从字符串中使用正则表达式提取数据的 Python 指南339

在软件开发中，从字符串中提取特定数据是常见的任务。Python 的强大正则表达式模块提供了丰富的功能，可以轻松高效地处理这种任务。本指南将深入探讨使用 Python 正则表达式从字符串中提取数据的技术，并提供循序渐进的示例和代码片段。

正则表达式简介

正则表达式（regex）是一种文本模式匹配系统，它使用特殊字符和模式来描述文本的特定序列。它们在各种文本处理任务中广泛使用，包括数据提取、验证和替换。

Python 中的正则表达式

Python 提供了 `re` 模块，它包含广泛的函数和方法来处理正则表达式。以下是几个关键函数：* `(pattern, string)`：从字符串开头匹配正则表达式。
* `(pattern, string)`：在字符串中搜索正则表达式，并匹配第一个匹配项。
* `(pattern, string)`：返回所有匹配正则表达式的子字符串列表。
* `(pattern, string)`：返回一个迭代器，该迭代器提供具有匹配信息的对象。

从字符串中提取数据

让我们通过示例来探索如何在 Python 中使用正则表达式从字符串中提取数据：

提取电子邮件地址

pattern = r"[^@]+@[^@]+\.[^@]+"

这段正则表达式匹配任何包含 "@" 符号和至少一个 "." 符号的字符串。它将从以下字符串中提取电子邮件地址：

string = "info@, support@, user@"

提取电话号码

pattern = r"(\d{3})[- .]?(\d{3})[- .]?(\d{4})"

这个正则表达式匹配由三组数字组成的电话号码，这些数字由连字符或句点分隔。它将从以下字符串中提取电话号码：

string = "555-123-4567, 555.123.4567, (555) 123-4567"

提取日期

pattern = r"(\d{4})-(\d{2})-(\d{2})"

这个正则表达式匹配由连字符分隔的四位数字、两位数字和两位数字组成的日期。它将从以下字符串中提取日期：

string = "2023-03-08, 2024-04-15, 2025-05-22"

提取价格

pattern = r"[$€£](\d+\.\d{2})"

这个正则表达式匹配以美元、欧元或英镑符号开头，后跟两位小数的数字。它将从以下字符串中提取价格：

string = "$12.99, €24.50, £19.95"

高级技术* 组捕获：可以使用括号来捕获正则表达式匹配中的子模式，以便稍后使用。
* 贪婪和非贪婪量词：量词（如 "" 和 "+"）可以指定模式应匹配多少次。可以通过在量词后附加 "?" 来使其变为非贪婪，这会匹配最少的匹配。
* 回溯：正则表达式可以回溯到以前的匹配项，这在处理复杂的文本模式时很有用。

最佳实践* 明确说明模式：确保正则表达式明确且可读，以避免意外的行为。
* 测试和验证：使用测试用例全面测试正则表达式，以确保其正确性和准确性。
* 避免过度捕获：只捕获必要的子模式，以提高性能和清晰度。
* 考虑效率：在处理大量数据时，优化正则表达式以提高性能非常重要。

2024-10-31

上一篇：TSNE 在 Python 中的源代码剖析

下一篇：Python 函数参数列表：传递信息到函数的指南