python正则表达式由浅入深
亿网
, 除了圆点和"\w"以外，还有以下元字符：,
, 如果大家在网上搜索Python 正则表达式，你将会看到大量的文章会这样写代码，但是在Python里面，在大多数情况下真的不需要使用re .compile！数据分析工作中很多任务是跟文本处理相关，比如从文本中提取客户的信息，从文本中提取时间等等都是比较常见的操作。 虽然Python处理字符串的方法很多，而且流行的pandas库也提供了大量的向量化字符串方法，但是一旦涉及要经过较为复杂的数据匹配才能进行的字符操作，这些方法就显得非常的乏力。下面就由 新网小编和大家讲一讲 python正则表达式。
幸运的是Python提供了re模块，可以实现正则表达式的操作。re模块主要通过六大方法来对字符串进行处理，包括：match()、search()、findall()、split()、sub()。
这些方法涉及到字符串的匹配与替换等操作，在接下来的4篇连载文章里，我们不单只会讲解这4种方法，还会把元字符、行定位符、限定符、字符类、排除字符、选择字符、转义字符、分组等正则表达式最常用知识点贯穿起来。
接下来的系列文章将会为大家初步搭建较为完整的Python正则表达式知识体系，如果你已经学习完Python编程基础和数据清洗的课程知识，该系列文章将会让你对使用Python正则表达式达到一学就会，一用就懂的技能熟悉程度，实现真正的融会贯通的目的。
一、re.match方法
我们首先看re模块中较为简单的match()方法。
match 的作用是利用 Pattern 实例，从字符串左侧开始匹配，如果匹配到就返回一个 Match 实例，如果第一个字符不符合条件，就返回 None。其语法格式如下：
re.match(pattern,string,[flags])
· pattern:表示模式字符串，由要匹配的正则表达式转换而来。
· string：表示要匹配的字符串。
· flags：可选参数，表示标志位，这个参数我们后续再讲。
模式字符串是什么意思呢？先看以下例子：
pattern='企业名称'
message='企业名称：CDA数据科学研究院'
match = re.match(pattern, message)
match
Out:
这时我们发现，re.match()方法返回了一个re.match对象，但这对象里面的信息什么意思呢？
在上面的例子中，我们的模式字符串没有使用任何其他特殊字符，只是"企业名称"。
而字符串message前面几个字符串刚好是"企业名称",因此返回来的re.match对象可以解读出以下信息：
· "企业名字"这几个字符串能在message中索引区间span(0,4)中匹配上
· 匹配结果就是match='企业名称'
另外，re.match对象还可以通过调用.start()方法以及.end()来获取匹配值的开始和结束位置：
match.start()
match.end()
也可以通过.span()方法获得记载匹配字符所处位置索引的元组：
match.span()
Out: (0, 4)
在message中被匹配上的字符串可以通过.group()方法获得：
match.group()
Out:'企业名称'
被匹配的字符串可以通过re.match对象的string属性来调用：
match.string
Out:'企业名称：CDA数据科学研究院'
二、re.search方法
如果说，要匹配字符串并非出现在message的开头，而是中间，match()方法就没办法匹配上了，这时候可以使用re.search()方法。
比如我们想要匹配message中的"CDA数据科学院研究院"，我们将pattern指向对象改成"企业名称"，调用re.search()方法即可：
pattern='CDA数据科学研究院'
message='企业名称：CDA数据科学研究院'
search = re.search(pattern, message)
search
Out:
值得注意的是，re.search()方法结果返回的也是re.match对象，因此前面提及到的该类对象的方法和属性同样可以调用。
search.start()
search.end()
search.span()
search.group()
search.string
Out:5
15
(5, 15)
'CDA数据科学研究院'
'企业名称：CDA数据科学研究院'
好，我们继续思考，如果我们想要将message中"CDA"后面的一个字符也匹配上，pattern该如何写？
pattern='CDA.'
