python模糊匹配库能否定制匹配关系

Posted 2023-04-08

参考技术A 是的，Python模糊匹配库支持定制匹配关系。定制匹配关系可以帮助您根据自己的特定需求进行模糊匹配，从而提高搜索的精确度。Python模糊匹配库提供了一系列的自定义参数来实现定制匹配关系，其中包括：编辑距离、包含比较、忽略大小写、算法参数、模糊查询参数等等。

例如，您可以使用编辑距离参数来控制匹配的精确度，从而控制匹配结果的精确度，而使用包含比较参数可以控制是否只匹配完全匹配的字符串。此外，您还可以使用模糊查询参数来控制要查询的字符串是否可以包含指定的字符串。

通过定制匹配关系，Python模糊匹配库可以帮助您更准确地查找需要的信息，从而节省更多时间，让您更有效地完成工作。

Python基础-----re模块（模糊匹配）

#!/usr/bin/env python
#-*- coding:utf-8 -*-

import re

‘‘‘
1 普通字符：大多数字符和字母都会和自身匹配
              >>> re.findall(‘alex‘,‘yuanaleSxalexwupeiqi‘)
                      [‘alex‘] 
              re.findall(匹配规则,匹配字符串)
              查找出所有满足匹配规则的字符串放置于列表中
2 元字符：. ^ $ * + ? { } [ ] | ( ) 
‘‘‘

#======================元字符之. ^ $ * + ? { }================================#

# 1  . 表示通配符，除  
  以外均可匹配，一个  .  表示任意一个字符

ret=re.findall(‘a..in‘,‘helloalvin‘)
print(ret)#[‘alvin‘]

#===========================================================================#

# 2  ^ 表示在字符串的开头匹配
 
ret=re.findall(‘^a...n‘,‘alvinhelloawwwn‘)
print(ret)#[‘alvin‘]
 
#===========================================================================#

# 3  $ 表示在字符串的尾部匹配
 
ret=re.findall(‘a...n$‘,‘alvinhelloawwwn‘)
print(ret)#[‘awwwn‘]
 
#===========================================================================#

# 4  * 表示在贪婪匹配[0,+oo]
 
ret=re.findall(‘abc*‘,‘abcccc‘)#贪婪匹配[0,+oo]  
print(ret)#[‘abcccc‘]
ret=re.findall(‘abc*‘,‘abeerw‘)#贪婪匹配[0,+oo]  
print(ret)#[‘ab‘]

#===========================================================================#

# 5  + 表示在贪婪匹配[1,+oo]

ret=re.findall(‘abc+‘,‘abccc‘)#[1,+oo]
print(ret)#[‘abccc‘]

#===========================================================================#

# 6  ？ 表示在贪婪匹配[0,1]可匹配0个或1个

ret=re.findall(‘abc?‘,‘abccc‘)#[0,1]
print(ret)#[‘abc‘]
ret=re.findall(‘abc?‘,‘abrtf‘)#[0,1]
print(ret)#[‘ab‘] 
 
#===========================================================================#

# 7  {} 表示匹配重复情况；{0，} == * ；{1，} == +

ret=re.findall(‘abc{1,4}‘,‘abccc‘)  #表示匹配1-4个c均可
print(ret)#[‘abccc‘] 贪婪匹配

#===========================================================================#

# 8  前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配，其前面的
# 字符被匹配最少次数

ret=re.findall(‘abc*?‘,‘abcccccc‘)
print(ret)#[‘ab‘]

#====================== 元字符之字符集［］================================#

#在字符集［］中 * + ？ 都失去原有意义，当做普通字符去匹配

ret=re.findall(‘a[bc]d‘,‘acd‘)     #匹配 ‘acd‘ 或 ‘abd‘  
print(ret)#[‘acd‘]
 
ret=re.findall(‘[a-z]‘,‘acd‘)     #匹配字符串中的‘a‘ - ‘z‘之间的所有字母
print(ret)#[‘a‘, ‘c‘, ‘d‘]
 
ret=re.findall(‘[.*+]‘,‘a.cd+‘)
print(ret)#[‘.‘, ‘+‘]
 
#在字符集[]里有功能的符号: - ^ 
 
ret=re.findall(‘[1-9]‘,‘45dha3‘)    #匹配字符串中的1-9之间的所有数字
print(ret)#[‘4‘, ‘5‘, ‘3‘]
 
ret=re.findall(‘[^ab]‘,‘45bdha3‘)  #[^]字符集中^表示非；该例表示匹配只要不是a  b即可
print(ret)#[‘4‘, ‘5‘, ‘d‘, ‘h‘, ‘3‘]

cal = re.findall(‘([^()]*)‘,‘12+(34*6+2-5*(3-1))‘)  #可用于计算器
print(cal) #[‘(3-1)‘]

ret=re.findall(‘[d]‘,‘45bdha3‘)    #d  匹配任何十进制数；它相当于类 [0-9]。
print(ret)#[‘4‘, ‘5‘, ‘3‘]

