正则语法
表达式实例
P(Y|YT|YTH|YTHO)?N 'PN'、'PYN'、'PYTN'、'PYTHN'、'PYTHON'
PYTHON+ 'PYTHON'、'PYTHONN'、'PYTHONNN' …
PY[TH]ON 'PYTON'、'PYHON'
PY[^TH]?ON 'PYON'、'PYaON'、'PYbON'、'PYcON'…
PY{:3}N 'PN'、'PYN'、'PYYN'、'PYYYN'…
^[A‐Za‐z]+$ 由26个字母组成的字符串
^[A‐Za‐z0‐9]+$ 由26个字母和数字组成的字符串
^‐?\d+$ 整数形式的字符串
^[0‐9]*[1‐9][0‐9]*$ 正整数形式的字符串
[1‐9]\d{5} 中国境内邮政编码,6位
[\u4e00‐\u9fa5] 匹配中文字符
\d{3}‐\d{8}|\d{4}‐\d{7} 国内电话号码,010‐68913536
Re库介绍
主要用于字符串匹配
import re
re库采用raw string类型表示正则表达式,r’text’
r’[1‐9]\d{5}’
re库也可以采用string类型表示正则表达式例如:
‘[1‐9]\d{5}’
功能函数:
-
re.search(pattern, string, flags=0)
在一个字符串中搜索匹配正则表达式的第一个位置
返回match对象
flags : 正则表达式使用时的控制标记
-
re.match(pattern, string, flags=0)
从一个字符串的开始位置起匹配正则表达式
返回match对象
-
re.findall(pattern, string, flags=0)
搜索字符串,以列表类型返回全部能匹配的子串 -
re.split(pattern, string, maxsplit=0, flags=0
将一个字符串按照正则表达式匹配结果进行分割
返回列表类型 -
re.finditer(pattern, string, flags=0)
搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象 -
re.sub(pattern, repl, string, count=0, flags=0)
在一个字符串中替换所有匹配正则表达式的子串
返回替换后的字符串
另一种等价写法:
regex = re.compile(r'[1‐9]\d{5}')
regex .search('BIT 100081')
Match对象介绍
Match对象是一次匹配的结果,包含匹配的很多信息
match对象属性
match对象的方法
贪婪匹配与最小匹配
Re库默认采用贪婪匹配,即输出匹配最长的子串
match = re.search(r'PY.*N', 'PYANBNCNDN')
match.group(0)
如何输出最短的子串呢?
match = re.search(r'PY.*?N', 'PYANBNCNDN')
match.group(0)
最小匹配操作符号
实践
去除文本中中英文标点符号
emove_chars = '[·’!"#$%&\'()*+,-./:;<=>?@,。?★、…【】《》?“”‘’![\\]^_`{|}~]+'
re.sub(remove_chars, "", juzi)
提取视图创建语句的字段名
需求:将sql建立视图语句的AS后面的字段名提取出来
详情:语句类似
create view view_test
as select
colA as colA ,–A列
colB as colB --B列
from
b
关键代码:
with open(r'V_.sql','r') as f:
data = f.readlines()
for line in data:
matchObj = re.match(r'(.*) AS (.*?)--(.*)',line,re.M|re.I)
if matchObj :
col1 = re.sub(r'\W','',matchObj.group(2))