message='企业名称：CDA数据科学研究院\n邮箱：1918560461@qq.com'
search = re.search(pattern, message)
search
Out:
通过上面的例子我们会发现，message中字符串"CDA"后面的"数"字也匹配上了，这只需要在设置pattern的时候，在字符串"CDA"后面多加一个圆点，而这圆点的作用就是可以帮你匹配除了换行符以外的任意字符。
除此之外，我们还可以把圆点换成"\w"，最终效果也是一样的：
pattern='CDA\w'
message='企业名称：CDA数据科学研究院\n邮箱：1918560461@qq.com'
search = re.search(pattern, message)
search
Out:
"\w"的作用就是可以帮你匹配字符、数字、下划线或者是汉字。
而这些符号叫做元字符。
pattern=r'\bCDA.{5}' # 在元字符之前添加r
message='企业名称：经管之家CDA数据科学研究院 CDA数据分析师\n邮箱：1918560461@qq.com'
search = re.search(pattern, message)
print(search)
Out:
在上面的例子中，我们还需要注意的就是，由于模式字符串中带有元字符"\b"，而"\b"会匹配分界符（空格，标点符号或换行符）。
因此messgae中左边起第一个"CDA"字符串前面由于没有分界符，最终匹配的是第二个"CDA"字符串。
那么上面模式字符串中出现的花括号"{}"是什么意思呢？这就是我们接下来要讲解的限定符。
四、限定符
前面学习了元字符，我们配合re.match()方法和re.search()方法就可以进行非常灵活的字符匹配。
但是只有元字符还有很多地方无法解决，比如，我们希望匹配字符串'企业名称：CDA数据科学研究院\n邮箱：1918560461@qq.com'中的邮箱，该怎么办？
这个时候，我们就可以在模式字符串中添加限定符：
pattern='邮箱：.{17}'
message='经管之家CDA数据科学研究院\n邮箱：1918560461@qq.com'
search = re.search(pattern, message)
print(search)
Out:
上面的patrern参数设置的原理是：既然是要匹配出message中的邮箱信息，而邮箱信息是在messaage中字符串"邮箱："的后面，如果邮箱信息的长度为1，pattern可以写成"邮箱：.".
但是该邮箱信息长度为17个字符，也就是说，要匹配message中"邮箱："后面的17个字符，这时在上面的pattern后面添加限定符"{17}"就可以匹配17个字符（不包括换行符）。
但是如果邮箱信息长度不是为17，那该怎么办？由于邮件信息就是在message中字符串"邮箱："的后面一直到末端，因此我们可以这样写：
pattern='邮箱：.*'
message='经管之家CDA数据科学研究院\n邮箱：1918560461@qq.com'
search = re.search(pattern, message)
print(search)
Out:
除了上面提及的"{n}"和"*"以外，还有那些常用的限定符呢？
python正则表达式
python正则表达式
这里需要给大家一个提醒的是，由于元字符"."是匹配除了换行符以外的任意字符，因此，即使我们的message中，邮箱信息后面如果有换行，上面的方法依然可以匹配出邮箱信息，比如：
pattern='邮箱：.*'
message='企业名称：CDA数据科学研究院\n邮箱：1918560461@qq.com\n地址：北京市海淀区厂洼街3号2号楼2-3层\n网址： www.cda .cn'
search = re.search(pattern, message)
print(search)
Out:
但是，如果上面的message中"地址"两个字的前面没有换行符"\n"呢？该如何匹配出邮箱信息？
我们只需要在pattern中星号的后面加上邮箱地址最后的字符"com"作为匹配的结束即可：
pattern='邮箱：.*com'
message='企业名称：CDA数据科学研究院\n邮箱：1918560461@qq.com地址：北京市海淀区厂洼街3号2号楼2-3层\n网址：www.cda.cn'
search = re.search(pattern, message)
print(search)
Out:
