python入门系列十七(正则表达式)

1.引言

针对文本处理任务,正则表达式是一项很有用的能力。比如下面这些场景:

  • 输入数据校验:保障数据符合格式要求(Email,电话号码)
  • 数据提取:提取模式化数据(电话号码,ID,URL)
  • 文本处理:替换,清洗,格式化
  • 结构化文本解析:日志,配置文件
  • 安全防护:敏感信息检查,攻击特征识别

等等。这篇文章,我们来看正则表达式的方方面面。

2.正则表达式

2.1.基础语法

2.1.1.元字符

正则表达式的本质,是通过一系列特殊字符构建匹配模式,这些特殊字符分类有:定位符,通配符,量词符,逻辑符

shell 复制代码
- 定位符
^:匹配字符串开始
$:匹配字符串结尾
\b:匹配单词边界

^:匹配字符串开始示例

$:匹配字符串结尾示例

\b:匹配单词边界示例

shell 复制代码
- 通配符
.:匹配除换行符以外的任意单个字符
\d:匹配数字
\w:匹配单词字符(字母,数字,下划线)
\s:匹配空白字符(空格,制表符,换行)

.:匹配除换行符以外的任意单个字符

\d:匹配数字

\w:匹配单词字符(字母,数字,下划线)

\s:匹配空白字符(空格,制表符,换行)

shell 复制代码
- 量词符
*:0次或多次
+:一次或多次
?:0次或一次
{n}:精确n次
{n,}:至少n次
{n,m}:n到m次

*:0次或多次

+:一次或多次

?:0次或一次

{n}:精确n次

{n,}:至少n次

{n,m}:n到m次

shell 复制代码
- 逻辑符
|:或运算
[...]:字符集合
[^...]:否定字符集合

|:或运算

[...]:字符集合

\^...\]:否定字符集合 ![image.png](https://oss.xyyzone.com/jishuzhan/article/1911210566816956418/8eec1f14503ec6d13cd0896b61f947ca.webp) #### 2.1.2.分组 在文本提取场景中,可以通过"()"创建分组方式提取目标数据: ```shell ():创建捕获分组 (?:):非捕获组 (?P):命名分组 ``` **():创建捕获分组** ![image.png](https://oss.xyyzone.com/jishuzhan/article/1911210566816956418/9a5e51d4e329d0ac0b521873062f666c.webp) **(?:):非捕获组** ![image.png](https://oss.xyyzone.com/jishuzhan/article/1911210566816956418/4cff462eda65787726b751bd2b870883.webp) **(?P\]+>', '', text) print("移除html标签结果:",text) # 标准化日期格式 2023-08-15 text = re.sub(r'(\d{4})/(\d{2})/(\d{2})', r'\1-\2-\3', text) print("替换日期格式结果:",text) # 删除重复空格 text = re.sub(r'\s+', ' ', text) print("删除重复空格结果:",text) return text.strip() # 调用函数进行文本清洗 cleaned_text = clean_text(text) ``` ![image.png](https://oss.xyyzone.com/jishuzhan/article/1911210566816956418/f337c359be02d395cf7a2f73357494b9.webp) #### 2.2.3.最佳实践 在使用python编程接口处理正则表达式中,有一些可参考的最佳实践原则: * 优先使用原始字符串(r'') * 复杂模式添加注释(re.VERBOSE) * 预编译多次使用正则表达式 * 非捕获分组减少内存消耗 * 安全审查用户输入的正则表达式 * 合理使用第三方库,比如regex功能更强大

相关推荐
金井PRATHAMA2 小时前
描述逻辑(Description Logic)对自然语言处理深层语义分析的影响与启示
人工智能·自然语言处理·知识图谱
Rock_yzh2 小时前
AI学习日记——参数的初始化
人工智能·python·深度学习·学习·机器学习
10岁的博客2 小时前
PyCharm一键安装SciPy全攻略
ide·pycharm·scipy
CiLerLinux4 小时前
第四十九章 ESP32S3 WiFi 路由实验
网络·人工智能·单片机·嵌入式硬件
青衫客364 小时前
基于 Python 构建的安全 gRPC 服务——TLS、mTLS 与 Casbin 授权实战
python·安全·微服务
-dzk-5 小时前
【3DGS复现】Autodl服务器复现3DGS《简单快速》《一次成功》《新手练习复现必备》
运维·服务器·python·计算机视觉·3d·三维重建·三维
七芒星20235 小时前
多目标识别YOLO :YOLOV3 原理
图像处理·人工智能·yolo·计算机视觉·目标跟踪·分类·聚类
Learn Beyond Limits6 小时前
Mean Normalization|均值归一化
人工智能·神经网络·算法·机器学习·均值算法·ai·吴恩达
摩羯座-185690305946 小时前
爬坑 10 年!京东店铺全量商品接口实战开发:从分页优化、SKU 关联到数据完整性闭环
linux·网络·数据库·windows·爬虫·python
ACERT3336 小时前
5.吴恩达机器学习—神经网络的基本使用
人工智能·python·神经网络·机器学习