手撕Python之正则

正则表达式（Regular Expression，简称正则）是一种用于匹配字符串的强大工具。在Python中，使用re模块可以方便地进行正则表达式操作。无论是数据清洗、文本处理还是Web抓取，正则表达式都能帮我们高效地处理字符串。

正则表达式的基本语法

正则表达式包含了许多特殊字符和语法规则，用于描述字符串的模式。以下是一些常见的语法元素：

• .：匹配任意单个字符（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。
• ^：匹配字符串的开头。
• $：匹配字符串的结尾。
• []：匹配方括号内的任意一个字符，例如[abc]匹配'a'、'b'或'c'。
• ()：用于分组，提取子串。
• |：表示“或”操作符，匹配符号前后的表达式。

Python中的re模块

在Python中，使用re模块来处理正则表达式。下面是一些常用的函数：

• re.match(pattern, string)：从字符串的起始位置匹配正则表达式。
• re.search(pattern, string)：搜索字符串中符合正则表达式的第一个位置。
• re.findall(pattern, string)：返回字符串中所有与正则表达式匹配的子串，返回值是一个列表。
• re.sub(pattern, repl, string)：替换字符串中匹配正则表达式的部分，返回替换后的字符串。

示例代码

下面，我们通过示例代码来展示如何使用正则表达式处理字符串。

import re

# 1. 匹配手机号
phone_number = "我的电话号码是13812345678，请保持联系"
pattern = r"\d{11}"  # 匹配11位数字
match = re.search(pattern, phone_number)
if match:
    print("找到手机号:", match.group())  # 输出: 找到手机号: 13812345678

# 2. 提取邮箱地址
text = "请发送邮件到example@mail.com或info@domain.org"
email_pattern = r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,6}"
emails = re.findall(email_pattern, text)
print("找到的邮箱:", emails)  # 输出: 找到的邮箱: ['example@mail.com', 'info@domain.org']

# 3. 替换文本中的敏感词
sensitive_text = "这个产品的价格是$100，但我觉得贵得离谱。"
replacement_pattern = r"\$[0-9]+"
censored_text = re.sub(replacement_pattern, "****", sensitive_text)
print("替换后的文本:", censored_text)  # 输出: 替换后的文本: 这个产品的价格是****，但我觉得贵得离谱。

# 4. 验证密码强度
password = "Password123!"
password_pattern = r"^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)[A-Za-z\d@$!%*?&#]{8,}$"  # 至少8位，包含大小写字母和数字
if re.match(password_pattern, password):
    print("密码强度合格")
else:
    print("密码强度不合格")

总结

正则表达式在数据处理中提供了强大的灵活性。在实际使用中，我们可以用它来检索、修饰和解析字符串，极大地提高了效率和准确性。虽然一开始学习正则表达式可能会感到一些困难，但随着实践的深入，我们能够更得心应手地使用它。在掌握了Python的re模块后，我们可以轻松应对各种复杂的字符串处理任务。