Python实现正则表达式匹配、截取指定子串并去重的方法

### 使用正则表达式进行字符串截取 在 Python 中，`re` 模块提供了强大的工具用于处理正则表达式。对于字符串截取的任务，可以通过定义合适的模式并利用 `findall()` 方法实现目标子串的提取。 #### 单个位置的字符串提取 当需要从固定上下文中抽取特定部分的数据时，可以采用非贪婪匹配的方式。例如，在给定字符串 `"a123456789b"` 中想要获取位于字符 `'a'` 和 `'b'` 之间的数字序列： ```python import re string = "a123456789b" pattern = r"a(.+?)b" result = re.findall(pattern, string) print(result) # 输出: ['123456789'] ``` 上述代码通过 `(.*?)` 实现了对任意长度字符（直到遇到下一个边界条件为止）的捕获[^1]。 #### 多处相同结构的内容提取 如果文档中有多个相似格式的信息等待抓取，则同样适用此方法。比如针对形如 `"xyz12312_zzz"` 的字符串，希望得到介于前缀 `"xyz"` 后缀 `"_zzz"` 间的数值： ```python str_example = "xyz12312_zzz" match_result = re.findall(r"xyz(.+?)_zzz", str_example) print(match_result) # 输出: ['12312'] ``` 这里再次运用到了非贪婪量词 `.+?` 来确保尽可能少地消耗输入流中的字符完成一次成功的匹配过程[^2]。 #### 跨越多行的复杂场景 面对包含换行符在内的更复杂的文本环境，可能还需要借助额外参数如 `re.DOTALL` 或者简称 `re.S` 让句点能够识别所有的字符包括新行符号；以及 `re.MULTILINE` (`re.M`) 支持每一行独立看待起始和结束标记 ^$ : ```python multi_line_str = """a23b a34b""" matches = re.findall(r"a(\d+)b.*a(\d+)b", multi_line_str, flags=re.S | re.M) for match in matches: print(f"{match}") # 输出 ('23', '34') ``` 这段脚本展示了如何设置标志位使得正则引擎可以在多行条件下工作，并成功捕捉到跨越两行的目标数据[^4]。