正则表达式的设计与应用

1. 读取本地文本--西游记第一章.txt

资源链接：Sign in

采用with open方式，以只读r读取目标路径文件。

并展示文件内容进行预览及字段长度

data_path='D://自然语言处理/西游记第一章.txt'
text=''
with open(data_path,'r') as f:
    text=f.read()
    print(len(set(text)))
    print(len(text)/len(set(text)))
text

1. 获取文档中所有和猴子相关的词语

import re
f=open('D://自然语言处理/西游记第一章.txt')
text=f.read()
f.close()
rst=re.findall("\w猴",text)
print("匹配结果对象",str(rst))

1. 获取文档中出现的网址

rst1=re.findall("http\S*html",text)
for line in rst1:
    print(line)

#查找正文内容
rst2=re.findall(r'<p>\n\t\u3000\u3000(.*)</p>\n',text)
rst2

for line in rst2:
    print(line)

替换内容

rst3=re.sub('石猴','孙悟空',str(rst2))
rst3=re.sub('美猴王','孙悟空',rst3)
print(rst3)
rst4=re.findall("\w猴",rst3)
print("匹配结果对象",str(rst4))