在Python中,正则表达式是一种用于匹配和操作字符串的强大工具。正则表达式由一系列字符和特殊字符组成,用于定义搜索模式。
在Python中,我们使用内置的 re
模块来操作正则表达式。要使用正则表达式,我们首先需要导入 re
模块。
下面是一些常用的正则表达式的定义:
.
:匹配任意字符(除了换行符)。\d
:匹配任意一个数字字符。\D
:匹配任意一个非数字字符。\w
:匹配任意一个字母数字字符(包括下划线)。\W
:匹配任意一个非字母数字字符。\s
:匹配任意一个空白字符(包括空格、制表符、换行符等)。\S
:匹配任意一个非空白字符。[]
:定义字符集,可以匹配其中的任意一个字符。例如,[abc]
匹配字符a
、b
或c
。[^]
:在字符集中的开头使用^
,表示取反。例如,[^abc]
匹配除了字符a
、b
和c
之外的任意一个字符。*
:匹配前一个字符的零个或多个出现。例如,a*
匹配零个或多个字符a
。+
:匹配前一个字符的一个或多个出现。例如,a+
匹配一个或多个字符a
。?
:匹配前一个字符的零个或一个出现。例如,a?
匹配零个或一个字符a
。{n}
:匹配前一个字符的 n 个出现。例如,a{3}
匹配连续出现三个字符a
。{m,n}
:匹配前一个字符的 m 到 n 个出现。例如,a{2,4}
匹配连续出现两个到四个字符a
。()
:定义分组,用于对匹配的字符进行分组或提取。
案例分析
一个文本文件里面存储了 一些市场职位信息,格式如下所示
Python3 高级开发工程师 上海互教教育科技有限公司上海-浦东新区2万/月02-18满员
测试开发工程师(C++/python) 上海墨鹍数码科技有限公司上海-浦东新区2.5万/每月02-18未满员
Python3 开发工程师 上海德拓信息技术股份有限公司上海-徐汇区1.3万/每月02-18剩余11人
测试开发工程师(Python) 赫里普(上海)信息科技有限公司上海-浦东新区1.1万/每月02-18剩余5人
Python高级开发工程师 上海行动教育科技股份有限公司上海-闵行区2.8万/月02-18剩余255人
python开发工程师 上海优似腾软件开发有限公司上海-浦东新区2.5万/每月02-18满员
现在,我们需要写一个程序,从这些文本里面抓取所有职位的薪资。
要获取这样的结果
怎么做?大家先自己思考一下。
这是典型的字符串处理。分析这里面的规律,可以发现,薪资的数字后面都有关键字 万/月 或者 万/每月,根据我们学过的知识,我们不难写出下面的代码
content = '''
Python3 高级开发工程师 上海互教教育科技有限公司上海-浦东新区2万/月02-18满员
测试开发工程师(C++/python) 上海墨鹍数码科技有限公司上海-浦东新区2.5万/每月02-18未满员
Python3 开发工程师 上海德拓信息技术股份有限公司上海-徐汇区1.3万/每月02-18剩余11人
测试开发工程师(Python) 赫里普(上海)信息科技有限公司上海-浦东新区1.1万/每月02-18剩余5人
Python高级开发工程师 上海行动教育科技股份有限公司上海-闵行区2.8万/月02-18剩余255人
python开发工程师 上海优似腾软件开发有限公司上海-浦东新区2.5万/每月02-18满员
'''# 将文本内容按行放入列表
lines = content.splitlines()
for line in lines:# 查找'万/月' 在 字符串中什么地方pos2 = line.find('万/月')if pos2 < 0:# 查找'万/每月' 在 字符串中什么地方pos2 = line.find('万/每月')# 都找不到if pos2 < 0: continue# 执行到这里,说明可以找到薪资关键字# 接下来分析 薪资 数字的起始位置# 方法是 找到 pos2 前面薪资数字开始的位置idx = pos2-1# 只要是数字或者小数点,就继续往前面找while line[idx].isdigit() or line[idx]=='.':idx -= 1# 现在 idx 指向 薪资数字前面的那个字,# 所以薪资开始的 索引 就是 idx+1pos1 = idx + 1print(line[pos1:pos2])
运行一下,发现完全可以。在你高兴完之后,我们再看看写的代码。怎么样?
太麻烦了,是不是。为了从每行获取薪资对应的数字,我们可是写了不少行代码。这种从字符串中搜索出某种特征的子串有没有更简单的方法呢?
解决方案就是我们今天要介绍的 正则表达式 。
如果我们使用正则表达式,代码可以这样
content = '''
Python3 高级开发工程师 上海互教教育科技有限公司上海-浦东新区2万/月02-18满员
测试开发工程师(C++/python) 上海墨鹍数码科技有限公司上海-浦东新区2.5万/每月02-18未满员
Python3 开发工程师 上海德拓信息技术股份有限公司上海-徐汇区1.3万/每月02-18剩余11人
测试开发工程师(Python) 赫里普(上海)信息科技有限公司上海-浦东新区1.1万/每月02-18剩余5人
Python高级开发工程师 上海行动教育科技股份有限公司上海-闵行区2.8万/月02-18剩余255人
python开发工程师 上海优似腾软件开发有限公司上海-浦东新区2.5万/每月02-18满员
'''import re
for one in re.findall(r'([\d.]+)万/每{0,1}月', content):print(one)
运行一下看看,结果是一样的。但是代码却简单多了。
正则表达式,是一种语法,用来描述你想搜索的字符串的特征。
这里指定了一个正则表达式
re.findall(r'([\d.]+)万/每{0,1}月', content)([\d.]+)万/每{0,1}月,就是正则表达式字符串,指定了搜索子串的特征。
为什么这么写?我们后面再介绍。
findall函数返回所有匹配的子串,放在一个列表中。
从上面的例子可以看出,用正则表达式关键的地方在于,如何写出正确的表达式语法。
正则表达式非常强大,语法非常复杂,如果你英文阅读能力还可以,那太好了,点击这里:https://docs.python.org/3/howto/regex.html,参考Python官方文档里面的描述。具体的使用细节包括语法都在里面。
本教程会继续给大家介绍一些常见的正则表达式语法。
想在线Python编程的,快从小蜜蜂网站:http://zglg.work 注册登录体验。