python 中正則表達式的學習

在做文本處理的時候，經常會使用正則表達式，每次使用的時候，都要使用搜索引擎，怎麼樣才能熟練掌握，提高自己開發的效率，故決定 把正則表達式梳理一下，方便自己掌握

 1.split

如果是單個分隔符，可以直接使用字符串的

s = "hello,csdn"
print(s.split(","))

多個分隔符使用正則表達式

import re

# 中文分句

doc = "厲害了！經參報道，近期，包括廣東、北京、上海等多地都在密集出臺新一輪促消費政策。業內指出，從這一輪的促消費政策來看，一個明顯的特點是打造國際消費中心城市、步行街升級版、培育夜經濟等成爲多地的抓手，消費升級有了新路徑、新平臺。預計政策密集落地將爲消費注入強心劑，從國家和地方層面將會有更多政策利好落地……不知道能不能超額完成？"

sents = re.split(r'。|？|！|；|……|\?|!|;',doc)

2.sub

精準替換 直接使用 str.replace()

模糊替換，需要使用 re.sub()

def html_clean(text):
    """
    清理文本中的 html 格式
    """
    #替換 &nbsp；
    text = text.replace('& nbsp ;','')
    #替換 url
    text = re.sub(r'(https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]', '', text)
    # 替換 html標籤
    text = re.sub(r'<[^>]+>', '', text)
    return text