python语料库代码_基于Python的语料库数据处理（七）

原标题：基于Python的语料库数据处理(七)

《Python玩转语料库数据》专栏· 第7篇

2826字 | 10 分钟阅读

今天我们学习的内容是分组、元字符的转义、回车符、换行符和制表符！

一、分组

有时候我们不需要返回全部检索内容,而需要对检索的内容分几个部分回,这时候就需要用到分组(grouping)。我们可以将需要分开检索返回的部分用圆括弧括起来。比如,我们需要检索出'http:/www.hust.edu.cn.'网址,并分开返回网址的'http'、'www'、'hust'、'edu'、'cn'等部分,就需要用到分组。请看下面的代码。

import re

web = r 'The website of HUST is http://www.hust.edu.cn.'

matched1 = re.findall(r '(http)://(www).(w+).(w+).(w+)', web)

print(matched1) # [('http', 'www', 'hust', 'edu', 'cn')]

print(matched1[0][0]) # http

print(matched1[0][1]) # www

matched2 = re.search(r '(http)://(www).(w+).(w+).(w+)', web)

print(matched2.group(0)) # http://www.hust.edu.cn

print(matched2.group(1)) # http

print(m