正则表达式可以提高复杂文本分析的效率，本课程介绍了Python正则表达式基本概念、为什么使用正则表达式、正则语法、re模块及相关方法使用，如何使用正则表达式处理文件，让您对python正则全面了解。小伙伴们要想获得更多python正则表达式的内容，请关注新网！
, 如果大家在网上搜索Python 正则表达式，你将会看到大量的文章会这样写代码，但是在Python里面，在大多数情况下真的不需要使用re .compile！数据分析工作中很多任务是跟文本处理相关，比如从文本中提取客户的信息，从文本中提取时间等等都是比较常见的操作。 虽然Python处理字符串的方法很多，而且流行的pandas库也提供了大量的向量化字符串方法，但是一旦涉及要经过较为复杂的数据匹配才能进行的字符操作，这些方法就显得非常的乏力。下面就由 新网小编和大家讲一讲 python正则表达式。
幸运的是Python提供了re模块，可以实现正则表达式的操作。re模块主要通过六大方法来对字符串进行处理，包括：match()、search()、findall()、split()、sub()。
这些方法涉及到字符串的匹配与替换等操作，在接下来的4篇连载文章里，我们不单只会讲解这4种方法，还会把元字符、行定位符、限定符、字符类、排除字符、选择字符、转义字符、分组等正则表达式最常用知识点贯穿起来。
接下来的系列文章将会为大家初步搭建较为完整的Python正则表达式知识体系，如果你已经学习完Python编程基础和数据清洗的课程知识，该系列文章将会让你对使用Python正则表达式达到一学就会，一用就懂的技能熟悉程度，实现真正的融会贯通的目的。
一、re.match方法
我们首先看re模块中较为简单的match()方法。
match 的作用是利用 Pattern 实例，从字符串左侧开始匹配，如果匹配到就返回一个 Match 实例，如果第一个字符不符合条件，就返回 None。其语法格式如下：
re.match(pattern,string,[flags])
· pattern:表示模式字符串，由要匹配的正则表达式转换而来。
· string：表示要匹配的字符串。
· flags：可选参数，表示标志位，这个参数我们后续再讲。
模式字符串是什么意思呢？先看以下例子：
pattern='企业名称'
message='企业名称：CDA数据科学研究院'
match = re.match(pattern, message)
match
Out:
这时我们发现，re.match()方法返回了一个re.match对象，但这对象里面的信息什么意思呢？
在上面的例子中，我们的模式字符串没有使用任何其他特殊字符，只是"企业名称"。
而字符串message前面几个字符串刚好是"企业名称",因此返回来的re.match对象可以解读出以下信息：
· "企业名字"这几个字符串能在message中索引区间span(0,4)中匹配上
· 匹配结果就是match='企业名称'
另外，re.match对象还可以通过调用.start()方法以及.end()来获取匹配值的开始和结束位置：
match.start()
match.end()
也可以通过.span()方法获得记载匹配字符所处位置索引的元组：
match.span()
Out: (0, 4)
在message中被匹配上的字符串可以通过.group()方法获得：
match.group()
Out:'企业名称'
被匹配的字符串可以通过re.match对象的string属性来调用：
match.string
Out:'企业名称：CDA数据科学研究院'
二、re.search方法
如果说，要匹配字符串并非出现在message的开头，而是中间，match()方法就没办法匹配上了，这时候可以使用re.search()方法。
比如我们想要匹配message中的"CDA数据科学院研究院"，我们将pattern指向对象改成"企业名称"，调用re.search()方法即可：
pattern='CDA数据科学研究院'
message='企业名称：CDA数据科学研究院'
search = re.search(pattern, message)
search
Out:
值得注意的是，re.search()方法结果返回的也是re.match对象，因此前面提及到的该类对象的方法和属性同样可以调用。
search.start()
search.end()
search.span()
search.group()
search.string
Out:5
15
(5, 15)
'CDA数据科学研究院'
'企业名称：CDA数据科学研究院'
三、元字符
好，我们继续思考，如果我们想要将message中"CDA"后面的一个字符也匹配上，pattern该如何写？
pattern='CDA.'
