Python正则表达式详解 匹配替换和提取文本中的关键信息

什么是正则表达式？

正则表达式是一种表示文本模式的工具，它可以用来匹配、搜索和操作文本。Python中的re模块提供了正则表达式模式的支持，可以便捷地处理和操作文本。

import re

pattern = r'\d+'
string = 'abc123def456'

result = re.findall(pattern, string)

print(result)

在以上示例中，使用了re模块的findall方法来查找给定字符串中的数字，其中\d表示数字字符，+表示匹配前面的字符一次或多次。执行代码后的结果是['123', '456']，即从字符串中提取到了所有数字。

如何匹配文本模式？

正则表达式中的模式是由特殊的字符组成的，每个字符都表示一种匹配规则。例如\d表示任意数字字符，\w表示任意单词字符，\s表示任意空格字符。为了更好地理解正则表达式模式，下面通过一些例子来介绍如何匹配文本模式。

import re

string1 = 'hello world'
string2 = 'hello_python'
string3 = 'hello@python'

pattern = r'hello \w+'

result1 = re.findall(pattern, string1)
result2 = re.findall(pattern, string2)
result3 = re.findall(pattern, string3)

print(result1)
print(result2)
print(result3)

在以上示例中，使用了正则表达式模式'hello \w+'，其中\w+表示任意一个或多个单词字符。执行代码后的结果是['hello world', 'hello_python']，即在string1和string2中都匹配成功了。而在string3中，由于字符串中间的@符号并非单词字符，因此匹配失败，结果为[]。

如何替换匹配到的文本？

除了匹配文本，正则表达式还可以用来替换文本。Python中的re.sub方法可以实现对匹配到的文本进行替换。

import re

string = 'hello, world!'

pattern = r'world'
replacement = 'Python'

result = re.sub(pattern, replacement, string)

print(result)

以上示例中，使用re.sub方法将字符串中的'world'替换成'Python'。执行代码后的结果是'hello, Python!'。

如何提取关键信息？

正则表达式还可以用来提取文本中的关键信息。这在处理日志文件、表格数据等场景中经常用到。

import re

string = '2021-07-08 22:30:00 INFO  [app] Message: the application started'

pattern = r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) (\w+) \[([\w\-]+)] Message: (.+)'

match = re.search(pattern, string)

if match:
    print(match.group(0))
    print(match.group(1))
    print(match.group(2))
    print(match.group(3))
    print(match.group(4))

在以上示例中，使用了具体的正则表达式来匹配日志字符串中的时间、日志级别、应用名称和消息内容。其中(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})表示匹配时间格式，(\w+)表示匹配日志级别，([\w\-]+)表示匹配应用名称，(.+)表示匹配消息内容。调用re.search方法对字符串进行匹配，匹配到的结果会保存在match对象中，可以使用group方法提取关键信息。