江苏龙网

  1. 首页 > 人文 > >

Python正则表达式由浅入深（二）

Python正则表达式由浅入深（二）
文章图片
在前面一篇文章中 ， 我们主要讲解了re模块中比较简单的两种方法——re.match()与re.search() ， 也讲解了元字符和限定符这两种在正则表达式中最常用的两类符号 。
但是这两种方法只能够在字符串中匹配出一个结果出来 ， 如果要匹配多个呢？比如从下面的字符串中把所有的企业名称提取出来：
message='企业名称：CDA数据科学研究院n邮箱：1918560461@qq.comn地址：北京市海淀区厂洼街3号2号楼2-3层n网址：www.cda.cnn企业名称：广州就学在线科技有限公司n邮箱：981856661@qq.com地址：广州市黄埔区护林路1198号516房n网址：www.cda.cn'
如果我们要把上面所有的企业名称提取 ， 用re.match()和re.search()方法明显不可以 ， 这时候我们就可以使用re.findall()方法 。
re.findall()方法
re.findall()方法顾名思义 ， 就是对整个字符串中搜索所有符合正则表达式的字符串 ， 符合条件的字符串最后以列表来承载 ， 如果没有匹配上符合条件的字符串 ， 返回空列表 。
其调用和使用方法跟re.search()等其他方法类似 。 看下面的例子：
message='企业名称：CDA数据科学研究院n邮箱：1918560461@qq.comn地址：北京市海淀区厂洼街3号2号楼2-3层n网址：www.cda.cnn企业名称：广州就学在线科技有限公司n邮箱：981856661@qq.comn地址：广州市黄埔区护林路1198号516房n网址：www.cda.cn'
pattern='企业名称：.*'
re.findall(pattern,message)
Out:['企业名称：CDA数据科学研究院','企业名称：广州就学在线科技有限公司']
我们发现 ， re.findall()把两个匹配成功的字符串都提取出来 ， 作为列表的两个元素来返回 。
选择字符
如果我们既要提取企业名称 ， 也要提取对应的邮箱 ， 该怎么提取呢？有没有类似条件判断中的"or"选项？有的 ， 这个时候可以使用选择字符"|" ， 比如：
pattern='企业名称.*|邮箱.*'
message='企业名称：CDA数据科学研究院n邮箱：1918560461@qq.comn地址：北京市海淀区厂洼街3号2号楼2-3层n网址：www.cda.cnn企业名称：广州就学在线科技有限公司n邮箱：981856661@qq.comn地址：广州市黄埔区护林路1198号516房n网址：www.cda.cn'
findall=re.findall(pattern,message)
print(findall)
Out:['企业名称：CDA数据科学研究院','邮箱：1918560461@qq.com','企业名称：广州就学在线科技有限公司','邮箱：981856661@qq.com']
如此类推 ， 如果想要将企业名称、邮箱、地址都一一提取到列表中 ， 只需要在上面模式字符串后面再加上"|地址"即可：
pattern='企业名称.*|邮箱.*|地址.*'
message='企业名称：CDA数据科学研究院n邮箱：1918560461@qq.comn地址：北京市海淀区厂洼街3号2号楼2-3层n网址：www.cda.cnn企业名称：广州就学在线科技有限公司n邮箱：981856661@qq.comn地址：广州市黄埔区护林路1198号516房n网址：www.cda.cn'
findall=re.findall(pattern,message)
print(findall)
Out:['企业名称：CDA数据科学研究院','邮箱：1918560461@qq.com','地址：北京市海淀区厂洼街3号2号楼2-3层','企业名称：广州就学在线科技有限公司','邮箱：981856661@qq.com','地址：广州市黄埔区护林路1198号516房']
Python正则表达式由浅入深（二）
文章图片
匹配某类字符
如果想要提取特定的字符 ， 比如上面message中的"@"、"："、"." ， 该如何单独提取出来？对于这种情况 ， 用列表把你想要提取的字符放进去即可 ， 比如下面的例子：
pattern='[@：.]'
message='企业名称：CDA数据科学研究院n邮箱：1918560461@qq.comn地址：北京市海淀区厂洼街3号2号楼2层n网址：www.cda.cnn企业名称：广州就学在线科技有限公司n邮箱：981856661@qq.comn地址：广州市黄埔区护林路1198号516房n网址：www.cda.cnn'
findall=re.findall(pattern,message)
print(findall)
Out:['：','：','@','.','：','：','.','.','：','：','@','.','：','：','.','.']
当然 ， 单独提取这些符号没有多大意义 ， 如果我们希望匹配的是这些符号后面对应的字符呢？我们可以在模式字符串中的列表后面添加元字符和限定符：
pattern='[@：.].*'
message='企业名称：CDA数据科学研究院n邮箱：1918560461@qq.comn地址：北京市海淀区厂洼街3号2号楼2层n网址：www.cda.cnn企业名称：广州就学在线科技有限公司n邮箱：981856661@qq.comn地址：广州市黄埔区护林路1198号516房n网址：www.cda.cnn'
