常用的小企业网站建设,营销型网站翻译,三亚网站开发,wordpress 主页排序最近工作中经常用到正则表达式处理数据#xff0c;慢慢发现了正则表达式的强大功能#xff0c;尤其在数据处理工作中#xff0c;记录下来分享给大家。
一、 正则表达式语法介绍
正则表达式#xff08;或 RE#xff09;指定了一组与之匹配的字符串#xff1b;模块内的函…最近工作中经常用到正则表达式处理数据慢慢发现了正则表达式的强大功能尤其在数据处理工作中记录下来分享给大家。
一、 正则表达式语法介绍
正则表达式或 RE指定了一组与之匹配的字符串模块内的函数可以检查某个字符串是否与给定的正则表达式匹配或者正则表达式是否匹配到字符串这两种说法含义相同。
正则表达式可以拼接如果 A 和 B 都是正则表达式则 AB 也是正则表达式。通常如果字符串 p 匹配 A并且另一个字符串 q 匹配 B那么 pq 可以匹配 AB。 除非 A 或者 B 包含低优先级操作A 和 B 存在边界条件或者命名组引用。所以复杂表达式可以很容易的从这里描述的简单源语表达式构建。
正则表达式可以包含普通或者特殊字符。绝大部分普通字符比如 A, a, 或者 0都是最简单的正则表达式。它们就匹配自身。 你可以拼接普通字符所以 last 匹配字符串 last。通常正则表达式都会用到特殊字符匹配规则。
正则表达式查找匹配字符串常用于以下几种场景
1去除匹配数据。 2提取匹配数据。 3替换匹配数据。 4检测匹配数据。 二、 正则表达式常用方法 Python 基于正则表达式提供了不同的原始操作: --这3个方法更多用于检测判断 re.match(pattern, string) 只在字符串的开头位置检测匹配。 re.search(pattern, string) 在字符串中的任何位置检测匹配。 re.fullmatch(pattern, string) 检测整个字符串是否匹配。
--这2个方法更多用于查找匹配数据提取或替换获取目标结果数据。 re.findall(pattern, string) 在字符串中的任何位置检测匹配的字符并返回匹配的字符列表。 re.sub(pattern, repl, string) 在字符串中的任何位置匹配替换的字符并返回结果字符串。
print()
rst1 re.match(c, abcdef) # No match
print(rst1)
rst2 re.search(c, abcdef) # Match
print(rst2)
# re.Match object; span(2, 3), matchc
rst3 re.fullmatch(p.*n, python) # Match
print(rst3)
# re.Match object; span(0, 6), matchpython
rst4 re.fullmatch(r.*n, python) # No match
print(rst4)
rst5 re.findall(r\d, 12pyt34hon56)
print(rst5)
# [12, 34, 56]
rst6 re.sub(r\d, , 12pyt34hon56)
print(rst6)
# python
print()
三、 正则表达式常用特殊字符 . (点) 在默认模式匹配除了换行的任意字符。如果指定了标签 DOTALL 它将匹配包括换行符的任意字符。
print()
# 全部替换成统一数据
str_list1 [万安县, 万方县, 万在县, 万义县]
for i in range(len(str_list1)):# 匹配替换的字符str_list1[i] re.sub(万.县, 万安县, str_list1[i])
print(str_list1)
# [万安县, 万安县, 万安县, 万安县]
print()
^ (插入符号) 匹配字符串的开头 并且在 MULTILINE 模式也匹配换行后的首个符号。
$ 匹配字符串尾或者在字符串尾的换行符的前一个字符在 MULTILINE 模式下也会匹配换行符之前的文本。 foo 匹配 foo 和 foobar但正则表达式 foo$ 只匹配 foo。 更有趣的是在 foo1\nfoo2\n 中搜索 foo.$通常匹配 foo2 但在 MULTILINE 模式下可以匹配到 foo1在 foo\n 中搜索 $ 会找到两个空的匹配 一个在换行符之前一个在字符串的末尾。
* 对它前面的正则式匹配0到任意次重复 尽量多的匹配字符串。 ab* 会匹配 aab或者 a 后面跟随任意个 b。 ab* 会匹配 : a,ab,abb,abbb 等等. 对它前面的正则式匹配1到任意次重复 尽量多的匹配字符串。 ab 会匹配 a 后面跟随1个以上到任意个 b它不会匹配 a。 ab 会匹配 : ab,abb,abbb 等等.
