小福利，强大的Python正则表达式过滤一切你想要的信息！

大家好，我是天空之城，今天给大家带来小福利，强大的Python正则表达式过滤一切你想要的信息！
1 基本字符

import re

str1 = "fcny fzy fby f6y fay"

result1 = re.findall("f[a-z]y",str1)
result2 = re.findall("f[0-9]y",str1)
result3 = re.findall("f[za6]y",str1)

print(result1)
print(result2)
print(result3)

结果
['fzy', 'fby', 'fay']
['f6y']
['fzy', 'f6y', 'fay']

上面代码表示匹配开头是a，末尾是b。唯一不同的就是[ ]符号中匹配值不同。
第一行result1表示中间的字符，只要是a-z字母中任何一个，都可以被匹配到。
第二行result2表示中间的字符，只要是0-9数字中任何一个，都可以被匹配到。
第三行result3表示中间的字符，只能是z或a或6这三者中任何一个，才能被匹配到。

2 |或运算符
用于匹配符号前或符号后的字符

import re

str2 = "我是蜘蛛侠，可以称呼我为超能力使者！"

result1 = re.findall("蜘蛛侠|超能力使者",str2)
​
print(result1)
结果
['蜘蛛侠', '超能力使者']
要么匹配孙悟空，要么匹配齐天大圣。

3 \转义字符
可以让某些字母表示特殊含义

import re

str3 = "\n123456" ①
str4 = "\\n123456" ②
str5 = r"\n123456" ③

result3 = re.findall("n",str3)
result4 = re.findall("n",str4)
result5 = re.findall("n",str5)

print(result3)
print(result4)
print(result5)
结果
[]
['n']
['n']

第一行一个转义字符 + 字母n，是一个特殊整体\n，用于表示换行符，因此匹配不到n这个字母。
第二行两个转义字符 + 字母n，其中\n是一个特殊整体，再加上一个转义符号\，就将其变为一个普通字母n，因此匹配到了n。
第三行其实和②的含义一样，也可以将特殊整体\n，变为一个普通字母n，因此同样可以匹配到n。

4 ^和$符号
^乘方符号，表示以…开头

$美元符号，表示以…结尾

import re

str6 = "你来自哪里？我来自江苏省，你来自辽宁省"

result7 = re.findall("^你",str6)
result8 = re.findall("^来",str6)

result9 = re.findall("..省",str6)
result10 = re.findall("省$",str6)

print(result7)
print(result8)
print(result9)
print(result10)
结果
['你']
[]
['江苏省', '辽宁省']
['省']
一个用于匹配开头，一个用于匹配结尾。只要开头或结尾与要匹配的值一致，才能被匹配到。

5 .*?符号
点号可以匹配（除了换行符以外的）任意单个字符

import re

str7 = "abcdaabb"

result10 = re.findall("a.b",str7) ①
result11 = re.findall("a*b",str7) ②
result12 = re.findall("a?b",str7) ③

result13 = re.findall("a.*b",str7) ④
result14 = re.findall("a.*?b",str7) ⑤

print(result10)
print(result11)
print(result12)
print(result13)
print(result14)
结果
['aab']
['ab', 'aab', 'b']
['ab', 'ab', 'b']
['abcdaabb']
['ab', 'aab']


点号一般与*号和?号搭配使用。仔细观察①-⑤处的正则表达式，开头和结尾都是a、b，唯一不同的就是它们之间的符号。
①处点号表示匹配（除了换行符）任意单个字符。因此，只要开头是a，结尾是b，中间是任何一个单个字符，都会被匹配上。
②处*号表示匹配前面一个字符0或多次，在这里 * 号前面是a。因此，只要结尾是b，前面是>=0个a的值，都会被匹配上。
③处?号表示匹配前面一个字符最多一次，在这里 * 号前面是a。因此，前面是大一等于0、小于等于1个a的值，都会被匹配上。
④.*组合 ，称为“贪婪匹配”，是因为它会匹配到尽可能多的内容。原本开头是a，那么只要找到b，就是一个返回值。但是贪婪匹配不这样，他会一直朝后面走，直到找到最后一个b才肯罢休，然后返回一个超级长的字符串。
⑤.*?组合 ，称为“非贪婪匹配”，就是为了制止贪婪匹配而生的。他舅不贪得无厌，只要是开头是a，你后面不是想要b吗，我碰到第一个就给你返回了。

6 ()符号
组，可以匹配括号内的表达式，括号中的每个字符是and的含义

import re

str8 = "a996b金刚c"

result15 = re.findall("a(\d+)b([\u4e00-\u9fa5]+)c",str8)

print(result15)
结果
[('996', '金刚')]
()表示一个组，只要是()中的内容，最后都会被返回

6个特殊字符
它们常与转义符号搭配，有着特别的用处和含义


\d仅匹配数字，\D用于匹配非数字，很好理解。

\s仅匹配空白字符，\S用于匹配非空白字符（这个更常用）。

\w相当于[A-Za-Z0-9_]，超好用（值得注意），\W匹配非单词字符，了解即可。

更多详细内容，请关注公众号数据分析与统计学之美