则表达式通常缩写成“regex”，单数有regexp、regex，复数有regexps、regexes、regexen。

Rust 中对正则表达式的支持通过 regex crate 提供，我们从验证并提取电子邮件登录信息、从文本提取标签元素唯一的列表、从文本提取电话号码、通过匹配多个正则表达式来筛选日志文件、文本模式替换等几个应用案例对 Rust 的正则表达式处理进行体验。

验证并提取电子邮件登录信息

验证电子邮件地址的格式是否正确，并提取 @ 符号之前的所有内容。

use lazy_static::lazy_static;use regex::Regex;fn extract_login(input: &str) -> Option {    lazy_static! {        static ref RE: Regex = Regex::new(r"(?x)            ^(?P[^@\s]+)@            ([[:word:]]+\.)*            [[:word:]]+$            ").unwrap();    }    RE.captures(input).and_then(|cap| {        cap.name("login").map(|login| login.as_str())    })}fn main() {    assert_eq!(extract_login(r"I❤email@example.com"), Some(r"I❤email"));    assert_eq!(        extract_login(r"sdf+sdsfsd.as.sdsd@jhkk.d.rl"),        Some(r"sdf+sdsfsd.as.sdsd")    );    assert_eq!(extract_login(r"More@Than@One@at.com"), None);    assert_eq!(extract_login(r"Not an email@email"), None);}

从文本提取标签元素唯一的列表

本实例展示从文本中提取、排序和去除标签列表的重复元素。

这里给出的标签正则表达式只捕获以字母开头的拉丁语标签，完整的 twitter 标签正则表达式要复杂得多。

use lazy_static::lazy_static;use regex::Regex;use std::collections::HashSet;fn extract_hashtags(text: &str) -> HashSet {    lazy_static! {        static ref HASHTAG_REGEX : Regex = Regex::new(                r"\#[a-zA-Z][0-9a-zA-Z_]*"            ).unwrap();    }    HASHTAG_REGEX.find_iter(text).map(|mat| mat.as_str()).collect()}fn main() {    let tweet = "Hey #world, I just got my new #dog, say hello to Till. #dog #forever #2 #_ ";    let tags = extract_hashtags(tweet);    assert!(tags.contains("#dog") && tags.contains("#forever") && tags.contains("#world"));    assert_eq!(tags.len(), 3);}

从文本提取电话号码

使用 Regex::captures_iter 处理一个文本字符串，以捕获多个电话号码。这里的例子中是美国电话号码格式。

use error_chain::error_chain;use regex::Regex;use std::fmt;error_chain!{    foreign_links {        Regex(regex::Error);        Io(std::io::Error);    }}struct PhoneNumber<'a> {    area: &'a str,    exchange: &'a str,    subscriber: &'a str,}impl<'a> fmt::Display for PhoneNumbera> {    fn fmt(&self, f: &mut fmt::Formatter) -> fmt::Result {        write!(f, "1 ({}) {}-{}", self.area, self.exchange, self.subscriber)    }}fn main() -> Result {    let phone_text = "    +1 505 881 9292 (v) +1 505 778 2212 (c) +1 505 881 9297 (f)    (202) 991 9534    Alex 5553920011    1 (800) 233-2010    1.299.339.1020";    let re = Regex::new(        r#"(?x)          (?:\+?1)?                       # 国家代码，可选项          [\s\.]?          (([2-9]\d{2})|\(([2-9]\d{2})\)) # 地区代码          [\s\.\-]?          ([2-9]\d{2})                    # 交换代码          [\s\.\-]?          (\d{4})                         # 用户号码"#,    )?;    let phone_numbers = re.captures_iter(phone_text).filter_map(|cap| {        let groups = (cap.get(2).or(cap.get(3)), cap.get(4), cap.get(5));        match groups {            (Some(area), Some(ext), Some(sub)) => Some(PhoneNumber {                area: area.as_str(),                exchange: ext.as_str(),                subscriber: sub.as_str(),            }),            _ => None,        }    });    assert_eq!(        phone_numbers.map(|m| m.to_string()).collect::>(),        vec![            "1 (505) 881-9292",            "1 (505) 778-2212",            "1 (505) 881-9297",            "1 (202) 991-9534",            "1 (555) 392-0011",            "1 (800) 233-2010",            "1 (299) 339-1020",        ]    );    Ok(())}

以上实例代码都是完整的、可独立运行的程序，因此你可以直接复制它们到自己的项目中进行试验。

如果希望从头了解如何运行上述实例代码，请参考《Rust 实践指南》中关于本书-如何使用本书实例部分。也可以复制链接：http://budshome.com/rust-cookbook/about.html 点击阅读原文进行更详细的学习。