李丹刚在一家经销店找到了新工作,他的工作是给那些在评论页留下电话号码的客户打电话。然而,让李丹烦恼的是,评论是以自由文本的形式展现,电话号码就在这些评论中。

如何不需要一个接一个地复制和粘贴,就可以轻松地找到这些电话号码?python中的正则表达式(re)就可以解决这个问题!

正则表达式

正则表达式是一个具有特殊字符的序列。它有助于检查字符串中的每个字符,看它是否与某个模式匹配:哪些字符在什么位置出现了多少次。

让我们看看丹正在读的评论:

“i have called the service desk 100 times and nobody replies to me. i need a conversation asap!! my number is 111–1234567!”

让我们看看李丹的需求是:

‘我明确地知道我要寻找哪个号码。’

import re
text = 'i have called the service desk 100 times and nobody replies to me. i need a conversation asap!! my number is 111-1234567!'
result = re.findall('111-1234567', text)

上面的代码返回“111–1234567”。如果它在文本中重复,它将返回两次电话号码。

‘有时我不知道具体的号码,需要从评论中找到客户号码。’

result = re.findall(r’d’, text)

这将返回所有数字,但每个元素只有一个数字:

['1', '0', '0', '1', '1', '1', '1', '2', '3', '4', '5', '6', '7']

r-python原始字符串

这里,r表示python原始字符串。指定“r”意味着我们不希望python将“”视为转义字符,而只将其视为普通字符。

下面是两个比较的例子:

print(r’hellonworld!’)
print(“=========”)
print(‘hellonworld!’)

代码返回:

hellonworld!
=========
hello
world!

d-所有数字,但只有一个数字

如果文本包含数字,考虑匹配“d”模式。

‘我想得到每条评论中完整的号码,而非单个数字。’

result = re.findall(r’d+’, text)

代码返回:

['100', '111', '1234567']

“d”后面的“+”表示一个或多个数字。所以它不会一位数一位数地扫描数字,而是把整个拿走。

‘我只想得到电话号码,不需要截取其他数字。’

好吧,没问题。让我们看看如何知道111–1234567是一个电话号码。因为它的区号是3位数,连接符是“-”,然后是7位数。因此,我们可以进行如下程序:

result = re.findall(r’d{3}-d{7}’, text)

{3} — 3 digits, {7} — digits

上面的代码意味着我们要查找的字符串由3个数字组成,后跟一个“-”,然后是7个数字。

是的!这正是你要找的!

‘那么,如果客户没有留下他们的区号呢?’

i have called the service desk 100 times and nobody replies to me. i need a conversation asap!! my number is 111–1234567! my other number is 7654321!

text = 'i have called the service desk 100 times and nobody replies to me. i need a conversation asap!! my number is 111-1234567! my other number is 7654321!'

result = re.findall(r’d{3}-d{7}|d{7}’, text)

代码返回:

['111–1234567','7654321']

‘|’—与其他python代码类似,它的意思是or。所以以上代码表达将选择“3位数-7位数”或“7位数”两种模式的数字。

‘太棒了!正则表达式还有其他可以实现的功能吗?’

位置

当然,在开始的时候,我们提到的re也可以检测到位置。因此,如果客户在句子的开头写上电话号码,你可以这样做:

text = '111-1234567! that is my number! the other one is 7654321!'
result = re.findall(r’^d{3}-d{7}|^d{7}’, text)

“^”表示只有在电话号码显示在句子开头时才匹配。所以只有“111–1234567”匹配并返回。

重复

text = 'abcabc aa cc dd e 123123 abcabab'
result = re.findall(r'(w{3})(1)', text)

w ,类似于d表示数字,w则表示任何字符:digit, character等等。

re.findall语法中的(w{3})表示3个字符,(1)表示返回值中重复与(w{3})相同的值(这里“1”表示第一个括号中代表的值)。

所以以上代码返回:(“abc”,“abc”),(‘ 123 ‘,’ 123 ‘))。

如果我们更改代码为:

result = re.findall(r’(w{3})(w{2})(2)’, text)

(w{3})(w{2})(2)表示3个字符、2个字符和重复(w{2})代表的值((2)中的“2”表示第二个括号中代表的值)。

因此上面的代码返回:[(‘ abc ‘, ‘ ab ‘, ‘ ab ‘)]。

结论

re有很多表达方式,当我第一次看到它的时候我完全不知所措,但是当你知道它的类型和含义后,会发现它非常容易。

哦,我还想提一下这个命令:

re.search()

上文中使用过的re.findall(),与它不同的是,re.search()将只返回与模式匹配的第一个字符串。

最后,是我总结的一些常见的表达方式。

希望本文能帮助你快速掌握正则表达式!