Regular Expression (Regex) là chuỗi ký tự mô tả pattern để tìm kiếm, trích xuất, validate, thay thế text. Python module re cung cấp engine regex mạnh mẽ.
Hai loại ký tự trong Regex
| Loại | Ví dụ | Ý nghĩa |
|---|
| Literals | a, B, 1, _ | Khớp chính xác ký tự đó |
| Metacharacters | . ^ $ * + ? { } [ ] \ | ( ) | Có ý nghĩa đặc biệt |
Công cụ chính của Python Regex
- Raw strings:
r'pattern' - tránh escape confusion.
- Quantifiers:
* + ? {m,n} - số lượng lặp lại.
- Character Classes:
[abc], [a-z], [^abc], \d \w \s.
- Groups:
(...) capture, (?:...) non-capture, (?P...) named.
- Alternation:
a|b - hoặc.
- Anchors:
^ $ \A \Z \b \B - vị trí.
- Lookaround:
(?=) (?!) (?<=) (? - assertion không tiêu thụ ký tự.
Ví dụ Pattern phổ biến
| Mục đích | Pattern |
|---|
| Email đơn giản | [\w.+-]+@[\w-]+\.[\w.-]+ |
| URL | https?://[\w.-]+(?:\.[\w.-]+)+ |
| IPv4 | (?:25[0-5]|2[0-4]\d|1\d\d|[1-9]?\d)(?:\.(?:25[0-5]|2[0-4]\d|1\d\d|[1-9]?\d)){3} |
| Ngày YYYY-MM-DD | \d{4}-\d{2}-\d{2} |
| Số điện thoại VN | (?:\+84|0)[35789]\d{8} |
Workflow cơ bản
import re
# 1. Compile (tùy chọn, khuyến nghị cho pattern dùng lặp)
pattern = re.compile(r'\d+')
# 2. Search/Extract
match = pattern.search(text) # Match đầu tiên
matches = pattern.findall(text) # Tất cả matches
for m in pattern.finditer(text): # Iterator với vị trí
...
# 3. Substitute
new_text = pattern.sub('REPLACEMENT', text)
Tài nguyên học thêm
- Python docs:
re module.
- Regex101.com - Test/debug regex online.
- Regular-Expressions.info - Reference chi tiết.
