【数据处理】re 正则表达式

【re.compile】 

是 Python 中 re（正则表达式）模块的一个函数，它用于将一个字符串形式的正则表达式编译成一个 Pattern 对象。这样做的好处是可以提高正则表达式的匹配效率，尤其是当你需要多次使用同一个正则表达式时。

当你调用 re.compile 时，你传递一个字符串作为参数，这个字符串包含了你要编译的正则表达式。然后，re.compile 会返回一个 Pattern 对象，你可以使用这个对象来调用各种匹配和搜索方法，如 match()、search()、findall()、finditer() 等。

import re

# 编译一个正则表达式，用于匹配一个或多个数字
pattern = re.compile(r'\d+')

# 使用 Pattern 对象的 search 方法在字符串中搜索匹配项
match = pattern.search("There are 123 apples and 456 oranges.")

if match:
    # 如果找到了匹配项，打印出匹配的内容
    print("Found a match:", match.group())
else:
    # 如果没有找到匹配项，打印一条消息
    print("No match found.")

 【re.findall】

findall 是 re 模块中的一个函数，用于在字符串中查找所有与正则表达式匹配的子串，并返回一个列表。

import re

text = "Hello, world! This is a test: 123_abc."
matches = re.findall(r'\w+', text)
print(matches)

['Hello', 'world', 'This', 'is', 'a', 'test', '123_abc']

【匹配字符说明】

1. 点号（.）：在正则表达式中，点号是一个特殊字符，它匹配除换行符 \n 之外的任何单个字符（在默认情况下，具体行为可能因正则表达式的模式和标志而异）。例如，a.c 可以匹配 abc、a1c、a#c 等。

2. 星号（*）：星号是一个量词，它表示前面的元素（在这里是点号 .）可以在字符串中出现零次或多次。因此，.* 匹配零个或多个任意字符（除了换行符，除非使用了特定的标志来改变这种行为）。

3. \w 匹配任何字母数字字符，包括下划线（等价于 [A-Za-z0-9_]）
4. + 表示前面的字符（在这个例子中是 \w）可以连续出现一次或多次

　　 

# 常用组合
.* 就表示匹配任意长度的字符串（包括空字符串），其中可以包含任何字符（除了换行符）