??如果大家在網(wǎng)上搜索Python 正則表達(dá)式，你將會看到大量的文章會這樣寫代碼，但是在Python里面，在大多數(shù)情況下真的不需要使用re.compile！數(shù)據(jù)分析工作中很多任務(wù)是跟文本處理相關(guān)，比如從文本中提取客戶的信息，從文本中提取時間等等都是比較常見的操作。 雖然Python處理字符串的方法很多，而且流行的pandas庫也提供了大量的向量化字符串方法，但是一旦涉及要經(jīng)過較為復(fù)雜的數(shù)據(jù)匹配才能進(jìn)行的字符操作，這些方法就顯得非常的乏力。下面就由新網(wǎng)小編和大家講一講python正則表達(dá)式。

??幸運(yùn)的是Python提供了re模塊，可以實(shí)現(xiàn)正則表達(dá)式的操作。re模塊主要通過六大方法來對字符串進(jìn)行處理，包括：match()、search()、findall()、split()、sub()。

??這些方法涉及到字符串的匹配與替換等操作，在接下來的4篇連載文章里，我們不單只會講解這4種方法，還會把元字符、行定位符、限定符、字符類、排除字符、選擇字符、轉(zhuǎn)義字符、分組等正則表達(dá)式最常用知識點(diǎn)貫穿起來。

??接下來的系列文章將會為大家初步搭建較為完整的Python正則表達(dá)式知識體系，如果你已經(jīng)學(xué)習(xí)完P(guān)ython編程基礎(chǔ)和數(shù)據(jù)清洗的課程知識，該系列文章將會讓你對使用Python正則表達(dá)式達(dá)到一學(xué)就會，一用就懂的技能熟悉程度，實(shí)現(xiàn)真正的融會貫通的目的。

??一、re.match方法

??我們首先看re模塊中較為簡單的match()方法。

??match 的作用是利用 Pattern 實(shí)例，從字符串左側(cè)開始匹配，如果匹配到就返回一個 Match 實(shí)例，如果第一個字符不符合條件，就返回 None。其語法格式如下：

??re.match(pattern,string,[flags])

??· pattern:表示模式字符串，由要匹配的正則表達(dá)式轉(zhuǎn)換而來。

??· string：表示要匹配的字符串。

??· flags：可選參數(shù)，表示標(biāo)志位，這個參數(shù)我們后續(xù)再講。

??模式字符串是什么意思呢？先看以下例子：

??pattern='企業(yè)名稱'

??message='企業(yè)名稱：CDA數(shù)據(jù)科學(xué)研究院'

??match = re.match(pattern, message)

??match

??Out:

??這時我們發(fā)現(xiàn)，re.match()方法返回了一個re.match對象，但這對象里面的信息什么意思呢？

??在上面的例子中，我們的模式字符串沒有使用任何其他特殊字符，只是"企業(yè)名稱"。

??而字符串message前面幾個字符串剛好是"企業(yè)名稱",因此返回來的re.match對象可以解讀出以下信息：

??· "企業(yè)名字"這幾個字符串能在message中索引區(qū)間span(0,4)中匹配上

??· 匹配結(jié)果就是match='企業(yè)名稱'

??另外，re.match對象還可以通過調(diào)用.start()方法以及.end()來獲取匹配值的開始和結(jié)束位置：

??match.start()

??match.end()

??也可以通過.span()方法獲得記載匹配字符所處位置索引的元組：

??match.span()

??Out: (0, 4)

??在message中被匹配上的字符串可以通過.group()方法獲得：

??match.group()

??Out:'企業(yè)名稱'

??被匹配的字符串可以通過re.match對象的string屬性來調(diào)用：

??match.string

??Out:'企業(yè)名稱：CDA數(shù)據(jù)科學(xué)研究院'

??二、re.search方法

??如果說，要匹配字符串并非出現(xiàn)在message的開頭，而是中間，match()方法就沒辦法匹配上了，這時候可以使用re.search()方法。

??比如我們想要匹配message中的"CDA數(shù)據(jù)科學(xué)院研究院"，我們將pattern指向?qū)ο蟾某?企業(yè)名稱"，調(diào)用re.search()方法即可：

??pattern='CDA數(shù)據(jù)科學(xué)研究院'

??message='企業(yè)名稱：CDA數(shù)據(jù)科學(xué)研究院'

??search = re.search(pattern, message)

??search

??Out:

??值得注意的是，re.search()方法結(jié)果返回的也是re.match對象，因此前面提及到的該類對象的方法和屬性同樣可以調(diào)用。

??search.start()

??search.end()

??search.span()

??search.group()

??search.string

??Out:5

??15

??(5, 15)

??'CDA數(shù)據(jù)科學(xué)研究院'

??'企業(yè)名稱：CDA數(shù)據(jù)科學(xué)研究院'

??三、元字符

??好，我們繼續(xù)思考，如果我們想要將message中"CDA"后面的一個字符也匹配上，pattern該如何寫？

??pattern='CDA.'

