正则

分享一个练习正则表达式（数据处理会用到）的网站：regexone. com

正则表达式
与或非：
满足A且满足B(与)：(?=PatternA)PatternB
满足A但不满足B：(?!PatternB)PatternA
满足A或满足B(或)：(PatternA|PatternB)

分组：
正则里一对括号()表示一个分组,
Match object—match[0]是regex所代表的整个字符串，match[1]是第一个()中的内容，match[2]是第二对()中的内容。]
match
匹配string 开头，成功返回Match object, 失败返回None，只匹配一个。
search
在string中进行搜索，成功返回Match object, 失败返回None, 只匹配一个。
findall
在string中查找所有 匹配成功的组, 即用括号括起来的部分。返回list对象，每个list item是由每个匹配的所有组组成的list。
finditer
在string中查找所有 匹配成功的字符串, 返回iterator，每个item是一个Match object。
content = ‘333STR1666STR299’
regex = r’([A-Z]+(\d))’
1.match = re.search(regex, content)
print(match.group(0), match.group(1), match.group(2))
输出：STR1 STR1 1
2.result1 = re.findall(regex, content)
for m in result1:
print(m[0], m[1])
输出：STR1 1 STR2 2
3.result2 = re.finditer(regex, content)
for m in result2:
print(m.group(0), m.group(1), m.group(2))
输出：STR1 STR1 1
STR2 STR2 2
把regex最外边的括号去掉，regex = r’[A-Z]+(\d)’,组的个数就会减少一个
推荐命名分组(?Pgroup)，例如（?P\d{4}）

零宽断言：
用于查找特定内容之前或之后的内容，但并不包括特定内容本身。
对于零宽断言来说，我认为最重要的一个概念是位置，零宽断言用于指定一个位置，这个位置应该满足一定的条件(它附近满足什么表达式)，并且这个位置不是字符（因此匹配返回无结果），仅仅是一个位置，因此它们也被称为零宽断言
零宽断言重点的这一个位置，是通过一个条件：这个位置附近（前或者后）存在或者不存在一个A（A可以是一个表达式但不限于）来决定的。
公式 用法举例
(?=exp) ：此位置后面匹配表达式exp test_string = “2019-07-08，肺癌术后，肿瘤复发，肺癌累及支气管，术后情况良好”result = re.findall(“(肺癌)(?=术后)”, test_string)
匹配【肺癌】，且在【肺癌】后有【术后】，所以匹配的是第一个肺癌
(?<=exp)：此位置前面匹配表达式exp test_string = “2019-07-08，肺癌术后，肿瘤复发，肺癌累及支气管，术后情况良好”result = re.findall(“(?<=肺癌)(术后)”, test_string)
匹配【术后】，且在【术后】之前有【肺癌】，所以匹配的是第一个术后。
(?!exp)：此位置后面不匹配表达式exp test_string = “2019-07-08，肺癌术后，肿瘤复发，肺癌累及支气管，术后情况良好”result = re.findall(“(肺癌)(?!术后)”, test_string)
匹配【肺癌】，且在【肺癌】之后不匹配术后，所以匹配到第二个肺癌
(?<!exp)：此位置前面不匹配表达式exp test_string = “2019-07-08，肺癌术后，肿瘤复发，肺癌累及支气管，术后情况良好”result = re.findall(“(?<!肺癌)(术后)”, test_string)
匹配【术后】，且在【术后】之前不匹配【肺癌】，所以匹配的是第二个术后。

贪婪和非贪婪 .和.?
定义：非贪婪模式是指在使用正则匹配时，尽可能少的匹配（默认是贪婪模式，即：尽可能多的匹配）。
举例：
test_string = “较大病灶位于右肺下叶，大小约1087mm，小病灶位于右肺上叶，大小约533mm”
默认情况（贪婪）：
pattern = re.search(r”大小.mm”, test_string)
print(pattern)
输出：<大小约1087mm，小病灶位于右肺上叶，大小约533mm >
非贪婪：
pattern = re.search(r”大小.?mm”, test_string)
print(pattern)
输出： <大小约1087mm>

后向引用：
用于引用前面分组的内容，简化正则表达式
后向引用，引用的仅仅是匹配成功后的内容，而不是正则表达式
<(title)>.*</\1>可以匹配