Python中使用正則表達式的11個場景
正則表達式（Regular Expression）是處理字符串的強大工具。它由一系列字符和特殊符號組成，用于匹配字符串中的模式。Python內置了re模塊，可以輕松地使用正則表達式。
引言
正則表達式是一種強大的文本處理工具，廣泛應用于各種編程語言中。Python 的 re 模塊提供了豐富的功能來支持正則表達式的使用。下面將介紹幾個常見的應用場景，展示如何利用正則表達式解決實際問題。
場景一：驗證電子郵件地址
電子郵件地址格式多樣，但通常包含用戶名、@符號、域名等部分。正則表達式可以幫助我們驗證輸入是否符合電子郵件的標準格式。
import re
def validate_email(email):
# 正則表達式，匹配標準電子郵件格式
pattern = r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'
if re.match(pattern, email):
return True
else:
return False
# 測試
email = "example@example.com"
if validate_email(email):
print(f"{email} 是有效的電子郵件地址")
else:
print(f"{email} 不是有效的電子郵件地址")場景二：提取網頁中的URL鏈接
在爬蟲或數據抓取時，經常需要從網頁源碼中提取所有鏈接。正則表達式可以幫我們完成這個任務。
import re
html_content = """
<html>
<body>
<p>Check out <a >Example</a></p>
<p>And another one: <a >Another Example</a></p>
</body>
</html>
"""
# 提取所有<a href="...">中的鏈接
links = re.findall(r'<a href="(.*?)">', html_content)
for link in links:
print(link)場景三：替換文本中的特定字符
有時候我們需要批量替換文本文件中的某些字符或單詞，正則表達式能簡化這一過程。
import re
text = "Hello World! This is a test text with some numbers like 123 and symbols like #."
# 替換所有數字為"#"，并移除所有空格
cleaned_text = re.sub(r'\d+', '#', text) # 替換數字
cleaned_text = re.sub(r'\s+', ' ', cleaned_text) # 移除多余空格
print(cleaned_text)場景四：匹配電話號碼
電話號碼的格式因國家而異，但一般包含數字和一些分隔符。正則表達式可以幫助我們識別這些模式。
import re
def validate_phone(phone):
# 匹配中國手機號碼格式
pattern = r'^1[3-9]\d{9}$'
if re.match(pattern, phone):
return True
else:
return False
# 測試
phone = "13800138000"
if validate_phone(phone):
print(f"{phone} 是有效的手機號碼")
else:
print(f"{phone} 不是有效的手機號碼")場景五：拆分字符串
當字符串中含有多個以特定字符分隔的部分時，可以使用正則表達式來拆分這些部分。
import re
text = "apple, orange, banana, strawberry"
# 使用逗號和空格作為分隔符拆分字符串
fruits = re.split(r',\s*', text)
for fruit in fruits:
print(fruit)場景六：搜索特定模式
如果只需要知道某個模式是否存在，可以使用re.search()函數。
import re
text = "The quick brown fox jumps over the lazy dog."
# 搜索"fox"這個詞
if re.search(r'fox', text):
print("找到了'fox'")
else:
print("沒有找到'fox'")場景七：格式化日期
日期格式多種多樣，正則表達式可以幫助我們將不同格式的日期統一轉換成一種格式。
import re
date = "2023-03-15"
# 將日期格式化為YYYY/MM/DD
formatted_date = re.sub(r'(\d{4})-(\d{2})-(\d{2})', r'\1/\2/\3', date)
print(formatted_date)場景八：去除HTML標簽
在處理網頁內容時，經常需要去除其中的HTML標簽，以便于后續處理。
import re
html_content = "<h1>Title</h1><p>This is a paragraph.</p>"
# 去除所有HTML標簽
cleaned_text = re.sub(r'<.*?>', '', html_content)
print(cleaned_text)場景九：匹配IP地址
IP地址有固定的格式，正則表達式可以幫助我們識別這些模式。
import re
ip_address = "192.168.1.1"
# 匹配IPv4地址
pattern = r'^((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$'
if re.match(pattern, ip_address):
print(f"{ip_address} 是有效的IPv4地址")
else:
print(f"{ip_address} 不是有效的IPv4地址")場景十：提取文本中的日期時間
在處理日志文件或文本數據時，經常需要提取其中的日期時間信息。正則表達式可以幫助我們識別這些模式。
import re
log_entry = "2023-03-15 14:30:00 - User logged in."
# 匹配日期時間格式 YYYY-MM-DD HH:MM:SS
pattern = r'\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}'
match = re.search(pattern, log_entry)
if match:
date_time = match.group()
print(f"提取到的日期時間: {date_time}")
else:
print("未找到日期時間")場景十一：驗證密碼強度
在用戶注冊或登錄系統時，通常需要驗證密碼的強度。正則表達式可以幫助我們實現這一點。
import re
def validate_password(password):
# 密碼必須包含大小寫字母、數字和特殊字符，且長度至少8位
pattern = r'^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[@$!%*?&])[A-Za-z\d@$!%*?&]{8,}$'
if re.match(pattern, password):
return True
else:
return False
# 測試
password = "P@ssw0rd"
if validate_password(password):
print(f"{password} 是有效的密碼")
else:
print(f"{password} 不是有效的密碼")實戰案例：日志分析
假設你有一個Web服務器的日志文件，需要從中提取出所有的訪問記錄，并統計每個用戶的訪問次數。我們可以使用正則表達式來解析日志文件。
日志文件格式：
**127.**0.0.1 - frank [10/Oct/2000:13:55:36 -0700] "GET /apache_pb.gif HTTP/1.0" 200 2326
...解析日志文件
import re
# 讀取日志文件
with open('access.log', 'r') as file:
log_lines = file.readlines()
# 定義正則表達式模式
pattern = r'(\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}) - (\w+) \[(.*?)\] "(GET|POST) (.*?) HTTP/\d\.\d" (\d{3}) (\d+)'
# 存儲每個用戶的訪問次數
user_visits = {}
# 遍歷每一行日志
for line in log_lines:
match = re.search(pattern, line)
if match:
ip, user, timestamp, method, url, status, size = match.groups()
# 更新用戶訪問次數
if user in user_visits:
user_visits[user] += 1
else:
user_visits[user] = 1
# 輸出每個用戶的訪問次數
for user, visits in user_visits.items():
print(f"{user}: 訪問次數 {visits}")分析
日志格式解析：
- (\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})：匹配IP地址。
- (\w+)：匹配用戶名。
- (\d{3})：匹配HTTP狀態碼。
- (\d+)：匹配響應大小。
統計訪問次數：
- 使用字典user_visits來存儲每個用戶的訪問次數。
- 對每一行日志進行解析，并更新字典中的計數。
通過這種方式，我們可以快速地從大量的日志文件中提取有用的信息，并進行統計分析。這種方法不僅高效，而且適用于多種日志格式。
總結
正則表達式在處理文本和字符串方面非常強大，通過上述示例可以看出，無論是簡單的字符串驗證還是復雜的數據提取和處理，正則表達式都能提供高效的解決方案。掌握正則表達式的使用技巧，可以在實際開發中大大提高效率。