??message='企業(yè)名稱：CDA數(shù)據(jù)科學(xué)研究院\n郵箱：1918560461@qq.com'

??search = re.search(pattern, message)

??search

??Out:

??通過上面的例子我們會發(fā)現(xiàn)，message中字符串"CDA"后面的"數(shù)"字也匹配上了，這只需要在設(shè)置pattern的時候，在字符串"CDA"后面多加一個圓點(diǎn)，而這圓點(diǎn)的作用就是可以幫你匹配除了換行符以外的任意字符。

??除此之外，我們還可以把圓點(diǎn)換成"\w"，最終效果也是一樣的：

??pattern='CDA\w'

??message='企業(yè)名稱：CDA數(shù)據(jù)科學(xué)研究院\n郵箱：1918560461@qq.com'

??search = re.search(pattern, message)

??search

??Out:

??"\w"的作用就是可以幫你匹配字符、數(shù)字、下劃線或者是漢字。

??而這些符號叫做元字符。

??除了圓點(diǎn)和"\w"以外，還有以下元字符：

??這里需要注意的是，由于元字符大多數(shù)都包含特殊字符和反斜杠，因此，為了匹配原生字符串，可以在元字符之前添加r或R，如：

??pattern=r'\bCDA.{5}' # 在元字符之前添加r

??message='企業(yè)名稱：經(jīng)管之家CDA數(shù)據(jù)科學(xué)研究院 CDA數(shù)據(jù)分析師\n郵箱：1918560461@qq.com'

??search = re.search(pattern, message)

??print(search)

??Out:

??在上面的例子中，我們還需要注意的就是，由于模式字符串中帶有元字符"\b"，而"\b"會匹配分界符（空格，標(biāo)點(diǎn)符號或換行符）。

??因此messgae中左邊起第一個"CDA"字符串前面由于沒有分界符，最終匹配的是第二個"CDA"字符串。

??那么上面模式字符串中出現(xiàn)的花括號"{}"是什么意思呢？這就是我們接下來要講解的限定符。

??四、限定符

??前面學(xué)習(xí)了元字符，我們配合re.match()方法和re.search()方法就可以進(jìn)行非常靈活的字符匹配。

??但是只有元字符還有很多地方無法解決，比如，我們希望匹配字符串'企業(yè)名稱：CDA數(shù)據(jù)科學(xué)研究院\n郵箱：1918560461@qq.com'中的郵箱，該怎么辦？

??這個時候，我們就可以在模式字符串中添加限定符：

??pattern='郵箱：.{17}'

??message='經(jīng)管之家CDA數(shù)據(jù)科學(xué)研究院\n郵箱：1918560461@qq.com'

??search = re.search(pattern, message)

??print(search)

??Out:

??上面的patrern參數(shù)設(shè)置的原理是：既然是要匹配出message中的郵箱信息，而郵箱信息是在messaage中字符串"郵箱："的后面，如果郵箱信息的長度為1，pattern可以寫成"郵箱：.".

??但是該郵箱信息長度為17個字符，也就是說，要匹配message中"郵箱："后面的17個字符，這時在上面的pattern后面添加限定符"{17}"就可以匹配17個字符（不包括換行符）。

??但是如果郵箱信息長度不是為17，那該怎么辦？由于郵件信息就是在message中字符串"郵箱："的后面一直到末端，因此我們可以這樣寫：

??pattern='郵箱：.*'

??message='經(jīng)管之家CDA數(shù)據(jù)科學(xué)研究院\n郵箱：1918560461@qq.com'

??search = re.search(pattern, message)

??print(search)

??Out:

??除了上面提及的"{n}"和"*"以外，還有那些常用的限定符呢？

python正則表達(dá)式

python正則表達(dá)式

??這里需要給大家一個提醒的是，由于元字符"."是匹配除了換行符以外的任意字符，因此，即使我們的message中，郵箱信息后面如果有換行，上面的方法依然可以匹配出郵箱信息，比如：

??pattern='郵箱：.*'

??message='企業(yè)名稱：CDA數(shù)據(jù)科學(xué)研究院\n郵箱：1918560461@qq.com\n地址：北京市海淀區(qū)廠洼街3號2號樓2-3層\n網(wǎng)址：www.cda.cn'

??search = re.search(pattern, message)

??print(search)

??Out:

??但是，如果上面的message中"地址"兩個字的前面沒有換行符"\n"呢？該如何匹配出郵箱信息？

??我們只需要在pattern中星號的后面加上郵箱地址最后的字符"com"作為匹配的結(jié)束即可：

??pattern='郵箱：.*com'

??message='企業(yè)名稱：CDA數(shù)據(jù)科學(xué)研究院\n郵箱：1918560461@qq.com地址：北京市海淀區(qū)廠洼街3號2號樓2-3層\n網(wǎng)址：www.cda.cn'

??search = re.search(pattern, message)

??print(search)

??Out:

??正則表達(dá)式可以提高復(fù)雜文本分析的效率，本課程介紹了Python正則表達(dá)式基本概念、為什么使用正則表達(dá)式、正則語法、re模塊及相關(guān)方法使用，如何使用正則表達(dá)式處理文件，讓您對python正則全面了解。小伙伴們要想獲得更多python正則表達(dá)式的內(nèi)容，請關(guān)注新網(wǎng)！