🔍 Biểu Thức Chính Quy (Regular Expressions) - Siêu Công Cụ Tìm Kiếm
Mục tiêu: Học cách sử dụng Regex để tìm kiếm, kiểm tra và xử lý văn bản như một chuyên gia! 🎯
🤔 Regular Expression (Regex) Là Gì? (Giải Thích Siêu Dễ)
Regular Expression giống như công thức siêu mạnh để tìm kiếm trong văn bản:
🔎 Hãy Tưởng Tượng...
- Regex = Kính lúp thông minh 🔍
- Có thể tìm mọi thứ theo pattern cụ thể
- Nhanh và chính xác hơn tìm kiếm thường
- Linh hoạt - tìm được cả những gì "giống giống"
🎯 Regex Có Thể Làm Gì?
- ✅ Kiểm tra email hợp lệ:
[email protected] - ✅ Tìm số điện thoại:
0901234567hoặc(028) 1234-5678 - ✅ Trích xuất URL:
https://behitek.com - ✅ Validate mật khẩu: Có chữ hoa, số, ký tự đặc biệt
- ✅ Thay thế văn bản thông minh: Đổi format ngày tháng
📚 Nhập Môn Regex với Python
import re
# Module 're' của Python để làm việc với regex
print("🎯 REGEX CƠ BẢN VỚI PYTHON")
print("=" * 50)
# Ví dụ đầu tiên: Tìm từ "Python" trong text
text = "Tôi yêu Python! Python rất tuyệt vời. Python là tương lai!"
# Tìm tất cả từ "Python"
result = re.findall(r'Python', text)
print(f"📝 Text: {text}")
print(f"🔍 Tìm 'Python': {result}")
print(f"📊 Tìm được {len(result)} lần")
print("\n" + "-" * 50)
# Tìm với case-insensitive (không phân biệt hoa thường)
result_2 = re.findall(r'python', text, re.IGNORECASE)
print(f"🔍 Tìm 'python' (không phân biệt hoa/thường): {result_2}")
🔤 Các Ký Tự Đặc Biệt Trong Regex
📋 Bảng Ký Tự Cơ Bản
| Ký tự | Ý nghĩa | Ví dụ | Giải thích |
|---|---|---|---|
. | Bất kỳ ký tự nào | a.c | abc, aXc, a9c |
* | 0 hoặc nhiều lần | ab*c | ac, abc, abbbbc |
+ | 1 hoặc nhiều lần | ab+c | abc, abbc, abbbbc |
? | 0 hoặc 1 lần | ab?c | ac, abc |
^ | Bắt đầu chuỗi | ^Hello | Chuỗi bắt đầu bằng "Hello" |
$ | Kết thúc chuỗi | end$ | Chuỗi kết thúc bằng "end" |
\d | Chữ số (0-9) | \d+ | 123, 456, 7 |
\w | Chữ cái, số, _ | \w+ | hello, test_123 |
\s | Khoảng trắng | \s+ | Dấu cách, tab, xuống dòng |
🎮 Thực Hành Các Ký Tự Đặc Biệt
import re
def demo_regex_patterns():
"""Demo các pattern regex cơ bản"""
test_text = """
Chào mừng đến với Behitek Academy!
Email: [email protected]
Phone: 0901234567
Website: https://behitek.com
Ngày: 29/09/2024
Giờ: 14:30
Giá: $199.99
"""
print("📝 TEXT MẪU:")
print(test_text)
print("\n🔍 DEMO REGEX PATTERNS:")
print("=" * 60)
# 1. Tìm tất cả số
numbers = re.findall(r'\d+', test_text)
print(f"🔢 Tìm tất cả số: {numbers}")
# 2. Tìm từ (chỉ chữ cái)
words = re.findall(r'[a-zA-ZÀ-ỹ]+', test_text)
print(f"🔤 Tìm từ: {words[:5]}...") # Chỉ hiển thị 5 từ đầu
# 3. Tìm email
emails = re.findall(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', test_text)
print(f"📧 Tìm email: {emails}")
# 4. Tìm URL
urls = re.findall(r'https?://[^\s]+', test_text)
print(f"🌐 Tìm URL: {urls}")
# 5. Tìm số điện thoại (pattern Việt Nam)
phones = re.findall(r'0\d{9}', test_text)
print(f"📞 Tìm SĐT: {phones}")
# 6. Tìm ngày tháng (dd/mm/yyyy)
dates = re.findall(r'\d{2}/\d{2}/\d{4}', test_text)
print(f"📅 Tìm ngày: {dates}")
# 7. Tìm giá tiền
prices = re.findall(r'\$\d+\.\d{2}', test_text)
print(f"💰 Tìm giá: {prices}")
# Chạy demo
demo_regex_patterns()
🎯 Các Phương Thức Regex Quan Trọng
import re
def demo_regex_methods():
"""Demo các phương thức regex quan trọng"""
text = "Python là ngôn ngữ lập trình tuyệt vời. Python được yêu thích bởi nhiều lập trình viên."
