正则表达式基础知识

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)