【Regex】初试Python下的中文正则表达式

0x00 前言

真的是第一次在Python上做正则表达式呀……走了好多弯路，表示自己实在是笨的不行，难得实现了个小Demo，做点备忘好了。
简要概括一下就是：英文正则亲和度蛮高的，随意；中文，转成Unicode再说话！

0x01 参考页面

• 正则表达式 - 教程
  
  • 正则表达式 - 简介
  • 正则表达式 - 语法
  • 正则表达式 - 元字符
  • 正则表达式 - 运算符优先级
  • 正则表达式 - 匹配规则
  • 正则表达式 - 实例
• 正则表达式在线测试
  
  • 在程序里调试太麻烦了，有个在线的工具实时尝试还是相当不错的
• 30分钟掌握正则表达式
  
  • 这个真的不错的，基本上入门都靠的它
  • 剧透一下30分钟学不完的 23333

0x02 正则步骤

• 转成Unicode
  
  • 个人是通过decode转成unicode编码来保证编码一致性的，感觉笨笨的，如果有什么好方法希望大神们能务必教教我~ ^_^
• 拍脑袋自己想个正则表达式
• 在站长工具之类的地方验证正则效果
• 非获取（关键）
  
  • (?:pattern) 匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 “或” 字符 (|) 来组合一个模式的各个部分是很有用。例如，'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。
  • 单单从结论上讲，java可以直接跑通的正则表达式，在python里re.compile(xxx)时，可以试着在每个左括号的右边加上非获取符号（?:）
• 输出的时候随意encode成自己需要的编码

0x03 示例代码

#coding=utf8

import sys
import re, os
import string

Pnumberic    = re.compile(u"[\\d,\\.]+(?:\\d|万|亿)元");
Ppercent     = re.compile(u"[\\d,\\.]+%");
Pzero        = re.compile(u"(?:[^\\d])0(?:[^\\d])");
PDatetime    = re.compile(u"(?:(?:[0-9]{4})[-/\\.年])(?:第[一二三四]季度)?[末初前后]?(?:(?:[01]?[0-9])[-/\\.月])?(?:[0-3]?[0-9]{1}[日])?");

def LR(s):
    return '{'.decode('utf-8') + s + '}'.decode('utf-8')

if __name__ == "__main__" :

    each = u"听说这个公司的净资产为369.38亿元（截至2015年9月30日），然后随便放个12450元呀，2016年7月5日，12.34%和2.5%的百分比什么的试试看。"
    print each
    print 
    if Pnumberic.findall(each):
        #print Pnumberic.search(each).group()
        for pn in Pnumberic.findall(each):
            print pn    
            each = each.replace(pn,LR(pn))
    print 
    if Ppercent.findall(each):
        #print Ppercent.search(each).group()
        for pp in Ppercent.findall(each):
            print pp
            each = each.replace(pp,LR(pp))
    print
    if PDatetime.findall(each):
        #print PDatetime.search(each).group()
        for dt in PDatetime.findall(each):
            print dt
            each = each.replace(dt,LR(dt))
    print
    print each
    # f.write(each.encode('utf-8')+'\n')

输出：

听说这个公司的净资产为369.38亿元（截至2015年9月30日），然后随便放个12450元呀，2016年7月5日，12.34%和2.5%的百分比什么的试试看。

369.38亿元
12450元

12.34%
2.5%

2015年9月30日
2016年7月5日

听说这个公司的净资产为{369.38亿元}（截至{2015年9月30日}），然后随便放个{12450元}呀，{2016年7月5日}，{12.34%}和{2.5%}的百分比什么的试试看。