[1-5次课件]-Python基础精梳版.pptVIP

聚类分析 re模块 re模块中的函数有： search findall finditer match fullmatch split sub subn pattern 聚类分析 re模块 search 用法是re.search(pattern,字符串) 对字符串进行模式搜索，如果找到第一个匹配的位置，返回一个MatchObject对象；这个对象中储存了匹配位置、匹配内容等信息。后面我们会详细讲。 若该字符串没有模式匹配，则返回None。 例如：手机评论数据中出现很多的关于屏幕、音频、拍照之类的功能评价，那么在实际数据分析中，我们可能需要看评论中是否会出现屏幕。re.search()函数便是根据需要匹配的模式进行搜索的函数 聚类分析 手机评论数据集 数据集是从某手机评论网站上爬下来的，共25068条记录。每条记录都已经分好词、去除标点符号，数据可以直接使用。以下显示前五条分好词记录： 聚类分析 re模块 search 我们用正则表达式屏幕.*[好坏]去search我们的评论，得到了一个MatchObject，其中记录了匹配的内容屏幕的质量很好与匹配的位置（从第7到第14位） 聚类分析 re模块 search 如前所述，需要多次复用我们可以先生成一个正则表达式对象，以提高效率。 聚类分析 re模块 search 要注意的是，search进行的是贪婪匹配，即寻找最大的匹配 为了避免上述的错误，可以把中间的*改为{：n}，限制间隔的字数 有两段（有包含关系）都可以匹配pattern： 屏幕很坏 屏幕很坏，还不够我家厕所窗户好 贪婪匹配选择包含关系中最大的一段 聚类分析 re模块 search 要注意的是，search只是寻找从左到右第一个与正则表达式匹配，而不是找到所有匹配位置。贪婪指的是匹配的最大，而不是最多。 遇到这个问题应该用findall函数 Pattern代表屏幕与[好坏]只相隔一个字。有两个独立的部分可以匹配pattern： 屏幕很好 屏幕很坏 只选择第一个匹配 聚类分析 re模块 findall 刚才介绍的search函数只能从左到右找出第一个最大的匹配。而findall函数可以找出所有匹配，并把它们从左到右作为一个列表返回。如果无匹配，返回空列表。 注意这里屏幕与好/坏中间只隔了一个通配符.，所以能帮我们得到正确答案。 聚类分析 re模块 findall 要注意，re模块的规则都是贪婪匹配的，findall也不例外 贪婪匹配的含义不是要找出最多的匹配，而是要在每一次匹配的时候找到最大的匹配。这提醒我们，一定要当心使用*，最好都改为由限定范围的{：n} 注意这里屏幕与好/坏中间隔了任意个通配符.*，所以会导致错误。 聚类分析 re模块 finditer finditer函数与findall函数的作用基本是一样的。不同的是finall返回的是一个列表，finditer返回的是一个迭代器。迭代器用完之后可以自动释放内存。 在处理的数据较大的时候，finditer或许会发挥其作用。但如果数据较小、不重视内存，或者手动释放，则finditer的功能可以完全被findall取代。 聚类分析 re模块 match 用法是re.match(pattern，字符串)，和re.search()类似，唯一不同的是re.match()只从头开始匹配，re.search()可以匹配任一位置的字符串。 即如果符合正则表达式的字符串如果出现在开头，那么使用re.match()后会返回MatchObject对象，但如果出现在中间位置或没有，则返回None。 也可以等价于在search函数的pattern前增加一个表示字符串开头的\A字符 Match函数也是贪婪的。并且，它显然不存在匹配第一个还是多个这样的问题。因为从头开始的贪婪匹配显然只能有一种结果。 聚类分析 re模块 match 这个例子说明了match只是从头开始匹配 聚类分析 re模块 fullmatch 用法和match类似，但它不但是从头匹配，而是从头到尾匹配 可以说，fullmatch就是用来检测pattern与整个string是不是匹配的 String1是整体与pattern匹配的 String2只有前缀与pattern匹配 聚类分析 re模块 split 一般的字符串也有split函数，用法是string.split(sep=分隔符) 则得到一个将字符串按照分隔符划分而成的表格： 但是只能用一种字符串做为sep来进行切分，功能不够强大 聚类分析 re模块 split 使用re.split(pattern，string)可以将string中所有与pattern匹配的东西做为分割符，继而将字符串分割为一张表。 例如上例以