jq 正则判断邮箱_Python正则15分钟入门

lypython群里有同学问我，如何从大量格式不确定的word文档抽取姓名、电话号码、邮箱等信息存入excel表格。通过之前我们的文章，他已经学会读取和写入文档和表格，但就是无法处理格式不确定的文档。这里介绍的正则方法，可以帮助他解决这个问题。

目标

15分钟内让你真正明白正则表达式是什么，并且让你可以在自己的python程序里正确使用它。

你将学会：

1. 极简python使用正则的方法
2. 如果利用python高效的匹配字符串
3. 如何利用python正则进行文本判断、过滤、信息提取

0.极简正则入门

假设程序从word或者excel读取了一串字符串，字符串中有一部分是电话号码，现在需要完整提取这个电话号码。

import re
reg=re.compile("[0-9]+")
a=reg.findall("我的电话是3555487")
print(a)

输出：

解释："[0-9]+"是正则表达式，意思是匹配0-9的数字，"+"
表示可以匹配1次-多次，reg.findall表示从后面的字符串里找到所有的匹配值。

1.字符集

字符集，又叫元字符，就是用一些特殊符号表示特定种类的字符或位置。

匹配字符

代码说明.匹配除换行符以外的任意一个字符d匹配数字w匹配字母或数字或下划线或汉字s匹配任意的空白符^匹配字符串的开始$匹配字符串的结束

举例

import re
reg=re.compile("我.")
a=reg.findall("我的电话是3555487")
print(a)

输出：

重复匹配

代码说明*重复0次-无数次+重复1次-无数次?重复0次-1次{m}重复m次{m,n}重复m-n次

举例

import re
reg=re.compile("5+")
a=reg.findall("我的电话是3555487")
print(a)

输出：

贪婪与懒惰

贪婪：匹配尽可能长的字符串
懒惰：匹配尽可能短的字符串
懒惰模式的启用只需在重复元字符之后加?既可。

• *? 重复任意次，但尽可能少重复
• +? 重复1次或更多次，但尽可能少重复
• ?? 重复0次或1次，但尽可能少重复
• {n,m}? 重复n到m次，但尽可能少重复
• {n,}? 重复n次以上，但尽可能少重复

举例

import re
reg=re.compile("5+?")
a=reg.findall("我的电话是3555487")
print(a)

输出

注意：
如果想匹配元字符本身或者正则中的一些特殊字符，使用转义。

这里介绍的正则内容是最基础的，想要了解更详细的正则表达式语法，请参考：

2.利用正则判断

判断

有时候我们想利用正则表达式对用户输入进行判断，比如判断用户输入的身份证号是否符合规则，那么可以这样写：

import re
r=r'^([1-9]d{5}[12]d{3}(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])d{3}[0-9xX])$'

s1 = '110102200101014779'

#判断s1字符串是符合正则r
an = re.search(r, s1)
if an:
    print ('yes')
else:
    print ('no')

输入结果

说明：^字符表示必须匹配字符串开头；$表示必须匹配字符串结尾。

过滤

假设，输出一串文本，只想保留汉字，去除特殊符号。代码如下：

import re
special_character_removal = re.compile(r'[，。、【 】“”：；（）《》‘’{}？！⑦%>℃.^-——=&#@￥『』]', re.IGNORECASE)
line="贾蓉看了说：“高明的很。还要请教先生，这病与『性』命终久有妨无妨？”"
l = special_character_removal.sub('', line)
print(l)

输入结果：

查找位置

查找某个文本在字符串中的位置，一般用于信息提取。

import re
p = re.compile("d+")
content="2019年9月9月9日"
result2 = p.finditer(content)

for m in result2:
    print("str",m.group())  ##字符串
    print("start: ",m.start()," end: ",m.end())  ##字符串位置

输出结果

人生苦短，我用python早下班。如果觉得不错，对你工作中有帮助，请长按下面二维码关注我们。（回复训练营加群，一起探讨python问题）