一文详解Python如何高效处理文本匹配

import re

# 查找第一个匹配项
match = re.search(r'\d+', '订单号12345')
print(match.group())  # 输出: 12345

# 查找所有匹配项
numbers = re.findall(r'\d+', '订单号12345和67890') 
print(numbers)  # 输出: ['12345', '67890']

# 完全匹配验证
is_valid = re.fullmatch(r'\d{11}', '13800138000')
print(bool(is_valid))  # 输出: True

text = "姓名:张三 年龄:25"
pattern = r"姓名:(\w+)\s年龄:(\d+)"
result = re.search(pattern, text)

print(result.group(1))  # 输出: 张三
print(result.group(2))  # 输出: 25

pattern = r"姓名:(?P<name>\w+)\s年龄:(?P<age>\d+)"
result = re.search(pattern, text)

print(result.group('name'))  # 输出: 张三
print(result.group('age'))   # 输出: 25

# 想匹配HTML标签内容
html = "<div>内容</div>"
greedy = re.search(r'<.*>', html).group()  # 匹配整个字符串
lazy = re.search(r'<.*?>', html).group()   # 只匹配<div>

# 匹配中文字符
chinese = re.findall(r'[\u4e00-\u9fa5]+', 'Hello 世界')
print(chinese)  # 输出: ['世界']

# 危险的正则 - 可能造成大量回溯
dangerous = r'(a+)+b'  # 对'aaaaaaaaac'会非常慢

# 编译正则表达式
phone_re = re.compile(r'^1[3-9]\d{9}$')

# 重复使用
print(phone_re.match('13800138000'))  # 匹配
print(phone_re.match('12345678901'))  # 不匹配

log = "[2023-10-15 14:30:45] 用户登录"
pattern = r'\[(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})\]'
timestamp = re.search(pattern, log).group(1)
print(timestamp)  # 输出: 2023-10-15 14:30:45

def strip_html(html):
    return re.sub(r'<[^>]+>', '', html)

print(strip_html('<p>Hello <b>World</b></p>'))  # 输出: Hello World

def validate_password(pwd):
    return bool(re.fullmatch(
        r'^(?=.*[A-Z])(?=.*[a-z])(?=.*\d)(?=.*[@$!%*?&])[A-Za-z\d@$!%*?&]{8,}$',
        pwd
    ))

print(validate_password("Passw0rd!"))  # True
print(validate_password("weak"))      # False

pattern = re.compile(r"""
    ^               # 字符串开始
    (?=.*[A-Z])     # 至少一个大写字母
    (?=.*[a-z])     # 至少一个小写字母
    (?=.*\d)        # 至少一个数字
    .{8,}           # 至少8个字符
    $               # 字符串结束
""", re.VERBOSE)