提取文本正则表达式 Python

概述

正则表达式是一种强大的工具，用于在文本中匹配和提取特定模式的字符串。在Python中，re模块提供了支持正则表达式操作的函数。本文将介绍如何使用Python中的正则表达式来提取文本。

正则表达式的基本语法

正则表达式由字符和特殊字符组成，用于匹配和操作文本。以下是一些常用的正则表达式元字符和操作符：

• .: 匹配除换行符以外的任何字符。
• *: 匹配前一个字符的零个或多个重复。
• +: 匹配前一个字符的一个或多个重复。
• ?: 匹配前一个字符的零个或一个重复。
• []: 匹配方括号内的任何字符。
• ^: 匹配字符串的开头。
• $: 匹配字符串的结尾。
• |: 匹配两个表达式之一。
• (): 创建一个捕获组，用于提取匹配的内容。
• \: 转义字符，用于匹配特殊字符。

以上仅为常用元字符和操作符的一部分，更多详细信息请参考Python的正则表达式文档。

使用re模块提取文本

在Python中，可以使用re模块的函数来执行正则表达式操作。以下是一些常用的re函数：

• re.match(pattern, string): 从字符串的起始位置匹配一个模式，返回一个匹配对象。
• re.search(pattern, string): 扫描整个字符串以查找与模式匹配的内容，返回一个匹配对象。
• re.findall(pattern, string): 返回字符串中与模式匹配的所有非重叠匹配项列表。
• re.finditer(pattern, string): 返回字符串中与模式匹配的所有非重叠匹配项的迭代器。
• re.sub(pattern, repl, string): 用指定的替换字符串替换与模式匹配的所有非重叠匹配项。

示例代码

import re

def extract_emails(text):
    pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b'
    emails = re.findall(pattern, text)
    return emails

text = "Please contact me at john@example.com for any inquiries."
emails = extract_emails(text)
for email in emails:
    print(email)

输出结果应包含：

john@example.com

以上示例代码演示了一个提取电子邮件地址的函数。函数使用正则表达式模式\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b匹配文本中的电子邮件地址，并返回匹配到的所有电子邮件。在这个例子中，我们使用了re.findall()函数来提取所有匹配项。

结论

Python中的正则表达式是一个强大的工具，可用于从文本中提取特定模式的字符串。通过使用re模块的函数，可以轻松地在Python中执行正则表达式操作。以上介绍了正则表达式的基本语法和一些常用的re函数，并提供了一个示例代码来演示如何提取电子邮件地址。祝愿你在使用正则表达式时取得成功！