Python从0到100：数据提取之正则

在Python中，我们可以使用正则表达式（regex）来提取或者说查找字符串中的特定模式。Python 自1.5版本起，增加了re模块，用于提供正则表达式的支持。

以下是一些常用的正则表达式函数：

1. re.match()

match() 函数试图从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match() 函数将不返回结果。

2. re.search()

search() 函数会扫描整个字符串并返回第一个成功的匹配。

3. re.findall()

findall() 函数扫描整个字符串并返回所有成功的匹配。

4. re.sub()

sub() 函数用于替换字符串中的匹配项。

5. re.split()

split() 函数可以根据模式的匹配项来分割字符串。

下面是一些使用正则表达式的例子：

例1：使用match()函数

import re
 
text = "123abc456"
matchObj = re.match(r'\d+', text)
if matchObj:
    print("matchObj.group(): ", matchObj.group())
else:
    print("No match!!")

例2：使用search()函数

import re
 
text = "123abc456"
searchObj = re.search(r'\d+', text)
if searchObj:
    print("searchObj.group(): ", searchObj.group())
else:
    print("No match!!")

例3：使用findall()函数

import re
 
text = "123abc456"
matches = re.findall(r'\d+', text)
print(matches)  # Output: ['123', '456']

例4：使用sub()函数

import re
 
text = "123abc456"
print(re.sub(r'\d+', 'ABC', text))  # Output: 'ABCabcABC'

例5：使用split()函数

import re
 
text = "123abc456def789"
print(re.split(r'\d+', text))  # Output: ['', 'abc', 'def', '']

正则表达式是一种功能强大的工具，可以用于复杂的文本处理任务。然而，正则表达式的复杂性也使得它比较难学习。在编写正则表达式时，需要注意转义字符（如'.'、'*'、'?'等）在Python字符串中的表示和在正则表达式中的表示可能会有所不同。

例如，在Python字符串中，你需要使用''来转义，而在正则表达式中，你通常不需要转义。在Python中，你可以使用原始字符串（r'...'）来避免这种转义。

例如，下面两种方式是等价的：

re.findall("\\d+", "123 456 789")
re.findall(r"\d+", "123 456 789")

在第一种方式中，"\d"实际上是在Python字符串中表示'\d'，然后正则表达式引擎再解释'\d'为正则表达式中的数字字符。在第二种方式中，"\d"是在原始字符串中，直接传递给正则表达式引擎，被解释为正则表达式中的数字字符。

在实际应用中，正则表达式可以用于提取邮箱