正则表达式(regular expression)描述了一种字符串匹配的模式(pattern),可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。
1,[ABC]
匹配 […] 中的所有字符,例如 [aeiou] 匹配字符串 “google runoob taobao” 中所有的 e o u a 字母。
2,[^ABC]
匹配除了 […] 中字符的所有字符,例如 [^aeiou] 匹配字符串 “google runoob taobao” 中除了 e o u a 字母的所有字母。
3,[A-Z]
[A-Z] 表示一个区间,匹配所有大写字母,[a-z] 表示所有小写字母。
通过正则表达式,我们可以进行串匹配,并将字符串中的干扰项删除(如网址、字母、各种符号等;只留下有意义的部分供后续分析)
import re
#读取list的一个,转为str
csv_text = str(csv_data_list[i])
#匹配一个数字字符。等价于[0-9],并删除。+代表匹配多次;lower把字母变为小写
csv_text = re.sub(r'([\d]+)','',csv_text).lower()
#匹配杂项,并删除
csv_text = re.sub("[A-Za-z0-9\!\%\,\。\...+\..\.+\_+\##\.\?\【\】\'\<\>\=\:\/\&\"\ \-\'\\r\\n]", "", csv_text)
#匹配[ ]替换为逗号
csv_text = re.sub('[\[\]]',',',csv_text)
#匹配\并删除
csv_text = re.sub(r'\\','',csv_text)