message='企业名称：CDA数据科学研究院\n邮箱：1918560461@qq.com'
search = re.search(pattern, message)
search
Out:
通过上面的例子我们会发现，message中字符串"CDA"后面的"数"字也匹配上了，这只需要在设置pattern的时候，在字符串"CDA"后面多加一个圆点，而这圆点的作用就是可以帮你匹配除了换行符以外的任意字符。
除此之外，我们还可以把圆点换成"\w"，最终效果也是一样的：
pattern='CDA\w'
message='企业名称：CDA数据科学研究院\n邮箱：1918560461@qq.com'
search = re.search(pattern, message)
search
Out:
"\w"的作用就是可以帮你匹配字符、数字、下划线或者是汉字。
而这些符号叫做元字符。
除了圆点和"\w"以外，还有以下元字符：
pattern=r'\bCDA.{5}' # 在元字符之前添加r
message='企业名称：经管之家CDA数据科学研究院 CDA数据分析师\n邮箱：1918560461@qq.com'
search = re.search(pattern, message)
print(search)
Out:
在上面的例子中，我们还需要注意的就是，由于模式字符串中带有元字符"\b"，而"\b"会匹配分界符（空格，标点符号或换行符）。
因此messgae中左边起第一个"CDA"字符串前面由于没有分界符，最终匹配的是第二个"CDA"字符串。
那么上面模式字符串中出现的花括号"{}"是什么意思呢？这就是我们接下来要讲解的限定符。
四、限定符
前面学习了元字符，我们配合re.match()方法和re.search()方法就可以进行非常灵活的字符匹配。
但是只有元字符还有很多地方无法解决，比如，我们希望匹配字符串'企业名称：CDA数据科学研究院\n邮箱：1918560461@qq.com'中的邮箱，该怎么办？
这个时候，我们就可以在模式字符串中添加限定符：
pattern='邮箱：.{17}'
message='经管之家CDA数据科学研究院\n邮箱：1918560461@qq.com'
search = re.search(pattern, message)
print(search)
Out:
上面的patrern参数设置的原理是：既然是要匹配出message中的邮箱信息，而邮箱信息是在messaage中字符串"邮箱："的后面，如果邮箱信息的长度为1，pattern可以写成"邮箱：.".
但是该邮箱信息长度为17个字符，也就是说，要匹配message中"邮箱："后面的17个字符，这时在上面的pattern后面添加限定符"{17}"就可以匹配17个字符（不包括换行符）。
但是如果邮箱信息长度不是为17，那该怎么办？由于邮件信息就是在message中字符串"邮箱："的后面一直到末端，因此我们可以这样写：
pattern='邮箱：.*'
message='经管之家CDA数据科学研究院\n邮箱：1918560461@qq.com'
search = re.search(pattern, message)
print(search)
Out:
除了上面提及的"{n}"和"*"以外，还有那些常用的限定符呢？
python正则表达式
python正则表达式
这里需要给大家一个提醒的是，由于元字符"."是匹配除了换行符以外的任意字符，因此，即使我们的message中，邮箱信息后面如果有换行，上面的方法依然可以匹配出邮箱信息，比如：
pattern='邮箱：.*'
message='企业名称：CDA数据科学研究院\n邮箱：1918560461@qq.com\n地址：北京市海淀区厂洼街3号2号楼2-3层\n网址： www.cda .cn'
search = re.search(pattern, message)
print(search)
Out:
但是，如果上面的message中"地址"两个字的前面没有换行符"\n"呢？该如何匹配出邮箱信息？
我们只需要在pattern中星号的后面加上邮箱地址最后的字符"com"作为匹配的结束即可：
pattern='邮箱：.*com'
message='企业名称：CDA数据科学研究院\n邮箱：1918560461@qq.com地址：北京市海淀区厂洼街3号2号楼2-3层\n网址：www.cda.cn'
search = re.search(pattern, message)
print(search)
Out:
正则表达式可以提高复杂文本分析的效率，本课程介绍了Python正则表达式基本概念、为什么使用正则表达式、正则语法、re模块及相关方法使用，如何使用正则表达式处理文件，让您对python正则全面了解。小伙伴们要想获得更多python正则表达式的内容，请关注新网！