正则表达式常用语法

野性酷女 2023-07-04 14:29 4阅读 0赞

所有正则表达式中不要留空格，否则会匹配失败。

() 圆括号：括号里的内容作为一组来处理；可以有多个匹配。 eg (com|cn|net)表示匹配com或cn或net。

\[\] 方括号：括号里的内容单个匹配。eg \[^a-zA-Z0-9\] 表示匹配所有非字母和数字。

\{\} 大括号：括号里的内容表示匹配词数。\{2\}， \{2, \}, \{2, 5\}分别表示匹配2次，匹配至少2次，匹配2次到5次。

*  基础元素字符：

<table style="width:500px;"> 
 <tbody> 
  <tr> 
   <td>\d</td> 
   <td>匹配数字</td> 
   <td>&nbsp;</td> 
   <td>\D</td> 
   <td>匹配任意非数字的字符</td> 
  </tr> 
  <tr> 
   <td>\w</td> 
   <td>匹配字母或数字或下划线等单词字符等价于“<code>[A-Za-z0-9_]</code>”</td> 
   <td>&nbsp;</td> 
   <td>\W</td> 
   <td>匹配任意不是字母，数字，下划线的字符，等价于“<code>[^A-Za-z0-9_]</code></td> 
  </tr> 
  <tr> 
   <td>\s</td> 
   <td>匹配任意的空白符</td> 
   <td>&nbsp;</td> 
   <td>\S</td> 
   <td>匹配任意不是空白符的字符</td> 
  </tr> 
  <tr> 
   <td>.</td> 
   <td>匹配除换行符以外的任意字符</td> 
   <td>&nbsp;</td> 
   <td>[^aeiou]</td> 
   <td>匹配除了aeiou这几个字母以外的任意字符</td> 
  </tr> 
 </tbody> 
</table>

*  位置元素字符：

<table style="width:500px;"> 
 <tbody> 
  <tr> 
   <td>\b</td> 
   <td>匹配单词的开始或结束</td> 
   <td>&nbsp;</td> 
   <td>\B</td> 
   <td>匹配不是单词开头或结束的位置</td> 
  </tr> 
  <tr> 
   <td>^</td> 
   <td>匹配字符串的开始</td> 
   <td>&nbsp;</td> 
   <td>&nbsp;</td> 
   <td>&nbsp;</td> 
  </tr> 
  <tr> 
   <td>$</td> 
   <td>匹配字符串的结束</td> 
   <td>&nbsp;</td> 
   <td>&nbsp;</td> 
   <td>&nbsp;</td> 
  </tr> 
 </tbody> 
</table>

*  匹配次数字符：

<table style="width:500px;"> 
 <tbody> 
  <tr> 
   <td>？</td> 
   <td>重复零次或一次</td> 
  </tr> 
  <tr> 
   <td>+</td> 
   <td>重复一次或更多次</td> 
  </tr> 
  <tr> 
   <td>*</td> 
   <td>重复零次或更多次</td> 
  </tr> 
  <tr> 
   <td>{n}</td> 
   <td>重复n次</td> 
  </tr> 
  <tr> 
   <td>{n,}</td> 
   <td>重复n次或更多次</td> 
  </tr> 
  <tr> 
   <td>{n,m}</td> 
   <td>重复n到m次</td> 
  </tr> 
 </tbody> 
</table>

*  其他：

转义字符： 使用\\来取消这些字符的特殊意义。eg \\. \\\* \\\\分别表示三个元素本身. \* \\。

分组：圆括号

或关系：|

*  示例：需要提取文章中最高价格，其中包含最高价格的内容总结如下。

最高价格18.99万元，最高价格也不会超过二十万，最高价格也在不到十七万的价格，最高价格也不过16万元，最高价格约为295751元，最高价格飙到12799元时，因为它刷新了国产混动最高价格，145万的售价（告辞），最高价格的混动2.5L的版本官方售价是27.98万元，    从预售价格来看13万的最高价格。

通过分析得到：

两种句式：最高价格$\{price\}和$\{price\}最高价格；

价格三种表示方法：$\{小写数字\}万、$(大写数字\}万、$\{小写数字\}元，

pt_1 = re.compile(r"最高价格\w{0,20}(，|,|.|)\w{0,20}((\d{2,3}(\.\d+|)|(一|二|三|四|五|六|七|八|九|十){2,3})万|\d{5,8}元)")
    
    pt_2 = re.compile(r"((\d{2,3}(\.\d+|)|(一|二|三|四|五|六|七|八|九|十){2,3})万|\d{5,8}元)\w{0,10}最高价格")

所以，待提取文字内容的正则表达式为：

pt=re.compile(r"(最高价格\w{0,20}(，|,|.|)\w{0,20}((\d{2,3}(\.\d+|)|(一|二|三|四|五|六|七|八|九|十){2,3})万|\d{5,8}元)|((\d{2,3}(\.\d+|)|(一|二|三|四|>五|六| 七|八|九|十){2,3})万|\d{5,8}元)\w{0,10}最高价格)")

最终的价格值可用如下表达式：

pt_rst = re.compile(r"((\d{2,3}(\.\d+|)|(一|二|三|四|五|六|七|八|九|十){2,3})万|\d{5,8}元)",flags=re.I)

参考文献：

1.  [正则表达式全集][Link 1]
2.  [正则中圆括号()方括号\[\]大括号\{\}的区别和用法][Link 2]
3.  [正则表达式30分钟入门教程][30]
4.  [通用正则表达式与python中的正则匹配][python]

[Link 1]: https://tool.oschina.net/uploads/apidocs/jquery/regexp.html
[Link 2]: https://blog.csdn.net/clervercc/article/details/62238223
[30]: https://www.runoob.com/w3cnote/regular-expression-30-minutes-tutorial.html#repeat
[python]: http://pelhans.com/2018/06/22/liunx-regex/