Tools

数据处理工具

正则表达式

import re

• Regex对象

  regex = re.compile(r'\d\d\d-\d\d\d\d') # r为原始字符串

• 使用Match对象，匹配Regex对象

  match = regex.search('some string like 123-1234')

  match为 123-1234

  • 为匹配到为None

• Match对象的group()方法
  若要将匹配的文本分组，则可以使用括号创建“分组”，例如(\d\d\d-\d\d\d\d)

  regex = re.compile(r'(\d\d\d)-(\d\d\d\d)')
  match = regex.search('my number is 123-1234')

  match.group(1)为 123
  match.group(2)为 1234
  match.group(0)或不加参数为全部文本

  • 若要一次获取所有分组，使用match.groups()方法，将每组放入元祖中返回

• 使用管道匹配多个分组

  regex = re.compile(r'Spider|Bat')
  match1 = regex.match('Spider and Bat') # match1 = Spider
  match2 = regex.match('Bat and Spider') # match2 = Bat

  优先匹配先遇到的词，然后这个分组成这个词了

• 使用问号实现可选匹配

  regex = re.compile(r'sweet (black )?choloate')

  以上匹配中，如果有black就会匹配black，没有就会匹配其他部分

• 使用星号进行0或多次匹配

  regex = re.compile(r'(sweet )*chcolate')

  以上可以匹配到chcolate、sweet chcolate、 sweet sweet sweet chcolate

• 使用加号匹配1或多次

  regex = re.compile(r'(sweet )+chcolate')

  同星号，只不过不包含0次

• 使用花括号匹配特定次数

  regex = re.compile(r'(hello ){3,5}')

  以上，只会匹配到hello hello hello 或者5个的 python正则表达式默认为贪心的，在大括号后面加?将其变成非贪心的，例如上式，如果够5个就匹配5个，加上?后就匹配3个了

• findall()方法

  regex = re.compile(r'\d\d\d-\d\d\d\d')
  match_all = regex.findall('...')

  返回由所有匹配相组成的列表