🙊今天我们来学习python的正则表达式的部分,先说下为什么要学习这一部分呢,当然是因为正则表达式处理文本类型的数据实在是太方便了。为以后进入nlp领域打打基础!
先给大家推荐一个网站: 用于正则表达式验证. 大致就长这个样子。
.表示匹配除了换行符之外的任何单个字符
例如匹配‘’.公司‘’(匹配三个字符)
结果如下:
*表示匹配前面的子表达式任意次,包括0次
例如:匹配,.*表示匹配,以及后面的所有字符
当然前面可以跟普通字符 “好” 匹配 “好好好…”
+表示匹配前面的子表达式一次或者多次,不包括0次
区别就是不包括0次。 +号的(不能0次)
*号的(可以0次)
{ }匹配前面的字符指定的次数
例如:表达式”油{2,4}”表示匹配油字最少2次最多4次
不知道大家看懂了下面的这张图吗? 我们只想一个一个匹配
标签,但是它却帮我吗全部都匹配上了,这是因为它只看见了第一个 “< ”和左后一个“>”中间部分全部看成了任意字符,这就是贪婪模式,它会最大限度地匹配字符。
要想变成非贪婪模式,需要在‘+’,”*“后面加一个‘?’ 这样子就是匹配4个字符。
反斜杠 \ 在正则表达式中多种用途,比如转义
例如:我们需要寻找.之前的所有元素 需要使用 . ∗ / . .*/. .∗/.斜杠是为了告诉程序后面一个字符代表普通字符.的含义
反斜杠可以和一些字符组合表示一些特殊字符
中括号可以用来表示条件或[0123] 或者[0-3]代表这个字符可以是0,1,2,3 也可以存放字符[黄红绿蓝]、[a-z]这一类
例如:匹配包含‘’是[黄红绿蓝]色‘’的字符
需要说明一些元字符在[]中就是失去了自己的意义,变成普通字符了 例如. + *不需要转义。‘
例如查找“.是”的字符
如果在[]中使用^字符,则表示非的概念
例如:匹配非数字字符
^表示匹配文本启始的位置但在不同模式下效果不一样 正则表表达式主要有2种模式:单行模式和多行模式 单行模式:是指把整个文本看作是一组数据,只匹配所有数据的开头 多行模式:是指把每一行看成是一组数据,匹配每一行的开始
例如:我们使用单行模式匹配,只匹配了第一行的001
例如:我们使用多行匹配,匹配到了001、002、003
问题来了,在python中如何制定是是单行还是多行模式呢? 在compile里面增加参数re.M或者re.MULTILINE都行。
结果如下:
$表示文件的结尾,用法和^类似,也分多行模式和单行模式
单行模式
多行模式
组选择:是指从正则表达式匹配的结果中再选择出我们所需要的字符,例如:我们需要匹配逗号前面的字符,我们可能会写“.*,”可是这样匹配出来的字符中含有逗号,可我们不想要这个逗号,这时就需要用组选择。
看一看python的写法
如果遇见多个分组,那么每一行的数据就会变成元组,你可以通过元组下标来取出对应的字符。
来一个小练习:给你一组数据,请从中选出人名和电话号码
python实现如下:
字符串对象的split()方法只适用于非常简单的字符串分割情形,当你需要更加灵活的切割字符的时候,就需要用正则表达式了 例如:
这应该如何切割呢? 我们可以利用re.split用正则表达式的符号来制定分隔符。
这一这章节主要是进行正则表达式的基础学习,当作一个小小的入门教程还是很不错的,日后碰见复杂的用法会继续添加。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/186145.html原文链接:https://javaforall.cn