正则表达式（Regular Expression，简称 Regex）是一种强大的文本处理工具，它允许我们通过定义特定的模式来匹配、查找、替换或验证文本数据。在数据处理、文本分析、模式识别等多个领域，正则表达式都发挥着至关重要的作用。本文将深入探讨正则表达式的基础知识、实战技巧，并通过具体的案例解析，帮助您轻松掌握这一神奇利器。
正则表达式基础
1. 正则表达式的组成
正则表达式由字符和符号组成，主要包括以下几类：
- 元字符：具有特殊意义的符号，如
.、^、$、*、+、?、{}、[]、()等。 - 字符集：用于匹配一类字符，如
[a-z]、[0-9]等。 - 量词：用于指定匹配的次数，如
*（零次或多次）、+（一次或多次）、?（零次或一次）等。 - 分组：用于将正则表达式中的部分内容视为一个整体，如
()。
2. 常用正则表达式元字符
.：匹配除换行符以外的任意字符。^：匹配输入字符串的开始位置。$：匹配输入字符串的结束位置。*：匹配前一个字符零次或多次。+：匹配前一个字符一次或多次。?：匹配前一个字符零次或一次。{}：指定匹配的次数，如{3}表示匹配前一个字符3次。
实战案例解析
1. 数据清洗
假设我们需要从以下文本中提取出电子邮件地址：
这是一段示例文本，包含多个电子邮件地址：example1@example.com、example2@example.com、example3@example.com。
我们可以使用正则表达式 r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b' 来匹配电子邮件地址。
import re
text = "这是一段示例文本，包含多个电子邮件地址：example1@example.com、example2@example.com、example3@example.com。"
emails = re.findall(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', text)
print(emails)
输出结果：
['example1@example.com', 'example2@example.com', 'example3@example.com']
2. 数据提取
假设我们需要从以下文本中提取出所有手机号码：
联系人信息如下：张三，手机：13800138000；李四，手机：13900139000。
我们可以使用正则表达式 r'\b1[3-9]\d{9}\b' 来匹配手机号码。
import re
text = "联系人信息如下：张三，手机：13800138000；李四，手机：13900139000。"
phone_numbers = re.findall(r'\b1[3-9]\d{9}\b', text)
print(phone_numbers)
输出结果：
['13800138000', '13900139000']
3. 文本替换
假设我们需要将以下文本中的所有数字替换为星号：
这是一个示例文本，包含数字：1234567890。
我们可以使用正则表达式 r'\d' 来匹配数字，并使用 re.sub() 函数进行替换。
import re
text = "这是一个示例文本，包含数字：1234567890。"
replaced_text = re.sub(r'\d', '*', text)
print(replaced_text)
输出结果：
这是一个示例文本，包含星号：**********。
通过以上实战案例，我们可以看到正则表达式在文本处理中的强大功能。掌握正则表达式，将使您在数据处理、文本分析等领域如虎添翼。