float正则表达式 带逗号_python正则表达式小试牛刀
本文共 5438 字，大约阅读时间需要 18 分钟。
目录
- 1. 判断字符串是否是全部小写
- 2. 首字母缩写词扩充
- 3. 去掉数字中的逗号
- 4. 中文处理之年份转换（例如：一九四九年--->1949年）
- 5. 多个手机号码，中间用|隔开
语法
注意
1. 转义字符
>>> s'(abc)def'>>> m = re.search("((.*)).*", s)>>> print m.group(1)(abc) 其中group()用法
正则表达式中，()用来分组，group()用来提出分组截获的字符串；
import rea = "123abc456"print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0) #123abc456,返回整体print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1) #123print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2) #abcprint re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3) #456 究其因
1. 正则表达式中的三组括号把匹配结果分成三组
- group(0) 匹配正则表达式整体结果，与 group() 同；
- group(1) 列出第一个括号匹配部分；
- group(2) 列出第二个括号匹配部分；
- group(3) 列出第三个括号匹配部分。
2. 没有匹配成功的，re.search（）返回None
3. 当然正则表达式中没有括号，group(1)肯定不对了。
2. 重复前边的字串多次
>>> a = "kdlal123dk345">>> b = "kdlal123345">>> m = re.search("([0-9]+(dk){0,1})[0-9]+", a)>>> m.group(1), m.group(2)('123dk', 'dk')>>> m = re.search("([0-9]+(dk){0,1})[0-9]+", b)>>> m.group(1)'12334'>>> m.group(2)>>> 示例
1. 判断字符串是否是全部小写
代码
import re s1 = 'adkkdk's2 = 'abc123efg'an = re.search('^[a-z]+$', s1)if an: print 's1:', an.group(), '全为小写' else: print s1, "不全是小写！"an = re.match('[a-z]+$', s2)if an: print 's2:', an.group(), '全为小写' else: print s2, "不全是小写！" 结果
究其因
1. 正则表达式不是python的一部分，利用时需要引用re模块
2. 匹配的形式为： re.search(正则表达式， 带匹配字串)或re.match(正则表达式， 带匹配字串)。两者区别在于后者默认以开始符（^）开始。因此，
re.search('^[a-z]+$', s1) 等价于 re.match('[a-z]+$', s2) 3. 如果匹配失败，则an = re.search('^[a-z]+$', s1)返回None
group用于把匹配结果分组，在前面已做讲解
2. 首字母缩写词扩充
具体示例
FEMA Federal Emergency Management AgencyIRA Irish Republican ArmyDUP Democratic Unionist PartyFDA Food and Drug AdministrationOLC Office of Legal Counsel
分析
缩写词 FEMA分解为 F*** E*** M*** A***规律 大写字母 + 小写（大于等于1个）+ 空格
参考代码
import redef expand_abbr(sen, abbr): lenabbr = len(abbr) ma = '' for i in range(0, lenabbr): ma += abbr[i] + "[a-z]+" + ' ' print 'ma:', ma ma = ma.strip(' ') p = re.search(ma, sen) if p: return p.group() else: return ''print expand_abbr("Welcome to Algriculture Bank China", 'ABC') 结果
问题
上面代码对于例子中的前3个是正确的，但是后面的两个就错了，因为大写字母开头的词语之间还夹杂着小写字母词
规律
大写字母 + 小写（大于等于1个）+ 空格 + [小写+空格](0次或1次)
参考代码
import redef expand_abbr(sen, abbr): lenabbr = len(abbr) ma = '' for i in range(0, lenabbr-1): ma += abbr[i] + "[a-z]+" + ' ' + '([a-z]+ )?' ma += abbr[lenabbr-1] + "[a-z]+" print 'ma:', ma ma = ma.strip(' ') p = re.search(ma, sen) if p: return p.group() else: return ''print expand_abbr("Welcome to Algriculture Bank of China", 'ABC') 技巧
中间的 小写字母集合+一个空格，看成一个整体，就加个括号。要么同时有，要么同时没有，这样需要用到？，匹配前方的整体。
3. 去掉数字中的逗号
具体示例
在处理自然语言时123,000,000如果以标点符号分割，就会出现问题，好好的一个数字就被逗号肢解了，因此可以先下手把数字处理干净（逗号去掉）。
分析
数字中经常是3个数字一组，之后跟一个逗号，因此规律为：***，***，***
正则式
[a-z]+,[a-z]?