print("🛠️ CÁC PHƯƠNG THỨC REGEX:")
print("=" * 50)
# 1. re.search() - Tìm match đầu tiên
match = re.search(r'Python', text)
if match:
print(f"🔍 re.search(): Tìm thấy '{match.group()}' ở vị trí {match.start()}-{match.end()}")
# 2. re.match() - Kiểm tra từ đầu chuỗi
match_start = re.match(r'Python', text)
if match_start:
print(f"✅ re.match(): Chuỗi bắt đầu bằng 'Python'")
else:
print(f"❌ re.match(): Chuỗi KHÔNG bắt đầu bằng 'Python'")
# 3. re.findall() - Tìm tất cả
all_matches = re.findall(r'Python', text)
print(f"📋 re.findall(): Tìm thấy {len(all_matches)} lần: {all_matches}")
# 4. re.finditer() - Tìm tất cả với thông tin vị trí
matches_with_pos = list(re.finditer(r'Python', text))
print(f"📍 re.finditer(): Chi tiết vị trí:")
for i, match in enumerate(matches_with_pos):
print(f" Match {i+1}: '{match.group()}' ở vị trí {match.start()}-{match.end()}")
# 5. re.sub() - Thay thế
new_text = re.sub(r'Python', 'Java', text)
print(f"🔄 re.sub(): Thay 'Python' → 'Java'")
print(f" Kết quả: {new_text}")
# 6. re.split() - Tách chuỗi
sentences = re.split(r'[.!?]', text)
sentences = [s.strip() for s in sentences if s.strip()] # Loại bỏ chuỗi rỗng
print(f"✂️ re.split(): Tách câu:")
for i, sentence in enumerate(sentences):
print(f" Câu {i+1}: {sentence}")
# Chạy demo
demo_regex_methods()
📧 Ví Dụ Thực Tế: Validation Email và Số Điện Thoại
import re
class DataValidator:
"""Class validation dữ liệu với regex"""
def __init__(self):
# Compile regex patterns để tăng hiệu suất
self.email_pattern = re.compile(
r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'
)
# Pattern số điện thoại Việt Nam
self.phone_pattern = re.compile(
r'^(0[1-9])[0-9]{8}$|^\+84[1-9][0-9]{8}$'
)
# Pattern mật khẩu mạnh (ít nhất 8 ký tự, có chữ hoa, thường, số, ký tự đặc biệt)
self.password_pattern = re.compile(
r'^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[@$!%*?&])[A-Za-z\d@$!%*?&]{8,}$'
)
# Pattern URL
self.url_pattern = re.compile(
r'^https?:\/\/(www\.)?[-a-zA-Z0-9@:%._\+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b([-a-zA-Z0-9()@:%_\+.~#?&//=]*)$'
)
def validate_email(self, email):
"""Kiểm tra email hợp lệ"""
if self.email_pattern.match(email):
print(f"✅ Email '{email}' hợp lệ")
return True
else:
print(f"❌ Email '{email}' không hợp lệ")
return False
def validate_phone(self, phone):
"""Kiểm tra số điện thoại Việt Nam hợp lệ"""
# Loại bỏ khoảng trắng và dấu gạch ngang
clean_phone = re.sub(r'[\s-]', '', phone)
if self.phone_pattern.match(clean_phone):
print(f"✅ SĐT '{phone}' hợp lệ")
return True
else:
print(f"❌ SĐT '{phone}' không hợp lệ")
return False
def validate_password(self, password):
"""Kiểm tra mật khẩu mạnh"""
if self.password_pattern.match(password):
print(f"✅ Mật khẩu mạnh")
return True
else:
print(f"❌ Mật khẩu yếu (cần ít nhất 8 ký tự, có chữ hoa, thường, số, ký tự đặc biệt)")
return False
def validate_url(self, url):
"""Kiểm tra URL hợp lệ"""
if self.url_pattern.match(url):
print(f"✅ URL '{url}' hợp lệ")
return True
else:
