NLP学习——正则表达式re

import re
#正则表达式的函数
#re.match(pattern,string,flags),
#pattern:正则表达式，匹配成功返回一个match,否则返回一个None,string表示需要匹配的字符串，
#flags：标志位，用于控制匹配模式，flags=0表示不进行特殊指定，不区分字母大小写
#该方法从开头开始匹配，如果开头匹配不成功，则整个匹配失败

text1='自然语言处理\
        语言处理aaa'
text1=text1.strip()#去除字符串前后的空格和制表符
#text2=text1.split()
print(re.match('语言处理',text1))
print(re.match('自然',text1))

#re.search(),与上一个不同的是不用从开头匹配，在整个字符串里找匹配
print('正则匹配结果是：',re.search('语言',text1))
#匹配结果span=(2, 4)表示从[2,4)为匹配结果

#re.findall()返回的是所有匹配结果，返回形式是一个列表，匹配失败时返回一个空列表
#re.sub(pattern,repl,string)如果字符串string包含了pattern，则用repl替换

#正则表达式的元字符
#.表示匹配除换行符\n外的所有其他字符
print(re.findall('自.语',text1))
#[]表示匹配多个字符
print(re.findall('[自言]',text1))
print(re.findall('[\u4e00-\u9fa5]',text1))

#|对两个正则进行或操作
text1='自然语言处理\语言处理aaa'
text2=text1.split('\\')

print(text2)
for i in text2:
    if len(re.findall('自|然',i)):#列表的长度不为0被认作True值
        print(re.findall('自|然',i))

#^表示匹配字符串起始位置的内容
    print(re.findall('^处',i))   #匹配以自开头的内容
    print(re.findall('^自',i))
    print(re.findall('^语',i))

#$匹配字符串结束位置的内容
    if len(re.findall('理$',i)):
        print(i)

#?  前面的元素可选，并且最多匹配一次
#*  前面的元素会被匹配零次或多次
#+  前面的元素会被匹配一次或多次
#{n}    前面的元素会被匹配n次
#{n,}   前面的元素至少匹配n次
#{n,m}  前面的元素至少匹配n次，最多匹配m次
#\\转义