数据提取之正则表达式

 

 

re.match（从头找一个）re.search（找一个）re.findall（找所有） 返回一个列表，没有就是空列表re.findall("\d","chuan1zhi2") >> ["1","2"]

re.sub（替换）

re.sub("\d","_","chuan1zhi2") >> ["chuan_zhi_"]

re.compile（编译，提升匹配速度）

返回一个模型P，具有和re一样的方法，但是传递的参数不同

匹配模式需要传到compile中

p = re.compile("\d",re.S) p.findall("chuan1zhi2")

假设现在想把字符串 title = u'你好，hello，世界' 中的中文提取出来，可以这么做：

import re title = u'你好，hello，世界' pattern = re.compile(ur'[\u4e00-\u9fa5]+') result = pattern.findall(title) print result # 注意点: 中文匹配 需要设置unicode字符才可以匹配

 

如何非贪婪的去匹配内容？ import re s = '123xxxxxx456' result_1 = re.findall('\d+', s) result_2 = re.findall('\d+?', s) print(result_1) print(result_2)