print(f"❌ URL '{url}' không hợp lệ")
return False
def extract_info_from_text(self, text):
"""Trích xuất thông tin từ văn bản"""
print(f"📝 Phân tích văn bản: {text}")
print("-" * 50)
# Tìm email
emails = self.email_pattern.findall(text)
if emails:
print(f"📧 Email tìm thấy: {emails}")
# Tìm số điện thoại
phones = re.findall(r'0[1-9]\d{8}', text)
if phones:
print(f"📞 SĐT tìm thấy: {phones}")
# Tìm URL
urls = re.findall(r'https?://[^\s]+', text)
if urls:
print(f"🌐 URL tìm thấy: {urls}")
# Tìm ngày tháng (nhiều định dạng)
date_patterns = [
r'\d{1,2}/\d{1,2}/\d{4}', # dd/mm/yyyy
r'\d{1,2}-\d{1,2}-\d{4}', # dd-mm-yyyy
r'\d{4}-\d{1,2}-\d{1,2}' # yyyy-mm-dd
]
dates = []
for pattern in date_patterns:
dates.extend(re.findall(pattern, text))
if dates:
print(f"📅 Ngày tháng tìm thấy: {dates}")
return {
'emails': emails,
'phones': phones,
'urls': urls,
'dates': dates
}
# Demo validation
def demo_validation():
"""Demo validation với regex"""
validator = DataValidator()
print("🔍 === DEMO VALIDATION VỚI REGEX ===")
print()
# Test email
print("📧 KIỂM TRA EMAIL:")
test_emails = [
"[email protected]",
"[email protected]",
"invalid-email",
"test@domain",
"[email protected]"
]
for email in test_emails:
validator.validate_email(email)
print()
# Test số điện thoại
print("📞 KIỂM TRA SỐ ĐIỆN THOẠI:")
test_phones = [
"0901234567",
"+84901234567",
"0123456789", # Đầu số cũ, không hợp lệ
"84901234567",
"090-123-4567"
]
for phone in test_phones:
validator.validate_phone(phone)
print()
# Test mật khẩu
print("🔐 KIỂM TRA MẬT KHẨU:")
test_passwords = [
"Password123!",
"password123",
"PASSWORD123!",
"Pass123!",
"VeryStrongPassword123@"
]
for password in test_passwords:
validator.validate_password(password)
print()
# Test URL
print("🌐 KIỂM TRA URL:")
test_urls = [
"https://behitek.com",
"http://www.example.com",
"https://subdomain.behitek.com/path",
"not-a-url",
"ftp://files.example.com"
]
for url in test_urls:
validator.validate_url(url)
print()
# Test trích xuất thông tin
print("🔍 TRÍCH XUẤT THÔNG TIN TỪ VĂN BẢN:")
sample_text = """
Liên hệ với chúng tôi:
Email: [email protected] hoặc [email protected]
Điện thoại: 0901234567, 0987654321
Website: https://behitek.com
Ngày cập nhật: 29/09/2024
Hạn chót: 2024-12-31
"""
validator.extract_info_from_text(sample_text)
# Chạy demo
demo_validation()
🔧 Xử Lý Văn Bản Nâng Cao với Regex
import re
from datetime import datetime
class TextProcessor:
"""Xử lý văn bản nâng cao với regex"""
def clean_text(self, text):
"""Làm sạch văn bản"""
# Loại bỏ HTML tags
text = re.sub(r'<[^>]+>', '', text)
# Loại bỏ ký tự đặc biệt, chỉ giữ chữ cái, số, dấu cách
text = re.sub(r'[^\w\s]', '', text)
# Loại bỏ khoảng trắng thừa
text = re.sub(r'\s+', ' ', text)
# Loại bỏ khoảng trắng đầu cuối
text = text.strip()
return text
def extract_hashtags(self, text):
"""Trích xuất hashtags"""
hashtags = re.findall(r'#\w+', text)
return hashtags
def extract_mentions(self, text):
"""Trích xuất mentions (@username)"""
mentions = re.findall(r'@\w+', text)