findall=re.findall(pattern,message)
print(findall)
Out:['：CDA数据科学研究院','：1918560461@qq.com','：北京市海淀区厂洼街3号2号楼2层','：www.cda.cn','：广州就学在线科技有限公司','：981856661@qq.com','：广州市黄埔区护林路1198号516房','：www.cda.cn']
同理 ， 上一节最后提取企业名称、邮件、地址的例子 ， 我们可以写成下面这样的方式：
pattern='[企邮地].*'
message='企业名称：CDA数据科学研究院n邮箱：1918560461@qq.comn地址：北京市海淀区厂洼街3号2号楼2-3层n网址：www.cda.cnn企业名称：广州就学在线科技有限公司n邮箱：981856661@qq.comn地址：广州市黄埔区护林路1198号516房n网址：www.cda.cn'
findall=re.findall(pattern,message)
print(findall)
Out:['企业名称：CDA数据科学研究院','邮箱：1918560461@qq.com','地址：北京市海淀区厂洼街3号2号楼2-3层','企业名称：广州就学在线科技有限公司','邮箱：981856661@qq.com','地址：广州市黄埔区护林路1198号516房']
上面模式字符串的写法相当于匹配以"企"、"邮"、"地"开头的字符 ， 以及后续的字符串 ， 一直到换行符才结束匹配 。
这类的模式字符串还经常用于匹配某类型的字符 ， 比如匹配文本里面所有的汉字 ， 我们可以将模式字符串写成'[一-龥]+' ， 比如：
pattern='[一-龥]+'
message='企业名称：CDA数据科学研究院n邮箱：1918560461@qq.comn地址：北京市海淀区厂洼街3号2号楼2层n网址：www.cda.cnn
企业名称：广州就学在线科技有限公司n邮箱：981856661@qq.comn地址：广州市黄埔区护林路1198号516房n网址：www.cda.cnn'
findall=re.findall(pattern,message)
print(findall)
Out:['企业名称','数据科学研究院','邮箱','地址','北京市海淀区厂洼街','号','号楼','层','网址','企业名称','广州就学在线科技有限公司','邮箱','地址','广州市黄埔区护林路','号','房','网址']
匹配文本中所有的数字 ， 可以写成'[0-9]+' ， 比如：
pattern='[0-9]+'
message='企业名称：CDA数据科学研究院n邮箱：1918560461@qq.comn地址：北京市海淀区厂洼街3号2号楼2层n网址：www.cda.cnn
企业名称：广州就学在线科技有限公司n邮箱：981856661@qq.comn地址：广州市黄埔区护林路1198号516房n网址：www.cda.cnng'
findall=re.findall(pattern,message)
print(findall)
Out:['1918560461','3','2','2','981856661','1198','516']
当然 ， 直接使用元字符"d"来匹配所有数字也是一样：
pattern='d+'
message='企业名称：CDA数据科学研究院n邮箱：1918560461@qq.comn地址：北京市海淀区厂洼街3号2号楼2层n网址：www.cda.cnn企业名称：广州就学在线科技有限公司n邮箱：981856661@qq.comn地址：广州市黄埔区护林路1198号516房n网址：www.cda.cnng'
findall=re.findall(pattern,message)
print(findall)
Out:['1918560461','3','2','2','981856661','1198','516']
再比如匹配文本内所有的小写英文字幕：
pattern='[a-z]+'
message='企业名称：CDA数据科学研究院n邮箱：1918560461@qq.comn地址：北京市海淀区厂洼街3号2号楼2层n网址：www.cda.cnn
企业名称：广州就学在线科技有限公司n邮箱：981856661@qq.comn地址：广州市黄埔区护林路1198号516房n网址：www.cda.cnn'
findall=re.findall(pattern,message)
print(findall)
Out:['qq','com','www','cda','cn','qq','com','www','cda','cn']
这里为大家整理一下这类常用的模式字符串写法：
·如果是匹配文本内所有大写英文单词 ， 模式字符串可以写成'[A-Z]+'
·如果是匹配文本内所有大写、小写英文单词 ， 模式字符串可以写成'[aA-zZ]+'
【Python正则表达式由浅入深（二）】·如果是匹配文本内所有大小写英文单词以及数值串 ， 模式字符串可以写成'[a0-z0-9A-Z]+'
Python正则表达式由浅入深（二）
文章图片


    推荐阅读


    上一篇：爱奇艺(IQ.US)回应：其引用数据与结论严重失实，与实际情况不符

    下一篇：春秋战国君王史：他们不是海子，他们都是天空生长的人