? 对它前面的正则式匹配0到1次重复。 ab? 会匹配 a 或者 ab。
\ 转义特殊字符允许你匹配 *, ?, 或者此类其他或者表示一个特殊序列.
print()
# 保留数字 和 ¥数字 的金额格式数据其他数据排除
str_list2 [5005, 200.85, ¥12450, ¥100.50, 张三, 2023.08.09]
get_list2 []
for ss in str_list2:# 查找匹配的字符下面3个方法等价匹配if re.search(r(^¥?\d\.?\d*$), ss):# if re.search(r^¥?\d\.?\d*$, ss):# if re.fullmatch(r¥?\d\.?\d*, ss):print(保留)get_list2.append(ss)else:print(去除)continue
print(get_list2)
# [5005, 200.85, ¥12450, ¥100.50]
print()
{m} 对其之前的正则式指定匹配 m 个重复少于 m 的话就会导致匹配失败。 比如 a{6} 将匹配6个 a , 但是不能是5个。
{m,n} 对正则式进行 m 到 n 次匹配在 m 和 n 之间取尽量多。 比如a{3,5} 将匹配 3 到 5个 a。忽略 m 意为指定下界为0忽略 n 指定上界为无限次。 比如a{4,}b 将匹配 aaaab 或者1000个 a 尾随一个 b但不能匹配 aaab。 逗号不能省略否则无法辨别修饰符应该忽略哪个边界。
print()
# 保留8位带符号格式的日期数据其他数据排除
str_list3 [2023年08月09日, 2023-08-09, 2023/08/09, 20230809, 2023/8/9]
get_list3 []
for ss in str_list3:# 查找匹配的字符下面3个方法等价匹配if re.search(r[\d年月日]{11}, ss) or re.search(r[\d\-\/]{9,10}, ss):print(保留)get_list3.append(ss)else:print(去除)continue
print(get_list3)
# [2023年08月09日, 2023-08-09, 2023/08/09]
print()
[] 用于表示一个字符集合。在一个集合中 1, 字符可以单独列出比如 [amk] 匹配 a m 或者 k。 2, 可以表示字符范围通过用 - 将两个字符连起来。 比如 [a-z] 将匹配任何小写ASCII字符 [0-9] 将匹配从 0到9 的1位数字 [0-5][0-9] 将匹配从 00 到 59 的两位数字 [0-9A-Fa-f] 将匹配任何十六进制数位。 如果-进行了转义比如 [a\-z]或者它的位置在首位或者末尾如 [-a] 或 [a-]它就只表示普通字符 -。 3, 特殊字符在集合中会失去其特殊意义。比如 [(*)] 只会匹配这几个字面字符之一 (, , *, or )。 4, 字符类如 \w 或者 \S (如下定义) 在集合内可以接受它们可以匹配的字符由 ASCII 或者 LOCALE 模式决定。 5, 不在集合范围内的字符可以通过取反来进行匹配。 如果集合首字符是 ^ 所有 不 在集合内的字符将会被匹配 比如 [^5] 将匹配所有字符除了 5 [^^] 将匹配所有字符除了 ^. ^ 如果不在集合首位就没有特殊含义。 6, 要在集合内匹配一个 ] 字面值可以在它前面加上反斜杠或是将它放到集合的开头。 例如[()[\]{}] 和 []()[{}] 都可以匹配右方括号以及左方括号花括号和圆括号。
| A|B A 和 B 可以是任意正则表达式创建一个正则表达式匹配 A 或者 B. 任意个正则表达式可以用 | 连接。 它也可以在组合见下列内使用。扫描目标字符串时 | 分隔开的正则样式从左到右进行匹配。 当一个样式完全匹配时这个分支就被接受。意思就是一旦 A 匹配成功 B 就不再进行匹配即便它能产生一个更好的匹配。 或者说| 操作符绝不贪婪。 如果要匹配 | 字符使用 \| 或者把它包含在字符集里比如 [|].
(...) 组合匹配括号内的任意正则表达式并标识出组合的开始和结尾。 匹配完成后组合的内容可以被获取并可以在之后用 \number 转义序列进行再次匹配之后进行详细说明。 要匹配字符 ( 或者 ), 用 \( 或 \), 或者把它们包含在字符集合里: [(], [)].
print()
# 保留8位带符号格式的日期数据其他数据排除
str_list3 [2023年08月09日, 2023-08-09, 2023/08/09, 20230809, 2023/8/9]
get_list3 []
for ss in str_list3:# 查找匹配的字符下面3个方法等价匹配if re.search(r[\d年月日]{11}|[0-9\-\/]{9,10}, ss):print(保留)get_list3.append(ss)else:print(去除)continue
print(get_list3)
# [2023年08月09日, 2023-08-09, 2023/08/09]print(re.search(r(¥\d), ¥12450))
# re.Match object; span(0, 6), match¥12450
print()
