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。