Regular Expression (Regex) là gì? Ứng dụng thực tế của Regex

🧠 Regular Expression (Regex) là gì?

Regular Expression hay Regex là một ngôn ngữ mẫu (pattern language) dùng để tìm kiếm, khớp (match), trích xuất hoặc thay thế chuỗi văn bản theo các quy tắc nhất định.

✅ Hiểu đơn giản: Regex = công cụ tìm kiếm nâng cao bằng cách dùng mẫu ký tự thay vì từ khóa thông thường.

📌 Ví dụ nhanh:

🧰 Ứng dụng thực tế của Regex

• ✅ Kiểm tra định dạng email, số điện thoại, mã số sinh viên...

• ✅ Tìm tất cả số trong văn bản

• ✅ Trích xuất địa chỉ IP, URL, timestamp trong log

• ✅ Làm sạch văn bản (remove HTML, khoảng trắng dư thừa...)

🐍 Regex trong Python

Dùng module re có sẵn:

import re

# Tìm tất cả số trong chuỗi
text = "There are 3 cats, 7 dogs and 12 birds."
numbers = re.findall(r"\d+", text)
print(numbers)  # ['3', '7', '12']

🔣 Một số ký hiệu regex cơ bản

🧪 Ví dụ nâng cao

# Kiểm tra định dạng email đơn giản
email = "user@example.com"
pattern = r"^[\w\.-]+@[\w\.-]+\.\w+$"

if re.match(pattern, email):
    print("Email hợp lệ")

✅ Tổng kết

Tuyệt! Dưới đây là các ví dụ cụ thể về Regex áp dụng trong:

• 🧾 Log hệ thống

• 📧 Email

Đây là những trường hợp cực kỳ thực tế trong NLP, bảo mật, phân tích hệ thống, và làm sạch dữ liệu.

🧾 1. Regex áp dụng trong log

✅ Ví dụ log dòng hệ thống:

[2025-11-26 14:35:02] ERROR VM vm-101 crashed due to memory overload

🔍 Mục tiêu: Trích xuất từng phần

🧪 Python demo:

import re

log = "[2025-11-26 14:35:02] ERROR VM vm-101 crashed due to memory overload"

timestamp = re.search(r"\[(.*?)\]", log).group(1)
level = re.search(r"(INFO|WARN|ERROR|DEBUG)", log).group(1)
vm_id = re.search(r"vm-\d+", log).group()
reason = re.search(r"due to (.+)", log).group(1)

print(f"🕒 {timestamp} | 🔥 {level} | 🖥️ {vm_id} | ❗ Lý do: {reason}")

📧 2. Regex kiểm tra và trích email

✅ Kiểm tra email hợp lệ

Regex đơn giản:

^[\w\.-]+@[\w\.-]+\.\w{2,}$

🧪 Python demo:

import re

email = "nguyen.van.a@gmail.com"
pattern = r"^[\w\.-]+@[\w\.-]+\.\w{2,}$"

if re.match(pattern, email):
    print("✅ Email hợp lệ")
else:
    print("❌ Email không hợp lệ")

🔎 Trích xuất email từ văn bản

text = "Liên hệ với tôi qua nguyen.a@gmail.com hoặc admin@company.vn"
emails = re.findall(r"[\w\.-]+@[\w\.-]+\.\w{2,}", text)
print(emails)
# ➜ ['nguyen.a@gmail.com', 'admin@company.vn']

🔧 Bonus: Regex kết hợp trong phân tích log chứa email

[2025-11-26 10:00:00] INFO User nguyen.a@gmail.com logged in from IP 192.168.1.10

Regex trích cả:

• Timestamp

• Email

• IP

log = "[2025-11-26 10:00:00] INFO User nguyen.a@gmail.com logged in from IP 192.168.1.10"

timestamp = re.search(r"\[(.*?)\]", log).group(1)
email = re.search(r"[\w\.-]+@[\w\.-]+\.\w{2,}", log).group()
ip = re.search(r"\d{1,3}(?:\.\d{1,3}){3}", log).group()

print(f"🕒 {timestamp} | 📧 {email} | 🌐 IP: {ip}")

✅ Tổng kết