Python的re模块进行正则表达式操作时的常用方法[回顾学习]

re 模块是 Python 中用于处理正则表达式的标准库模块。通过 re 模块，可进行字符串匹配、搜索和替换等各种操作。
有几个常用的方法：
# re.match(pattern, string)：从字符串开头开始匹配模式，并返回匹配对象。适合用于确定字符串是否以指定模式开头。
# re.search(pattern, string)：在整个字符串中搜索匹配模式，返回第一个匹配对象。适合用于查找字符串中的某个模式。
# re.findall(pattern, string)：返回所有非重叠的匹配项列表，不返回匹配对象。适合用于找到所有匹配项。
# re.finditer(pattern, string)：返回一个迭代器，包含所有匹配对象，需要通过迭代来访问每个匹配对象。
# re.sub(pattern, repl, string)：替换字符串中的模式匹配项为指定的替换文本。
# re.split(pattern, string)：根据模式将字符串拆分为子串，返回拆分后的子串列表。

import re
# 原始字符串
text = "Hello, my email is [e-mail]"
# 定义要搜索的模式
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
# 搜索模式匹配的内容
matches = re.findall(pattern, text)
print("Emails found in the text:")
for match in matches:print(match)
# 替换匹配的内容
new_text = re.sub(pattern, "REPLACED_EMAIL", text)
print("\nAfter replacing emails:")
print(new_text)import re
text = "Today is 2024-03-22"
pattern = r"(\d{4})-(\d{2})-(\d{2})"
match = re.search(pattern, text)
if match:print("Found:", match.group())      # 所有匹配内容print("Year:", match.group(1))       # 第一个分组，即年份print("Month:", match.group(2))      # 第二个分组，即月份print("Day:", match.group(3))        # 第三个分组，即日期# Python 的 re 模块提供了一系列方法，用于处理正则表达式。以下是 re 模块中常用的方法及其用途的详细例举：
# re.search(pattern, string, flags=0):
# 用途：在字符串中搜索指定的模式。
import re
text = "The quick brown fox jumps over the lazy dog fox"
pattern = r"fox"
match = re.search(pattern, text)
if match:print("Found:", match.group())# re.match(pattern, string, flags=0):
# 用途：从字符串开头开始匹配指定的模式。re.match() 方法，您可以有效地从字符串开头匹配指定模式并提取所需的部分
import re
text = "apple orange banana"
pattern = r"apple"
match = re.match(pattern, text)
if match:print("Found:", match.group())import re
text = "2024-03-22"
pattern = r"(\d{4})-(\d{2})-(\d{2})"
match = re.match(pattern, text)
if match:print("Found:", match.group())      # 整个匹配内容print("Year:", match.group(1))       # 第一个分组，即年份print("Month:", match.group(2))      # 第二个分组，即月份print("Day:", match.group(3))        # 第三个分组，即日期# re.findall(pattern, string, flags=0):
# 用途：查找字符串中所有与模式匹配的子串，并返回一个列表。
import re
text = "The cat and the hat sat flat on the mat"
pattern = r"\b\w{3}\b"  # 匹配长度为3的单词
matches = re.findall(pattern, text)
print("Matches:", matches)# re.sub(pattern, repl, string, count=0, flags=0):
# 用途：替换字符串中与模式匹配的部分。
# import re
# text = "Hello, my email is [e-mail]"
# pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
# new_text = re.sub(pattern, "REPLACED_EMAIL", text)
# print("New text:", new_text)# re.split(pattern, string, maxsplit=0, flags=0):
# 用途：根据模式将字符串分割成子串，并返回一个列表。
import re
text = "apple,orange,banana,pear"
pattern = r","
parts = re.split(pattern, text)
print("Parts:", parts)# re.finditer(pattern, string) 是 re 模块中用于在字符串中查找所有匹配项的方法。
# 它返回一个迭代器，该迭代器包含所有匹配的对象，您可以通过迭代来访问每个匹配对象并获取相关信息。
import re
text = "apple orange apple banana apple"
pattern = r"apple"
matches = re.finditer(pattern, text)
for match in matches:start_index = match.start()  # 匹配起始索引end_index = match.end()      # 匹配结束索引matched_text = match.group() # 匹配的文本print(f"Found '{matched_text}' at position {start_index}-{end_index}")
# Found 'apple' at position 0-5
# Found 'apple' at position 13-18
# Found 'apple' at position 26-31

