『Re』正则表达式模块_常用方法记录

『Re』知识工程作业_主体识别

一个比较完备的正则表达式介绍

几个基础函数

re.compile(pattern, flags=0)

将正则表达式模式编译成一个正则表达式对象，它可以用于匹配使用它的match ()和search ()等方法。

实际有两种使用方式：

　　pattern.匹配方法(string) 或者 re.匹配方法(pattern,string)

使用或|来强化匹配规则：

pattern_t = re.compile(
                '[0-9〇一二三四五六七八九]{4}年.{1,2}月.{1,3}日'
                '|同年.{1,2}月.{1,3}日'
                '|[0-9〇一二三四五六七八九]{4}年.{1,2}月.{1}旬'
                '|[0-9〇一二三四五六七八九]{4}年.{1,2}月底'
                '|[0-9〇一二三四五六七八九]{4}年.{1,2}月'
                '|[0-9〇一二三四五六七八九十]{1,2}月.{1,3}日')

 

re.findall(pattern, string, flags=0)

返回字符串

经典用法，切词操作，匹配长度大于1的全字母序列

re.findall(r'[a-zA-Z]{2,}',line.strip())

 很好用的一个表达式，返回汉字字符(list形式)

news = re.findall(r'[\u4e00-\u9fa5]',word)

 

re.finditer(pattern, string, flags=0)

返回一个迭代器符合

 

正则表达式迭代器对象

之所以单提出来，是因为迭代器在匹配组groups的时候真的好用，

pattern_c = re.compile('[\n。,，《；](.{,15}?人民法院)')
_court_list = [name.group(1) for name in pattern_c.finditer(lines)]

group(1)表示匹配到的符合第一组的部分，2、3……类推，而0表示包含全部匹配的各个组结果的元组。

 

贪婪匹配

比如正则表达式：

'审理(.+)指控'

我希望不去贪婪匹配，那么应该是

'审理(.+)指控？'

而非

'审理(.+？)指控'