正则 不能有中文逗号_NLP利剑篇之正则表达式

正则表达式是可以进行文本匹配、索搜、替换的规则。 在处理NLP任务时，正则表达式往往表现得准确、快速、高效、灵活。
但是正则虽好，切不可贪用哦，滥用正则甚至会出现让内存溢出导致整个服务器瘫痪的情况。在实际应用中，如果有很复杂的正则要求，而你又不是很熟悉，可以借助代码逻辑，将正则拆分成多个简单正则。
不同的程序语言所支持的正则所有不同（有些正则功能不支持等），具体应用时根据所使用的编程语言视情况而定。
废话不多说，让我们从具体例子中学习正则吧（有道云版本更佳）。

测试文本：这是一段测试文本，里面包含了数字0-9，字母a-z，中文，邮编210000等等

• 入门级
  • 匹配单个字符
  • 重复匹配
  • 匹配多个字符
  • 匹配元字符
• 普通级
  • 位置匹配
  • 贪婪与非贪婪匹配
  • 分组与捕获

熟练级

• • 回溯引用
  • 前后查找
  • 条件匹配

入门级

匹配单个字符

空格匹配

s

换行符匹配

n

tab键匹配

t

任意字符匹配（可能不包含换行符）

.

单个数字匹配

d 或者 [0-9]

单个字母匹配

[a-zA-Z]

单个中文匹配

[u4e00-u9fa5]

重复匹配

import 

匹配多个字符

# 匹配9或a

匹配元字符

# 匹配字符串'd'

---

普通级

位置匹配

# 匹配开头

贪婪与非贪婪匹配

# 匹配‘这是...文’

分组与捕获

# #分组与捕获

---

熟练级

回溯引用

# 回溯引用

前后查找

# 匹配0，且0后面得是3个数字

条件匹配

# 匹配字符‘文’，如果‘文’子前面有测试，则多匹配任意一个字符