Python正则表达式常用总结

最近在学NLP的相关方面的东西，处理数据时需要用到正则表达式，这里做个总结方便后面查询。

正则中的特殊字符

^，匹配字符串的开始部分,在[]中使用表示非，即匹配除了提及的条件以外的字符

$，匹配字符串的结尾部分

*，前面的字符出现零次或多次

+，前面的字符出现一次或多次

\，转义字符，加载特殊字符前用于匹配特殊字符

|，或

( )，标记一个字符串的开始和结尾位置

[]，一般放置条件用于匹配某个字符，如匹配数字0~9，[0-9]

{}，限定前面出现的字数，如a{1,} 等价于a+，a{1}相当于a，a{2,3}相当于aa或aaa

常用的匹配

匹配中文字符

[\u4e00-\u9fa5]

匹配数字

[0-9]

匹配英文字符

[a-zA-Z]

如果需要非中文、非数字、非英文

[^\u4e00-\u9fa5a-zA-Z0-9]

python Re模块

由于python也使用\转义字符，为了方便编写，最好在字符串前加r

re.match

尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none.

re.search

search工作方式与match类似，只是search从字符串的任意位置开始匹配，并返回第一个匹配的对象。

re.sub

用于匹配字符串并进行替换，如：

re.findall

查找所有满足正则表达式的字符串，返回一个数组。

re.split

这个方法非常强大，可以利用多个字符来切割字符串，如：

re.compile

用于编译正则表达式，生成一个正则表达式（Pattern）对象，供其他正则表达式函数使用。