正则表达式的使用

　　对于NLP来说，正则表达式在模版比较固定的场景发挥着至关重要的作用，下面来介绍一下正则表达式的一些基本的使用，我们用python的re模块来实现我们的功能。

1、匹配单个字符

字符	功能
.	匹配任意的一个字符（除了“\n”）
[]	匹配[]中列举的字符
\d	匹配数字（0-9）
\D	匹配非数字
\s	匹配空白（空格、tab键）
\S	匹配非空白字符
\w	匹配单词字符
\W	匹配非单词字符

Example：

import re

input_str = "我叫小明,我喜欢NLP，学号是123"
# 匹配任意一个字符
test01 = re.match(".", input_str)

print(test01.group())
test02 = re.match("我.小明,我喜欢NLP", input_str)
print(test02.group())

# 匹配列举的字符
test03 = re.match("[hH]", "haha")
print(test03.group())

# 匹配开头为数字的字符串
test04 = re.match("[0-9]haha", "1haha")
print(test04.group())

# 匹配0到2 、7到9的数字的字符串
test05 = re.match("[0-27-9]haha", "8haha")
print(test05.group())

# 匹配有数字的字符串

test06 = re.match("天宫\d号", "天宫1号发射")
print(test06.group())

"""

答案如下：

我
我叫小明,我喜欢NLP
h
1haha
8haha
天宫1号


"""

2、匹配多个字符

字符	功能	表达式实例	完整匹配的字符串
*	匹配前一个字符出现0次或者无限次（可有可无）	abc*	abc、abcc
+	匹配前一个字符出现1次（至少一次）	abcc	abcc、abccc
?	匹配前一个字符出现1次或者0次	abc*	ab、abc
{m}	匹配前一个字符出现m次	ab{2}c	abbc
{m,n}	匹配前一个字符出现m到n次，若省略m则从0次开始到m，若省略n，则是从m到无限次	ab{,2}c	ac、abc、abbc

Example:

test01 = re.match("[1-9]?[0-9]", "7")
test02 = re.match("[1-9]?\d", "7790")

# 匹配6位的密码
test03 = re.match("[a-zA-Z0-9_]{6}", "12345678")

print(test01.group())
print(test02.group())
print(test03.group())

"""
7
77
123456
"""

3、匹配开头和结尾

字符	功能
^	匹配字符串开头
$	匹配字符串结尾

 

 Example：

# 匹配开头和结尾
# 以qq 邮箱地址为例子，只有第一个是符合的
email_list = ["haha@qq.com", ".ha@qq.com", "haha@qq..com", "哈哈@qq.com"]

for email_i in email_list:
    ret = re.match("[\w]{4,20}@qq\.com$", email_i)
    if ret:
        print("符合")
    else:
        print("不符合")

4、匹配分组

字符	功能
｜	匹配左右任意一个表达式
（ab）	将括号中的字符作为一个分组
\num	引用分组num匹配到的字符串
(?P<name>)	分组起别名，匹配到的子串组在外部是通过定义name来获取的
(?P=name)	引用别名为name分组匹配到的字符串

Example:

# 匹配0-100之间的数字
test01 = re.match("[0-9]?\d|100", "9")
print(test01.group())

# 匹配出163、qq、edu的邮箱

test02 = re.match("\w{4,20}@(163|qq|edu)\.com", "1230@edu.com")
print(test02.group())

# 不是以4、7结尾的手机号码（4位）
test03 = re.match("1\d{2}[0-35-68-9]", "1001")
print(test03.group())

"""
9
1230@edu.com
1001
"""