参考代码3-1
import resen = "abc,123,456,789,mnp"p = re.compile("d+,d+?")for com in p.finditer(sen): mm = com.group() print "hi:", mm print "sen_before:", sen sen = sen.replace(mm, mm.replace(",", "")) print "sen_back:", sen, 'n' 结果
技巧
使用函数finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。
参考代码3-2
sen = "abc,123,456,789,mnp"while 1: mm = re.search("d,d", sen) if mm: mm = mm.group() sen = sen.replace(mm, mm.replace(",", "")) print sen else: break 结果
延伸
这样的程序针对具体问题，即数字3位一组，如果数字混杂与字母间，干掉数字间的逗号，即把“abc,123,4,789,mnp”转化为“abc,1234789,mnp”
思路
更具体的是找正则式“数字，数字”找到后用去掉逗号的替换
参考代码3-3
sen = "abc,123,4,789,mnp"while 1: mm = re.search("d,d", sen) if mm: mm = mm.group() sen = sen.replace(mm, mm.replace(",", "")) print sen else: breakprint sen 结果
4. 中文处理之年份转换（例如：一九四九年--->1949年）
中文处理涉及到编码问题。例如下边的程序识别年份（****年）时
# -*- coding: cp936 -*-import rem0 = "在一九四九年新中国成立"m1 = "比一九九零年低百分之五点二"m2 = '人一九九六年击败俄军,取得实质独立'def fuc(m): a = re.findall("[零|一|二|三|四|五|六|七|八|九]+年", m) if a: for key in a: print key else: print "NULL"fuc(m0)fuc(m1)fuc(m2) 运行结果
可以看出第二个、第三个都出现了错误。
改进——准化成unicode识别
# -*- coding: cp936 -*-import rem0 = "在一九四九年新中国成立"m1 = "比一九九零年低百分之五点二"m2 = '人一九九六年击败俄军,取得实质独立'def fuc(m): m = m.decode('cp936') a = re.findall(u"[u96f6|u4e00|u4e8c|u4e09|u56db|u4e94|u516d|u4e03|u516b|u4e5d]+u5e74", m) if a: for key in a: print key else: print "NULL"fuc(m0)fuc(m1)fuc(m2) 结果
识别出来可以通过替换方式，把汉字替换成数字。
参考
numHash = {}numHash['零'.decode('utf-8')] = '0'numHash['一'.decode('utf-8')] = '1'numHash['二'.decode('utf-8')] = '2'numHash['三'.decode('utf-8')] = '3'numHash['四'.decode('utf-8')] = '4'numHash['五'.decode('utf-8')] = '5'numHash['六'.decode('utf-8')] = '6'numHash['七'.decode('utf-8')] = '7'numHash['八'.decode('utf-8')] = '8'numHash['九'.decode('utf-8')] = '9'def change2num(words): print "words:",words newword = '' for key in words: print key if key in numHash: newword += numHash[key] else: newword += key return newworddef Chi2Num(line): a = re.findall(u"[u96f6|u4e00|u4e8c|u4e09|u56db|u4e94|u516d|u4e03|u516b|u4e5d]+u5e74", line) if a: print "------" print line for words in a: newwords = change2num(words) print words print newwords line = line.replace(words, newwords) return line 5. 多个手机号码，中间用|隔开
举例：
空值1222222222212222222222|1222222222212222222222|12222222222|12222222444
表达式
s = "[d]{11}(|[d]{11})*|"
四. 推荐
Python正则表达式指南
参考：https://www.cnblogs.com/kaituorensheng/p/3489492.html#_label0
你可能感兴趣的文章
完美解决NC502手工sql的查询引擎排序及合计问题
查看>>
PE文件之资源讲解
查看>>
windows 7/mac编译cocos2d-x-3.2*的android工程报错
查看>>
MYSQL导入导出.sql文件(转)
查看>>
git review报错一例
查看>>
《信息安全系统设计基础》 课程教学
查看>>
Linux平台下使用rman进行oracle数据库迁移
查看>>
全栈工程师学习Linux技术的忠告
查看>>
iOS自定制tabbar与系统的tabbar冲突,造成第一次点击各个item图片更换选中,第二次选中部分item图片不改变...
查看>>
C# Dictionary用法总结
查看>>
SVN服务器使用（二）
查看>>
反射获取内部类以及调用内部类方法
查看>>
C语言 - pthread
查看>>
谈Linq To Sql的优劣--纯个人观点
查看>>
App里面如何正确显示用户头像
查看>>
DATAGUARD维护：从库宕机后如何恢复到管理恢复模式
查看>>
U-BOOT之一：BootLoader 的概念与功能
查看>>
我的路上
查看>>
Velocity处理多余空白和多余空白行问题
查看>>
java值传递
查看>>