python|正则表达式

本文仅个人学习总结。

一、常用正则

方法：替换

foo_rep_g=re.sub(r'g,|g，|g |g',"$",foo)
#把foo中指定的字符换成空

普通字符查找替换

foo_drop_none=re.sub(r' ',"",foo_rep_g) #去除所有空格

foo_drop_kuohao=re.sub(u"\\(.*?\\)|\\（.*?\\）|\\（.*?\\)|\\(.*?\\）|\\{.*?}|\\[.*?]", "", foo_drop_none)   #去除括号里的（中英文版混合

foo_drop_numbers=re.sub(r'[0-9]',"",foo_drop_kuohao)
#去除数字

foo_drop_chufang=re.sub(r'.*：|.*:|.*。',"",foo_drop_numbers)  #冒号，句号前面的都去掉

去掉指定字符前面/后面的全部内容

foo_drop_chufang=re.sub(r'.*：|.*:|.*。',"",foo_drop_numbers)  #冒号，句号前面的都去掉

foo_drop_chufang=re.sub(r'：.*|:.*|。.*',"",foo_drop_numbers)  #冒号，句号后面的都去掉

二、python中使用正则表达式

//主函数调用
data.dropna() #去NAN
for foo in data['组成']:
    print(eliminate_sth(foo))
#每一行若干药，只保留药名和分隔符（逗号，或其他符号），最后分割
#先清洗药名，药名里去除括号等不需要的信息
#把一整条处方用分隔符分割
#一个个加到列表中，不需要的数据直接筛去
def eliminate_sth(foo):
    answer = []
    drop_kuohao = re.sub(r'\（.*?\）|\(.*?\)|\（.*?\)|\(.*?\）|\【.*?\】',"",foo)  #去掉括号和括号里的内容
    drop_jianfa=re.sub(r'醋|炙|制|炒|炮|煅|盐|酒|法',"",drop_kuohao)  #去掉炙/制等煎法
    drop_fuhao=re.sub(r'\r|\n',"",drop_jianfa)
    res = re.split(r',|，',drop_fuhao)   #按照逗号分割药名
    for foo1 in res:
        if len(foo1)<2:continue   #去空/单个字符
        elif '各'and'两' in foo1:continue   #去各二两
        elif '升' in foo1:continue  #去水三升
        else:
            answer.append(foo1)
    return answer

三、语法

例

• runoo+b +前面的字符出现1次/多次，至少一次
• runoo*b 0次/1次/多次
• runoo?r 0次/1次

非打印字符（转义字符）

\cx Control+字母（大小写都可）
\f 换页符
\n 换行符
\r 回车符
\s 空白字符，空格/制表符/换页符
\S 非空白字符
\t 制表符
\v 垂直制表符

特殊字符

^ 开始
$ 结束
() 子表达式的开始和结束
1次/多次
0次/1次/多次
？0次/1次

限定符

等价于{1，}
等价于{0，}
? 等价于{0，1}
{n} 匹配确定n次
{n,} 至少n次
{n,m} 至少n次之多m次

定位符

^
$
\b 匹配一个单词边界
\B 匹配非单词边界
/\bCha/ ///匹配 Chapter
/ter\b/ ///匹配 Chapter
/\Bapt/ ///匹配 Chapter
限定符和定位符不可同时使用

元字符

^
$
*
+
?
{n}
{n,}
{n,m}
?

//当？加在任何限制符后面时，匹配模式贪婪
//对于“oooo”
'o+?'   匹配单个"o"
'o+'    匹配所有'o'

.   匹配除换行符\n \r外的任何单个字符
(pattern)  匹配pattern并获取匹配项
(?:pattern)
(?=pattern)
(?!pattern)
(?<!pattern)
x|y  x或y
[xyz]  字符集合，匹配包含的任意一个字符
[^xyz]  负值字符集合，匹配未包含的任意字符
[a-z]  字符范围
[^a-z]  负值字符范围，不在指定范围内的任意字符
\b  单词边界
\B  非单词边界
\cx
\d  数字，[0-9]
\D  非数字[^0-9]
\f  换页符
\n  换行符
\r  回车符
\s  空白字符
\S  非空白字符
\t  制表符
\v  垂直制表符
\w  字母/数字/下划线，[A-Za-z0-9_]
\W  非字母/数字/下划线
\xn  
\num  
\n  
\nm  
\nml  
un