自然语言处理课程自学笔记（一）之python正则表达式

处理字符的强有力的工具。

字符串操作

（1）去空格及特殊符号：

（2）连接字符串：

（3）查找字符：

若查找模式串则需要用正则表达式。
（4）比较字符串：
以前是cmp函数，现在改为operator。


函数返回布尔值（True or False）。
（5）字符串中大小写转换：

（6）翻转字符串：

（7）查找字符串：

（8）分割字符串：
第一种:

第二种：

（9）计算字符串中出现频次最多的字母：
第一种：

第二种：

第三种：

正则表达式

是处理字符串的强大工具，拥有独特的语法和独立的处理引擎。在一些复杂的情况下才会用到。
效率比str略差，但匹配功能强很多。
不是python独有的，其他语言也有。

语法
当你想要匹配一个/多个/任意个数字/字母/非数字/非字母/某几个字符/任意字符，想要贪婪/非贪婪匹配，想要捕获匹配出来的第一个/所有内容的时候，一下可以参考：

常用的有
. 匹配除掉换行符以外的所有字符
\d 匹配所有的数字
\D 匹配除数字以外的所有的字符
\s 匹配空格、换行符、Tab等（肉眼所见为空白的字符）
\S 匹配除空格、换行符、Tab等以外的所有字符
\w 匹配单词字符（a-z，A-Z，0-9，_）
\W 匹配除单词字符以外所有的字符
[] 匹配括号中的字符（自己制指定）
\d{2} 匹配2个一起的数字字符
\d{2,4} 匹配2个一起/3个一起/4个一起的数字字符
？ 匹配前面字符0次/1次 （abc？—-ab/abc）
+ 匹配前面字符1次或无限次 （abc+ —-abc/abcccc）
* 匹配前面字符0次或无限次 （abc* —-ab/abcccc）（a（bc）*——a/abcbcbcbc）
^w.*e$ 匹配以w开头，以e结尾的字符串
（at）|（ve） 匹配所有的at和ve

python案例

python通过 re模块提供对正则表达式的支持。

使用re步骤：
（1）将正则表达式的字符串形式编译为Pattern实例。
（2）使用Pattern实例处理文本并获得匹配结果（一个Match实例）
（3）使用Match实例获得信息，进行其他操作。

关于re.compile(strPattern[ ,flag])

flag可加可不加。

关于Match



例子：

关于Pattern