python re正则笔记

import re

识别英文单词

'[a-zA-Z| |-]+'

不包括某个词

re.findall('有..(?=房)', '有没有房')
>>> ['有没有']

正则 匹配2-5个. / 正则 两个单词中间的5个字 / 正则 除了.*? / 正则 多个 .

re.findall('有.{2,5}房', '有没有房子，有12345房，有疯狂大街发生了房')
>>> ['有没有房', '有12345房']

去除字符串中的某些字符，文件不合法字符

re.sub(r'[\*"/:?\\|<>]','', str1)

选取第一个匹配到的字符

re.search('"(.*?)"', str1).group()       # 输出结果包括""
re.search('"(.*?)"', str1).group()[1:-1] # 输出结果只包括(.*?)

找到所有并返回列表

re.findall('...(.*?)...', str1)           # 可能有后缀忘了

判断是否存在某字符：

re.findall('[|\\|*|"|/|:|?|\|\|<|>]', '[\*"/:?\\|<>')

同时包含多个关键词

re.findall('(?=.*关键词1)(?=.*关键词2)')

包含多个关键词且不包含某个关键词

包含瓦尔、卡夫，但不包含到、额。

pd.Series('的身份拉尔卡夫卡瓦尔').str.contains('(?=.*瓦尔)(?=.*卡夫)^(?!.*到)^(?!.*额)')

文字处理应用：

kw = "track or 尼龙&网布&鞋not女&卫衣"
# [ ''.join(['&'.join(k[0])] if len(k)==1 else [''.join(['(?=.*'+w+')' for w in k[0]]), ''.join('^(?!.*' + y + ')' for y in k[1])]) for k in [[j.split('&') for j in i.split('not')] for i in kw.replace(' ', '').split('or')]]
[''.join([''.join(['(?=.*'+j+')' for j in i.split('not')[0].split('&')]), ''.join(['^(?!.*'+j+')' for j in i.split('not')[1].split('&')])]) if 'not' in i else ''.join(['(?=.*'+j+')' for j in i.split('&')]) for i in kw.replace(' ', '').split('or')]
>>> ['track', '(?=.*尼龙)(?=.*网布)(?=.*鞋)^(?!.*女)^(?!.*卫衣)']