return mentions
def format_phone_numbers(self, text):
"""Format số điện thoại về dạng chuẩn"""
def format_phone(match):
phone = match.group()
# Loại bỏ tất cả ký tự không phải số
digits = re.sub(r'\D', '', phone)
# Format lại thành 0xxx xxx xxx
if len(digits) == 10 and digits.startswith('0'):
return f"{digits[:4]} {digits[4:7]} {digits[7:]}"
elif len(digits) == 11 and digits.startswith('84'):
return f"0{digits[2:5]} {digits[5:8]} {digits[8:]}"
else:
return phone # Giữ nguyên nếu không đúng format
# Tìm và format số điện thoại
formatted_text = re.sub(r'(\+?84|0)[1-9]\d{8}', format_phone, text)
return formatted_text
def mask_sensitive_data(self, text):
"""Che giấu thông tin nhạy cảm"""
# Che email (giữ 2 ký tự đầu và domain)
def mask_email(match):
email = match.group()
local, domain = email.split('@')
if len(local) > 2:
masked_local = local[:2] + '*' * (len(local) - 2)
else:
masked_local = local
return f"{masked_local}@{domain}"
# Che số điện thoại (giữ 3 số đầu và 2 số cuối)
def mask_phone(match):
phone = match.group()
if len(phone) >= 10:
return phone[:3] + '*' * (len(phone) - 5) + phone[-2:]
return phone
# Áp dụng mask
text = re.sub(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', mask_email, text)
text = re.sub(r'0[1-9]\d{8}', mask_phone, text)
return text
def extract_and_convert_dates(self, text):
"""Tìm và chuyển đổi ngày tháng sang format chuẩn"""
def convert_date(match):
date_str = match.group()
try:
# Thử parse nhiều format
for fmt in ['%d/%m/%Y', '%d-%m-%Y', '%Y-%m-%d']:
try:
date_obj = datetime.strptime(date_str, fmt)
return date_obj.strftime('%d/%m/%Y') # Format chuẩn VN
except ValueError:
continue
return date_str # Giữ nguyên nếu không parse được
except:
return date_str
# Tìm và convert các format ngày
patterns = [
r'\d{1,2}/\d{1,2}/\d{4}',
r'\d{1,2}-\d{1,2}-\d{4}',
r'\d{4}-\d{1,2}-\d{1,2}'
]
for pattern in patterns:
text = re.sub(pattern, convert_date, text)
return text
def create_slug(self, title):
"""Tạo slug từ tiêu đề (dùng cho URL)"""
# Chuyển về chữ thường
slug = title.lower()
# Thay thế ký tự Việt Nam
vietnamese_map = {
'à|á|ạ|ả|ã|â|ầ|ấ|ậ|ẩ|ẫ|ă|ằ|ắ|ặ|ẳ|ẵ': 'a',
'è|é|ẹ|ẻ|ẽ|ê|ề|ế|ệ|ể|ễ': 'e',
'ì|í|ị|ỉ|ĩ': 'i',
'ò|ó|ọ|ỏ|õ|ô|ồ|ố|ộ|ổ|ỗ|ơ|ờ|ớ|ợ|ở|ỡ': 'o',
'ù|ú|ụ|ủ|ũ|ư|ừ|ứ|ự|ử|ữ': 'u',
'ỳ|ý|ỵ|ỷ|ỹ': 'y',
'đ': 'd'
}
for pattern, replacement in vietnamese_map.items():
slug = re.sub(pattern, replacement, slug)
# Thay thế ký tự không phải chữ cái, số thành dấu gạch ngang
slug = re.sub(r'[^a-z0-9]+', '-', slug)
# Loại bỏ dấu gạch ngang đầu cuối
slug = slug.strip('-')
return slug
# Demo text processing
def demo_text_processing():
"""Demo xử lý văn bản với regex"""
processor = TextProcessor()
print("📝 === DEMO XỬ LÝ VĂN BẢN VỚI REGEX ===")
print()
# Test clean text
dirty_text = "<p>Xin chào!!! Tôi là <b>Behitek</b>... 🎉🎉🎉</p>"
clean = processor.clean_text(dirty_text)
print(f"🧹 Làm sạch văn bản:")
print(f" Trước: {dirty_text}")
print(f" Sau: {clean}")
print()
