Python——正则表达式的常见应用

                                                     Python——正则表达式的常见应用

 

在NLP的数据处理过程中，经常会用到正则表达式，应用包括：

• case 1：字符串如何通过split()指定多个字符进行分割字符？
• case 2：网页爬虫时，如何自定义正则表达式，完成目标的匹配或查找？

 

一、case 1：字符串如何通过split()指定多个字符进行分割字符？

这个例子中含有一个经常会遇到的bug——Python2，非windows系统，python无法直接打印出中文字符(串)，会的人一行代码解决，不会的人在网上找半天都解决不了，搞不好会被各种编码之间的转换，环境配置等弄得怀疑人生！

建议大家原创！写文章详细点，不要老是转载，复制，要多动动手，利己也利他。不然，别人高高兴兴地本以为找到了解决方案，折腾半天还是不行，一个又一个浪费时间，何必嘛，一点都不python！不多说了，例子与解决方案如下：

解决方案1：res = str(res).decode('string_escape')。言归正传，通过split()指定多个字符进行分割字符串的例子如下：

import re

# 通过split()指定多个字符进行分割字符串
def multi_char_split(object_str, regex_list):
    res = re.split("|".join(regex_list), object_str)  # 利用正则表达式进行划分
    print(res)  # python2,输出出现编码错误;python3,正常输出中文
    print(str(res).decode('string_escape'))  # python2, linux与macOS需要进行编码转换，windows跳过该步骤，直接输出; python3,输出错误


if __name__ == "__main__":
    object_str = '静夜思·李白——唐代 床前明月光，疑是地上霜。'
    regex_list = ['·', '——', ' ', '，', '。']

    multi_char_split(object_str, regex_list)

运行结果：

解决方案2：用python3吧！

二、网页爬虫时，如何自定义正则表达式，完成目标的匹配或查找？