正则表达式

Python版
简介：正则表达式可以实现对数据的清理工作，它包含表达式格式和一些表达式处理函数，不同的语言的表达式大同小异 ，函数处理会有不同。
一些常见的表达式含义：

1、原子：
'汉字词组':表示汉字词组
'\w':表示字母，下划线，数字
'\W':表示除字母，下划线，数字之外的数据
'\s':表示空格
'\S':表示非空格
'\d':表示十进制数
'\D':表示非十进制数
[\u4e00-\u9fa5]:表示汉字
[a-z]:表示小写字母
[A-Z]:表示大写字母
[0-9]:表示数字
2、元字符：
^:表示匹配开头
$:表示匹配结尾
.:表示所有字符（不包含'\n'）
?:表示重复一次或零次前面的原子，换可用于将贪婪模式转换为非贪婪模式
+:表示重复一次或多次前面的原子
*:表示重复零次一次或多次前面的原子

正则表达式格式

1、实现多次匹配
'\d{5}':表示匹配5个数字
'\d{4,}':表示最低匹配4个数字
'\d{4,8}':表示匹配最低4个数字，最多8个数字
2、实现匹配多个原子
'\d | \s':表示匹配一个数字或者一个空格
3、实现分组
'( \d\d ) \d\d\d\d':表示对获得的整个字符串进行分组，不影响整体输出，在分组输出时起作用

前面是对数据清洗的一种格式，后面要用函数按照格式对文本进行操作（可以用变量接收函数操作后的返回值）

import re	#正则表达式需要的包

pat = r'正则表达式格式'	#r可以用来消除转义
strr = r'文本内容（字符串）'

1、一次匹配：
re.match(pat, strr)	#从strr开头匹配pat信息，无则返回None，有则返回迭代器
re.search(pat, strr)	#从整个文本中匹配pat信息，无则返回None，有则返回对应文本内容

2、多次匹配（找出全部）
re.findall(pat, strr)	#从整个文本中匹配pat信息，有则返回对应文本内容
r_iter = re.finditer(pat, strr)	#从整个文本中匹配pat信息，有则返回对应迭代器
for i in r_iter:
	print(i.group())	#用group可获得迭代器内的信息，也可处理分组信息

3、操作函数
re.split(pat, strr)	#将整个文本以pat格式分割
re.sub(pat, 'string', strr)	#将文本内容中的pat信息替换为'string'信息

pat1 = re.compile(r'正则表达式格式', flags = 0)	#加快速度的另一种方式,较常用
		'''		
		{
			flags（控制标记）参数：
				re.I	-->	re.IGNORECASE : 忽略正则表达式的大小
				re.M	-->	re.MULTILINE  : 正则表达式中的^操作符能够将给定字符串的每行当做匹配开始
				re.S	-->	re.DDOTALL    : 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行以外的所有字符
		}
		'''
pat1.match(strr)
pat1.findall(strr)
pat1.finditer(strr)
pat1.split(strr)
pat1.sub('string', strr)