命令行与文本处理 / 系统课时
正则表达式的典型应用
正则表达式的典型应用
学习目标
- 认识正则表达式的四类典型用途。
- 理解校验、查找、提取和替换的区别。
- 能根据业务目标选择合适的正则方法。
- 使用 Python 完成多个常见文本任务。
问题背景或应用场景
面对同一段文本,业务需求可能完全不同:
text
订单 A1024 已支付,订单 A2048 正在退款。可能需要判断输入是否完整等于一个订单号,也可能只需判断文本中是否出现订单号,还可能要提取所有订单号或进行脱敏替换。正则模式可以相同,但调用方式必须与业务目标一致。
核心原理
正则表达式常见应用可以分为四类:
- 数据校验:要求整个输入符合规则,例如用户名、订单号和设备编号。
- 文本查找:只关心文本中是否存在至少一个符合规则的片段。
- 信息提取:从较长文本中取得一个或多个结构化字段。
- 文本替换:找到目标内容后,将其替换为固定文本或重新组合后的文本。
Python 中常用方法如下:
text
re.fullmatch():校验整个字符串
re.search():查找第一个匹配
re.findall():返回所有匹配文本
re.sub():替换匹配内容基础用法
假设订单号规则是大写字母 A 开头,后面紧跟四个数字,对应模式为:
text
A\d{4}其中:
text
\d:数字字符
{4}:前面的规则重复四次本课先理解调用场景,字符类和量词会在后续章节展开。
完整可运行示例
python
import re
order_pattern = r"A\d{4}"
user_input = "A1024"
is_valid = re.fullmatch(order_pattern, user_input) is not None
print(f"订单号是否合法:{is_valid}")
message = "订单 A1024 已支付"
found = re.search(order_pattern, message) is not None
print(f"是否包含订单号:{found}")
log_text = "订单 A1024 已支付,订单 A2048 正在退款"
orders = re.findall(order_pattern, log_text)
print(f"提取结果:{orders}")
masked_text = re.sub(order_pattern, "A****", log_text)
print(f"脱敏结果:{masked_text}")运行命令:
bash
python regex_cases.py预期输出
text
订单号是否合法:True
是否包含订单号:True
提取结果:['A1024', 'A2048']
脱敏结果:订单 A**** 已支付,订单 A**** 正在退款Tips
- 校验整个输入时优先使用 re.fullmatch()。
- 只需要判断是否存在时使用 re.search()。
- 需要全部结果时使用 re.findall() 或 re.finditer()。
- 需要修改文本时使用 re.sub()。
- 格式合法不代表业务数据真实存在,真实性仍需数据库或服务校验。
常见错误
1. 使用查找方法代替完整校验
re.search() 只要在文本中找到合法片段就会成功。下面文本不是完整订单号,但仍能被查找到:
python
import re
pattern = r"A\d{4}"
text = "订单号是 A1024"
print(re.search(pattern, text) is not None)
print(re.fullmatch(pattern, text) is not None)输出:
text
True
False2. 把格式校验当作真实性校验
正则只能判断形式,无法证明手机号可用、邮箱存在或订单属于当前用户。
3. 为简单需求编写过度复杂的规则
如果只需判断固定前缀,可以使用字符串方法:
python
order_no = "A1024"
print(order_no.startswith("A"))本课练习
给定文本:
text
用户编号 U1001 登录成功,用户编号 U2002 登录失败。用户编号规则为大写字母 U 加四个数字。完成以下任务:
- 校验 U1001 是否为完整用户编号。
- 判断整段文本中是否包含用户编号。
- 提取所有用户编号。
- 将所有用户编号替换为 U****。
参考模式:
text
U\d{4}按自己的节奏,确认真正理解。