正则表达式常用语法

所有正则表达式中不要留空格，否则会匹配失败。

() 圆括号：括号里的内容作为一组来处理；可以有多个匹配。 eg (com|cn|net)表示匹配com或cn或net。

[] 方括号：括号里的内容单个匹配。eg [^a-zA-Z0-9] 表示匹配所有非字母和数字。

{} 大括号：括号里的内容表示匹配词数。{2}， {2, }, {2, 5}分别表示匹配2次，匹配至少2次，匹配2次到5次。

• 基础元素字符：

\d	匹配数字		\D	匹配任意非数字的字符
\w	匹配字母或数字或下划线等单词字符等价于“[A-Za-z0-9_]”		\W	匹配任意不是字母，数字，下划线的字符，等价于“[^A-Za-z0-9_]
\s	匹配任意的空白符		\S	匹配任意不是空白符的字符
.	匹配除换行符以外的任意字符		[^aeiou]	匹配除了aeiou这几个字母以外的任意字符

• 位置元素字符：

\b	匹配单词的开始或结束		\B	匹配不是单词开头或结束的位置
^	匹配字符串的开始
$	匹配字符串的结束

• 匹配次数字符：

？	重复零次或一次
+	重复一次或更多次
*	重复零次或更多次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

• 其他：

转义字符： 使用\来取消这些字符的特殊意义。eg \. \* \\分别表示三个元素本身. * \。

分组：圆括号

或关系：|

• 示例：需要提取文章中最高价格，其中包含最高价格的内容总结如下。

最高价格18.99万元，最高价格也不会超过二十万，最高价格也在不到十七万的价格，最高价格也不过16万元，最高价格约为295751元，最高价格飙到12799元时，因为它刷新了国产混动最高价格，145万的售价（告辞），最高价格的混动2.5L的版本官方售价是27.98万元，    从预售价格来看13万的最高价格。

通过分析得到：

两种句式：最高价格${price}和${price}最高价格；

价格三种表示方法：${小写数字}万、$(大写数字}万、${小写数字}元，

pt_1 = re.compile(r"最高价格\w{0,20}(，|,|.|)\w{0,20}((\d{2,3}(\.\d+|)|(一|二|三|四|五|六|七|八|九|十){2,3})万|\d{5,8}元)")

pt_2 = re.compile(r"((\d{2,3}(\.\d+|)|(一|二|三|四|五|六|七|八|九|十){2,3})万|\d{5,8}元)\w{0,10}最高价格")

所以，待提取文字内容的正则表达式为：

pt=re.compile(r"(最高价格\w{0,20}(，|,|.|)\w{0,20}((\d{2,3}(\.\d+|)|(一|二|三|四|五|六|七|八|九|十){2,3})万|\d{5,8}元)|((\d{2,3}(\.\d+|)|(一|二|三|四|>五|六| 七|八|九|十){2,3})万|\d{5,8}元)\w{0,10}最高价格)")

最终的价格值可用如下表达式：

pt_rst = re.compile(r"((\d{2,3}(\.\d+|)|(一|二|三|四|五|六|七|八|九|十){2,3})万|\d{5,8}元)",flags=re.I)

 

参考文献：

1. 正则表达式全集
2. 正则中圆括号()方括号[]大括号{}的区别和用法

3. 正则表达式30分钟入门教程

4. 通用正则表达式与python中的正则匹配