主要内容 #
综合实战:能使用简单的正则表达式进行文本数据的清洗,本节课主要介绍了如何使用正则表达式，在一个六级词库里面检索我们需要的单词。 资源文件:六级单词.txt(点击下载)5.单词的检索 #
un-是英语中常见的前缀，表示”不，非”的意思，以下示例使用正则表达式，从六级单词词库中检索以un-开头的单词，找一找那些以un开头的单词
import re
pattern=re.compile(r'\bun.*\b')#正则表达式\b用于单词开头与结尾，找出以un开头的单词，.*匹配除换行符以外的字符串
wordlist=[]#储存单词的列表
with open('六级单词.txt') as file:#打开文件注意文件路径
for line in file:#逐行读取文件
res=pattern.search(line.strip())#考虑到每行只有一个单词，使用模式对象的search()逐行检索,返回匹配对象
if res!=None:#如果匹配对象不为空
wordlist.append(res.group())#在列表中添加此单词
print(wordlist)
6.查找和替换 #
在示例1当中，虽然我们把un-开头的单词全部检索了出来，但是发现英文单词和中文解释之间有一长段空格，我们当然可以使用字符串的一些方法，比如replace()方法进行替换。 这里使用正则表达式的sub()方法，模式对象的sub()方法有两个参数，第一个参数是是一个字符串用于取代发现的匹配，第二个参数是一个字符串，是用正则表达式匹配的内容
import re
pattern=re.compile(r'\bun.*\b')#模式对象，检索以un开头的单词
pattern2=re.compile(r' +')#模式对象，检索多个连续的空格r' +',注意这里的加号前面有一个空格
wordlist=[]#储存字典的列表
with open('六级单词.txt') as file:#打开文件注意文件路径
for line in file:#逐行读取文件
res2=pattern2.sub(' ',line)#使用一个空格代替多个空格，并返回替换后的字符串
res1=pattern.search(res2)#考虑到每行只有一个单词，使用模式对象的search()逐行检索,返回匹配对象
if res1!=None:#如果匹配对象不为空
wordlist.append(res1.group())#在列表中添加此单词
print(wordlist)
