一.基础知识
1.常用操作符
- `.` 表示任何单个字符
- `[ ]` 字符集,对单个字符给出取值范围 ,如`[abc]`表示a、b、c,`[a‐z]`表示a到z单个字符
- `[^ ]` 非字符集,对单个字符给出排除范围 ,如`[^abc]`表示非a或b或c的单个字符
- `*` 前一个字符0次或无限次扩展,如abc* 表示 ab、abc、abcc、abccc等
- `+` 前一个字符1次或无限次扩展 ,如abc+ 表示 abc、abcc、abccc等
- `?` 前一个字符0次或1次扩展 ,如abc? 表示 ab、abc
- `|` 左右表达式任意一个 ,如abc|def 表示 abc、def
- `{m}` 扩展前一个字符m次 ,如ab{2}c表示abbc
- `{m,n}` 扩展前一个字符m至n次(含n) ,如ab{1,2}c表示abc、abbc
- `^` 匹配字符串开头 ,如^abc表示abc且在一个字符串的开头
- `$` 匹配字符串结尾 ,如abc$表示abc且在一个字符串的结尾
- `( )` 分组标记,内部只能使用 | 操作符 ,如(abc)表示abc,(abc|def)表示abc、def
- `\d` 数字,等价于`[0‐9]`
- `\w` 单词字符,等价于`[A‐Za‐z0‐9_]`
2.re库的主要功能函数
- re.search() 在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象
- re.search(pattern, string, flags=0)
- re.match() 从一个字符串的开始位置起匹配正则表达式,返回match对象
- re.match(pattern, string, flags=0)
- re.findall() 搜索字符串,以列表类型返回全部能匹配的子串
- re.findall(pattern, string, flags=0)
- re.split() 将一个字符串按照正则表达式匹配结果进行分割,返回列表类型
- re.split(pattern, string, maxsplit=0, flags=0)
- re.finditer() 搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象
- re.finditer(pattern, string, flags=0)
- re.sub() 在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串
- re.sub(pattern, repl, string, count=0, flags=0)
- flags : 正则表达式使用时的控制标记:
- re.I --> re.IGNORECASE : 忽略正则表达式的大小写,`[A‐Z]`能够匹配小写字符
- re.M --> re.MULTILINE : 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始
- re.S --> re.DOTALL : 正则表达式中的.操作符能够匹配所有字符,默认匹配除换行外的所有字符
二.一些操作
1.只保留数字
import re
reco_date = '1o1-05'
print('reco_date:', reco_date)
reco_date = ''.join(re.findall("\d+", reco_date))
print('reco_date:', reco_date)
2.只保留中文
m=''.join(re.findall('[\u4e00-\u9fa5]','我们//\{REF.NO.'))
print('m:', m)
3.只保留数字与字母
import re
file = '哈哈137xxx,18701500'
pattern = re.compile(r'[^0-9A-Za-z]')
unchinese = re.sub(pattern, "", file)
print(unchinese)
4.只保留数字和点号 逗号 减号(适用于钱修正)
Money = '-898.78-89kok78,.ugyg'
m=''.join(re.findall('[0-9,.-]',Money))
print('m:', m)
5.点号和逗号 切分钱
money = '-123,223,231.00'
money_split = re.split(r'[.,]', money)
print('money_split:', money_split)
6.提取日期
import re
#\d+匹配1次或者多次数字,注意这里不要写成*,因为即便是小数,小数点之前也得有一个数字;\.?这个是匹配小数点的,可能有,也可能没有;\d*这个是匹配小数点之后的数字的,所以是0个或者多个;
text = '2017年6月13日'
match = re.findall(r"\d+\.?\d*",text)
print(match)