在编程中，文本处理是一项非常重要的技能，尤其是在数据清洗和信息提取方面。Python 提供了多种工具来帮助我们高效地处理文本，其中 find() 方法和正则表达式是最常用的技术之一。本文将带你从基础到高级，逐步掌握这些强大的文本处理工具。
1. find() 方法简介
find() 方法是 Python 字符串对象的一个内置方法，用于查找子字符串在主字符串中的位置。如果找到子字符串，返回其索引；否则返回 -1。
示例 1: 基本使用
text = "Hello, welcome to my world."
index = text.find("welcome")
print(index) # 输出: 7
在这个例子中，find() 方法找到了子字符串 "welcome" 并返回其起始索引 7。
示例 2: 多次查找
find() 方法还可以接受一个可选参数，指定从哪个位置开始查找。
text = "Hello, welcome to my world. Welcome again!"
first_index = text.find("Welcome")
second_index = text.find("Welcome", first_index + 1)
print(first_index) # 输出: 19
print(second_index) # 输出: 31
在这个例子中，我们先找到第一个 "Welcome" 的索引，然后从该索引之后继续查找第二个 "Welcome"。
2. 正则表达式简介
正则表达式（Regular Expression）是一种强大的文本匹配工具，可以用来查找、替换、分割等操作。Python 中使用 re 模块来处理正则表达式。
示例 3: 基本匹配
import re
text = "The price is $100 and the discount is 10%."
pattern = r"\$[0-9]+"
matches = re.findall(pattern, text)
print(matches) # 输出: ['$100']
在这个例子中，我们使用正则表达式 \$\d+ 来匹配以美元符号开头的数字。
3. 正则表达式的高级用法
示例 4: 分组和捕获
正则表达式中的分组可以用圆括号 () 表示，捕获的内容可以通过 group() 方法获取。
import re
text = "John Doe, 25 years old, lives in New York."
pattern = r"(\w+) (\w+), (\d+) years old, lives in (\w+)"
match = re.search(pattern, text)
if match:
print(match.group(1)) # 输出: John
print(match.group(2)) # 输出: Doe
print(match.group(3)) # 输出: 25
print(match.group(4)) # 输出: New York
在这个例子中，我们使用分组来捕获名字、姓氏、年龄和居住城市。
示例 5: 替换文本
re.sub() 方法可以用来替换匹配到的文本。
import re
text = "The quick brown fox jumps over the lazy dog."
pattern = r"fox"
replacement = "cat"
new_text = re.sub(pattern, replacement, text)
print(new_text) # 输出: The quick brown cat jumps over the lazy dog.
在这个例子中，我们将 "fox" 替换为 "cat"。
4. 实战案例：提取电子邮件地址
假设我们有一个包含多个电子邮件地址的文本文件，我们需要提取所有的电子邮件地址。
步骤 1: 准备文本文件
创建一个名为 emails.txt 的文件，内容如下：
Contact us at support@example.com or sales@example.org for more information.
You can also reach out to john.doe@example.net for technical support.
步骤 2: 编写提取脚本
import re
# 读取文件内容
with open('emails.txt', 'r') as file:
content = file.read()
# 定义正则表达式模式
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z]{2,}\b'
# 查找所有匹配的电子邮件地址
emails = re.findall(pattern, content)
# 打印结果
for email in emails:
print(email)
运行上述脚本，输出将是：
support@example.com
sales@example.org
john.doe@example.net
总结
本文从基础到高级，逐步介绍了 Python 中 find() 方法和正则表达式的使用。我们通过多个示例展示了如何使用这些工具进行文本查找、匹配、替换等操作。最后，我们通过一个实战案例，演示了如何从文本文件中提取电子邮件地址。
好了，今天的分享就到这里了，我们下期见。如果本文对你有帮助，请动动你可爱的小手指点赞、转发、在看吧！
付费合集推荐
文末福利
公众号消息窗口回复“编程资料”，获取Python编程、人工智能、爬虫等100+本精品电子书。