 使用正则表达式来匹配不同格式的电话号码，并进行格式化：

import re# 定义匹配电话号码的正则表达式
phone_numbers = ["1234567890","[phone]","123-456-7890","123.456.7890"
]# 定义电话号码的格式化函数
def format_phone_number(phone):# 使用正则表达式匹配不同格式的电话号码pattern = r"\(?(\d{3})\)?[\s.-]?(\d{3})[\s.-]?(\d{4})"match = re.match(pattern, phone)if match:# 如果匹配成功，则重新格式化电话号码formatted_number = "-".join(match.groups())return formatted_numberelse:# 如果匹配失败，则返回原始电话号码return phone# 对每个电话号码进行格式化
for phone in phone_numbers:formatted_number = format_phone_number(phone)print(formatted_number)# 123-456-7890
# 123-456-7890
# 123-456-7890
# 123-456-7890

 使用正则表达式进行文本清洗，去除非字母字符：

import re# 定义需要清洗的文本
text = "This is an example text! It contains some $special$ characters & symbols 123."# 定义清洗文本的函数
def clean_text(text):# 使用正则表达式去除非字母字符cleaned_text = re.sub(r'[^a-zA-Z\s]', '', text)return cleaned_text# 对文本进行清洗
cleaned_text = clean_text(text)
print("Cleaned Text:", cleaned_text)

 使用正则表达式从文本中提取出所有的邮箱地址：

import re# 定义包含邮箱地址的文本
text = "Contact us at [e-mail] or [e-mail] for any inquiries."# 定义提取邮箱地址的函数
def extract_email_addresses(text):# 使用正则表达式提取邮箱地址pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'emails = re.findall(pattern, text)return emails# 从文本中提取邮箱地址
extracted_emails = extract_email_addresses(text)
print("Extracted Emails:", extracted_emails)

 使用正则表达式从文本中提取网址链接：

import re# 定义包含网址链接的文本
text = "Check out our website at https://www.example.com for more information. You can also visit us at http://example.org."# 定义提取网址链接的函数
def extract_urls(text):# 使用正则表达式提取网址链接pattern = r'https?://\S+'urls = re.findall(pattern, text)return urls# 从文本中提取网址链接
extracted_urls = extract_urls(text)
print("Extracted URLs:", extracted_urls)

 使用正则表达式删除文本中的空行：

import re# 定义包含空行的文本
text = """This is some text.This is another paragraph.This is a third paragraph."""# 定义删除空行的函数
def remove_blank_lines(text):# 使用正则表达式替换连续的多个空行为一个空行cleaned_text = re.sub(r'\n\s*\n', '\n', text)return cleaned_text# 删除文本中的空行
cleaned_text = remove_blank_lines(text)
print("Cleaned Text:")
print(cleaned_text)

正则表达式（Regular Expression）是一种用于描述字符串模式的工具，可以帮助您在文本中进行搜索、匹配和替换操作。正则表达式由普通字符（例如字母、数字）和元字符（例如.、*、^）组成，通过组合这些字符来定义匹配规则。

在 Python 中，使用 re 模块可以对正则表达式进行操作。以下是一些常用的正则表达式元字符和符号：

• .：匹配任意单个字符，除了换行符。
• ^：匹配字符串的开头。
• $：匹配字符串的结尾。
• *：匹配前面的表达式零次或多次。
• +：匹配前面的表达式一次或多次。
• ?：匹配前面的表达式零次或一次。
• \d：匹配一个数字。
• \w：匹配一个字母、数字或下划线。
• \s：匹配一个空白字符（空格、制表符等）。

示例：

• a.*b：匹配以 a 开头，以 b 结尾，中间可以有任意字符的字符串。
• \d{3}-\d{4}：匹配电话号码格式，例如 123-4567。
• [A-Za-z]+：匹配一个或多个字母。