# Test social media text
social_text = "Học #Python với @behitek rất thú vị! #coding #lap_trinh @student123"
hashtags = processor.extract_hashtags(social_text)
mentions = processor.extract_mentions(social_text)
print(f"📱 Phân tích social media:")
print(f" Text: {social_text}")
print(f" Hashtags: {hashtags}")
print(f" Mentions: {mentions}")
print()
# Test format phone
phone_text = "Liên hệ: 0901234567, +84987654321, 0123-456-789"
formatted_phones = processor.format_phone_numbers(phone_text)
print(f"📞 Format số điện thoại:")
print(f" Trước: {phone_text}")
print(f" Sau: {formatted_phones}")
print()
# Test mask sensitive data
sensitive_text = "Email: [email protected], SĐT: 0901234567"
masked = processor.mask_sensitive_data(sensitive_text)
print(f"🔒 Che giấu thông tin:")
print(f" Trước: {sensitive_text}")
print(f" Sau: {masked}")
print()
# Test convert dates
date_text = "Hạn chót: 29/09/2024, Ngày bắt đầu: 2024-10-01, Kết thúc: 15-12-2024"
converted_dates = processor.extract_and_convert_dates(date_text)
print(f"📅 Chuẩn hóa ngày tháng:")
print(f" Trước: {date_text}")
print(f" Sau: {converted_dates}")
print()
# Test create slug
titles = [
"Học Python Cơ Bản Tại Behitek Academy",
"Lập Trình Web với Django Framework!!!",
"10 Mẹo Hay Ho Khi Code Python 🐍"
]
print(f"🔗 Tạo URL slug:")
for title in titles:
slug = processor.create_slug(title)
print(f" '{title}' → '{slug}'")
# Chạy demo
demo_text_processing()
🎯 Regex Groups và Capturing
import re
def demo_regex_groups():
"""Demo groups và capturing trong regex"""
print("🎯 === REGEX GROUPS VÀ CAPTURING ===")
print()
# Ví dụ 1: Parse thông tin người dùng
user_info = "Họ tên: Nguyễn Văn An, Tuổi: 25, Email: [email protected]"
# Pattern với named groups
pattern = r"Họ tên: (?P<name>.*?), Tuổi: (?P<age>\d+), Email: (?P<email>\S+)"
match = re.search(pattern, user_info)
if match:
print("👤 Thông tin người dùng:")
print(f" Tên: {match.group('name')}")
print(f" Tuổi: {match.group('age')}")
print(f" Email: {match.group('email')}")
print(f" Tất cả groups: {match.groupdict()}")
print()
# Ví dụ 2: Parse log file
log_entries = [
"[2024-09-29 14:30:15] INFO: User logged in successfully",
"[2024-09-29 14:31:20] ERROR: Database connection failed",
"[2024-09-29 14:32:05] WARNING: Low disk space"
]
log_pattern = r'\[(?P<timestamp>.*?)\] (?P<level>\w+): (?P<message>.*)'
print("📊 Parse log entries:")
for log in log_entries:
match = re.match(log_pattern, log)
if match:
timestamp = match.group('timestamp')
level = match.group('level')
message = match.group('message')
# Thêm emoji theo level
level_emoji = {'INFO': '✅', 'ERROR': '❌', 'WARNING': '⚠️'}
emoji = level_emoji.get(level, '📝')
print(f" {emoji} {timestamp} [{level}] {message}")
print()
# Ví dụ 3: Extract và format URL
urls = [
"https://behitek.com/courses/python",
"http://www.example.com:8080/api/v1/users",
"https://subdomain.site.org/path/to/resource?param=value"
]
url_pattern = r'(?P<protocol>https?):\/\/(?P<domain>[^:\/\s]+)(?::(?P<port>\d+))?(?P<path>\/[^\?\s]*)?(?:\?(?P<query>.*))?'
