欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python中re模塊結(jié)合正則表達式的實際應用案例

 更新時間：2025年06月28日 14:18:19   作者：topfine  
Python中的re模塊是用于處理正則表達式的強大工具,正則表達式是一種用來匹配字符串的模式,它可以在文本中搜索和匹配特定的字符串模式,這篇文章主要介紹了Python中re模塊結(jié)合正則表達式的實際應用案例,需要的朋友可以參考下

前言

在 Python 中，re 模塊是用于處理正則表達式的標準庫。它非常適合用于文本清洗、提取和整理任務。下面是一些常見的使用 re 包結(jié)合正則表達式進行文本清洗的方法示例。

re模塊常用函數(shù)

函數(shù)功能
re.match()從字符串開頭開始匹配
re.search()在整個字符串中查找第一個匹配項
re.findall()找出所有匹配的內(nèi)容，返回列表
re.sub()替換匹配內(nèi)容
re.split()根據(jù)正則表達式分割字符串

一、查看文本中是否包含 A 或 B 字符串

import re

text = "這是一個測試字符串，包含apple和banana。"

# 查看是否包含 'apple' 或 'banana'
if re.search(r'apple|banana', text):
    print("包含 apple 或 banana")
else:
    print("不包含")
說明：
r'apple|banana' 是一個正則表達式，表示匹配 “apple” 或者 “banana”
re.search()：只要在字符串中有匹配項就返回 True（或匹配對象）

二、替換多個關(guān)鍵詞為統(tǒng)一格式

text = "訪問網(wǎng)址 www.google.com 或 http://www.baidu.com 獲取信息"
cleaned_text = re.sub(r'www\.|http://', '', text)
print(cleaned_text)
# 輸出: 訪問網(wǎng)址 google.com 或 baidu.com 獲取信息

三、提取所有數(shù)字

text = "電話號碼是1234567890，郵編是100000"
numbers = re.findall(r'\d+', text)
print(numbers)
# 輸出: ['1234567890', '100000']

四、去除標點符號

import string

text = "你好！這是一段,含有很多標點？"
pattern = f"[{re.escape(string.punctuation)}]"
cleaned_text = re.sub(pattern, "", text)
print(cleaned_text)
# 輸出: 你好這是一段含有很多標點

五、提取中文字符

text = "Hello 你好，世界123"
chinese_chars = re.findall(r'[\u4e00-\u9fa5]+', text)
print(''.join(chinese_chars))
# 輸出: 你好世界

六、刪除空白字符（空格、換行、制表符等）

text = "  這是一個\t帶有很多\n空白的文本  "
cleaned_text = re.sub(r'\s+', ' ', text).strip()
print(cleaned_text)
# 輸出: 這是一個 帶有很多 空白的文本

七、提取郵箱地址

深色版本
text = "聯(lián)系我 at example@example.com 或 support@domain.co.cn"
emails = re.findall(r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+', text)
print(emails)
# 輸出: ['example@example.com', 'support@domain.co.cn']

八、提取 URL 地址

text = "訪問 https://example.com 或 http://www.google.com"
urls = re.findall(r'https?://(?:www\.)?\S+', text)
print(urls)
# 輸出: ['https://example.com', 'http://www.google.com']

九、保留字母、數(shù)字、中文，刪除其他字符

text = "這!is a 123_測試-text..."
cleaned_text = re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9]', '', text)
print(cleaned_text)
# 輸出: 這is a 123測試text

十、分詞前預處理（小寫 + 去除特殊字符）

text = "Hello World! 你好，World!"
cleaned_text = re.sub(r'[^\w\s]|_', '', text).lower()
print(cleaned_text)
# 輸出: hello world 你好world

十一、提取手機號碼方法（11位數(shù)字）

1.提前手機號碼

示例目標： 將如 13812345678 格式手機號提取出來，并格式化為 138-1234-5678。

實現(xiàn)代碼：

import re

text = "我的電話是13812345678，請在工作時間撥打。另一個號碼是13987654321"

# 提取所有11位手機號
phone_numbers = re.findall(r'1\d{10}', text)

# 格式化為 138-1234-5678 樣式
formatted_numbers = [re.sub(r'(\d{3})(\d{4})(\d{4})', r'\1-\2-\3', num) for num in phone_numbers]

print(formatted_numbers)
# 輸出: ['138-1234-5678', '139-8765-4321']

2.從包含干擾字符的字符串中提取手機號并清理

有時候手機號中可能夾雜著空格、短橫線等字符，比如 "138 1234 5678" 或 "139-1234-5678"。 示例代碼：

text = "聯(lián)系方式：138 1234 5678 或 139-1234-5678"

# 去除非數(shù)字字符后提取11位手機號
cleaned_numbers = re.findall(r'1\d{10}', re.sub(r'\D', '', text))

# 再格式化輸出
formatted_numbers = [re.sub(r'(\d{3})(\d{4})(\d{4})', r'\1-\2-\3', num) for num in cleaned_numbers]

print(formatted_numbers)
# 輸出: ['138-1234-5678', '139-1234-5678']

4.添加國家區(qū)號并統(tǒng)一格式

如果你需要加上國家區(qū)號 +86：

formatted_with_code = ['+86 ' + num for num in formatted_numbers]
print(formatted_with_code)
# 輸出: ['+86 138-1234-5678', '+86 139-1234-5678']

5.封裝成函數(shù)

def format_chinese_phone(text):
    # 清理非數(shù)字內(nèi)容
    cleaned = re.sub(r'\D', '', text)
    # 提取手機號
    phones = re.findall(r'1\d{10}', cleaned)
    # 格式化
    return [re.sub(r'(\d{3})(\d{4})(\d{4})', r'\1-\2-\3', p) for p in phones]

# 使用示例
text = "我的聯(lián)系電話是：138 1234 5678 和 139-8765-4321"
print(format_chinese_phone(text))
# 輸出: ['138-1234-5678', '139-8765-4321']

6.正則說明

正則表達式含義
\d匹配任意數(shù)字
\D匹配非數(shù)字
{n}精確匹配 n 次
r'(\d{3})(\d{4})(\d{4})'分組提取前3位、中間4位、后4位
\1-\2-\3替換為帶連字符的格式

總結(jié) 

到此這篇關(guān)于Python中re模塊結(jié)合正則表達式實際應用案例的文章就介紹到這了,更多相關(guān)Python re模塊正則表達式內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

最新評論