Python中的正则表达式（一）

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

go 复制代码

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

go 复制代码

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+1
    pos1 = idx + 1

    print(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。

go 复制代码

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。