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：

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。

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’Hello\nWorld!’)
print(“=========”)
print(‘Hello\nWorld!’)

代码返回：

Hello\nWorld!
=========
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。

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。

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！

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。

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！