print("🌐 Parse URLs:")
for url in urls:
match = re.match(url_pattern, url)
if match:
print(f" URL: {url}")
for key, value in match.groupdict().items():
if value: # Chỉ hiển thị parts có giá trị
print(f" {key}: {value}")
print()
# Chạy demo
demo_regex_groups()
💡 Mẹo Hay Ho với Regex
🎯 1. Regex Flags Hữu Ích
import re
text = "Hello WORLD\nPython is GREAT"
# IGNORECASE - Không phân biệt hoa thường
matches = re.findall(r'hello', text, re.IGNORECASE)
print(f"IGNORECASE: {matches}")
# MULTILINE - ^ và $ match đầu/cuối mỗi dòng
matches = re.findall(r'^Python', text, re.MULTILINE)
print(f"MULTILINE: {matches}")
# DOTALL - . match cả \n
matches = re.findall(r'Hello.*Python', text, re.DOTALL)
print(f"DOTALL: {matches}")
# Kết hợp flags
matches = re.findall(r'^HELLO.*GREAT$', text, re.IGNORECASE | re.DOTALL)
print(f"Combined flags: {matches}")
🎯 2. Lookahead và Lookbehind
import re
# Positive lookahead (?=...)
text = "password123, password456, username789"
# Tìm từ kết thúc bằng số nhưng bắt đầu bằng "password"
passwords = re.findall(r'password(?=\d+)', text)
print(f"Passwords: {passwords}")
# Negative lookahead (?!...)
# Tìm từ không kết thúc bằng số
non_numeric_words = re.findall(r'\b\w+(?!\d)', "word123 hello world456 test")
print(f"Non-numeric words: {non_numeric_words}")
# Positive lookbehind (?<=...)
# Tìm số sau từ "price"
prices = re.findall(r'(?<=price)\d+', "price100 cost200 price50")
print(f"Prices: {prices}")
🎯 3. Compiled Patterns cho Performance
import re
import time
# Nếu sử dụng pattern nhiều lần, nên compile trước
email_pattern = re.compile(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b')
text = "Contact us: [email protected], [email protected], [email protected]" * 1000
# So sánh performance
start = time.time()
for _ in range(100):
re.findall(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', text)
time_uncompiled = time.time() - start
start = time.time()
for _ in range(100):
email_pattern.findall(text)
time_compiled = time.time() - start
print(f"Uncompiled: {time_uncompiled:.4f}s")
print(f"Compiled: {time_compiled:.4f}s")
print(f"Improvement: {time_uncompiled/time_compiled:.2f}x faster")
🎮 Bài Tập Thực Hành
🏆 Bài 1: Log Analyzer
Tạo chương trình phân tích log files:
- Parse timestamp, level, message
- Thống kê các loại lỗi
- Tìm IP addresses và user agents
🏆 Bài 2: Form Validator
Tạo validator cho form đăng ký:
- Email, password, phone validation
- Username format checking
- Credit card number validation
🏆 Bài 3: Text Extractor
Tạo tool trích xuất thông tin từ văn bản:
- Extract prices, dates, addresses
- Social media hashtags và mentions
- URL và email addresses
🔗 Kiến Thức Liên Quan
- String Methods - Xử lý chuỗi cơ bản
- File Handling - Xử lý văn bản từ file
- Working with APIs - Validate API responses
🎉 Chúc mừng! Bạn đã thành thạo Regular Expressions - siêu công cụ xử lý văn bản! Giờ bạn có thể tìm kiếm, validate và manipulate text như một chuyên gia! 🚀