python_数据分析_正则表达式

正则表达式就是记录文本规则的代码，我们将从正则表达式基础和re模块实现两个方面来说

1.正则表达式基础

正则表达式主要学习元字符，可以参考百度进行：https://baike.sogou.com/v107588.htm?fromTitle=%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F

2.使用Python的re模块实现

Python提供了re模块，用于实现正则表达式的操作。在实现时，可以使用re模块提供的方法，如search()，match()，findall()进行字符串处理，也可以使用re模块的compile()方法将模式字符串转换为正则表达式对象，然后再使用该正则表达式对象的相关方法来操作字符串。

2.1 使用match()方法进行匹配

match（）方法用于从字符串的开始处进行匹配，如果再开始处匹配成功，则返回Match对象，否则返回None

import re
pattern = r"mr_\w+"
string = "MR_shop mr_shop"
match = re.match(pattern, string, re.I)
print(match)

string = "1234"
match = re.match(pattern, string, re.I)
print(match)

返回结果分别为

<re.Match object; span=(0, 7), match='MR_shop'>

None

同时，如果返回match类，还有以下几个参数可以调用

• match.start() ：匹配值的起始位置
• match.end() ：匹配值的结束位置
• match.span()：匹配值的位置元组
• match.string()：要匹配的字符串
• match.group()：匹配的数据

2.2 使用search()方法进行匹配

search()方法用于在整个字符串中搜索第一个匹配的值，如果匹配成功返回Match对象。该方法的调用同match对象。

import re
pattern = r"mr_\w+"
string1 = "MR_shop mr_shop"
match1 = re.search(pattern, string1, re.I)
print(match1)

string2 = "你好MR_shop mr_shop"
match2 = re.search(pattern, string2, re.I)
print(match2)

	
【Running】=================
<re.Match object; span=(0, 7), match='MR_shop'>
<re.Match object; span=(2, 9), match='MR_shop'>

2.3 使用findall() 方法进行匹配

findall() 方法用于在整个字符串中搜索所有符合正则表达式的字符串，并以列表的形式返回（返回不同于前两种方法）。语法格式与上两个基本相似

import re
pattern = r"mr_\w+"
string1 = "MR_shop mr_shop"
match1 = re.findall(pattern, string1, re.I)
print(match1)

string2 = "你好MR_shop mr_shop"
match2 = re.findall(pattern, string2, re.I)
print(match2)


【Running】
['MR_shop', 'mr_shop']
['MR_shop', 'mr_shop']

2.4 替换字符串

sub()字符串用于实现字符串替换
re.sub(pattern, repl, string, count, flags)

• pattern：表示模式字符串
• repl：表示替换的字符串
• string：表示呗查找替换的原始字符串
• count：匹配次数，默认值为0，表示替换全部
• flags：可选参数，用于控制匹配方式，如是否区分大小写

import re
pattern = r'1[345678]\d{9}'
string = '姓名：123 电话：[phone]'
result = re.sub(pattern, '1XXXXXXXXXX', string)
print(result)

运行结果：姓名：123 电话：1XXXXXXXXXX

2.5 分割字符串

re.split(pattern, string, [maxsplit], [flags])

• pattern：表示模式字符串
• string：要匹配的字符串
• maxsplit：表示最大拆分次数，可选
• flags：标志位，如是否区分大小写。

import re
pattern = r'[?|&]'
string = 'niafeibuvos&boiabfabv?vewivbow&nbivoosb'
result = re.split(pattern, string)
print(result)

运行结果为：[‘niafeibuvos’, ‘boiabfabv’, ‘vewivbow’, ‘nbivoosb’]