#====================== 元字符之转义符  ================================#

# 反斜杠后边跟元字符去除特殊功能,比如.(用于将 . 转换为普通字符用于匹配)
# 反斜杠后边跟普通字符实现特殊功能,比如d

# d   匹配任何十进制数；它相当于类 [0-9]。
# D   匹配任何非数字字符；它相当于类 [^0-9]。
# s   匹配任何空白字符；它相当于类 [ 	

fv]。
# S   匹配任何非空白字符；它相当于类 [^ 	

fv]。
# w   匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。(_下划线也可匹配出)
# W   匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]
#    匹配一个特殊字符边界，比如空格 ，&，＃等

# 因为在python中本身就有特殊含义，所以需要再次转义 \b或r‘‘
ret=re.findall(‘I‘,‘I am LIST‘)
print(ret)#[]
ret=re.findall(r‘I‘,‘I am LIST‘)
print(ret)#[‘I‘]
#-----------------------------eg1:
import re
# 因为python解释器转义和re转义有别，所以需要传入多个来转义
ret=re.findall(‘cl‘,‘abcle‘)
print(ret)#[]
ret=re.findall(‘c\l‘,‘abcle‘)
print(ret)#[]

ret=re.findall(‘c\\l‘,‘abcle‘)  
print(ret)#[‘c\l‘]
ret=re.findall(r‘c\l‘,‘abcle‘)
print(ret)#[‘c\l‘]
 
#-----------------------------eg2:
#之所以选择是因为在ASCII表中是有意义的
m = re.findall(‘blow‘, ‘blow‘)
print(m)
m = re.findall(r‘blow‘, ‘blow‘)
print(m)

#====================== 元字符之 | ================================#
# 元字符 | 表示或的意思，其前后字符串均可以参与匹配
s = re.findall(‘a|b‘,‘ajkkljlbklka‘)
print(s)   #[‘a‘, ‘b‘, ‘a‘]

#====================== 元字符之分组 () ================================#
# 将()内的内容作为一组（整体）来匹配

m = re.findall(r‘(ad)+‘, ‘adadad‘)    ######！！！！！！！！优先匹配()组内的内容
print(m)   #[‘ad‘]
#若要匹配字符串中所有的内容，则加上 ?:  即可取消上述优先级
m1 = re.findall(r‘(?:ad)+‘, ‘adadad‘)    ######！！！！！！！！ 【？：】可取消优先级
print(m1)   #[‘ad‘,‘ad‘,‘ad‘]
 
ret=re.search(‘(?P<id>d{2})/(?P<name>w{3})‘,‘23/com‘)  
#固定格式?P<id>  id表示分组名称--->‘23‘
#固定格式?P<name> name表示分组名称--->‘com‘
#函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
#通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。
print(ret.group())#23/com
print(ret.group(‘id‘))#23  #.group(分组名称)  可以获取分组名称对应的值


#===========================================================================#
#=========================      re模块下的常用方法   ===========================#
#===========================================================================#

import re
#1 查找所有
re.findall(‘a‘,‘alvin yuan‘)    #返回所有满足匹配条件的结果,放在列表里

#2 查找（只到找到第一个匹配）
re.search(‘a‘,‘alvin yuan‘).group()  #函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
                                     # 通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。
#3 查找（仅在字符串开始处进行匹配）
re.match(‘a‘,‘abc‘).group()     #同search,不过仅在字符串开始处进行匹配
 
#4 分割
ret=re.split(‘[ab]‘,‘abcd‘)     #先按‘a‘分割‘a‘的左边无内容，则左边得到‘‘和右边‘bcd‘,在对‘‘和‘bcd‘分别按‘b‘分割
print(ret)#[‘‘, ‘‘, ‘cd‘]
 
#5 替换
ret=re.sub(‘d‘,‘abc‘,‘alvin5yuan6‘,1)   
#re.sub(参1,参2,参3,参4) 参1表示匹配规则或字符，参2表示要替换成的字符串，参3表示被匹配的字符串，参4表示指定匹配次数

print(ret)#alvinabcyuan6
ret=re.subn(‘d‘,‘abc‘,‘alvin5yuan6‘)
print(ret)#(‘alvinabcyuanabc‘, 2)  #返回一个元组，分别为替换后字符串，和本次替换的次数
 
#6 编译（自定义规则）可重复使用
obj=re.compile(‘d{3}‘)            #返回一个规则对象
ret=obj.search(‘abc123eeee‘)      #规则对象可以调用.search()  .findall等方法 
print(ret.group())#123

#7 将查找的内容生成迭代器
ret=re.finditer(‘d‘,‘ds3sy4784a‘)
print(ret)        #<callable_iterator object at 0x10195f940>
print(next(ret).group()) # ‘3‘
print(next(ret).group()) # ‘4‘



#===========================================================================#
#=========================    注  意  事  项     ============================#
#===========================================================================#

import re
 
ret=re.findall(‘www.(baidu|oldboy).com‘,‘www.oldboy.com‘)
print(ret)#[‘oldboy‘]     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
 
ret=re.findall(‘www.(?:baidu|oldboy).com‘,‘www.oldboy.com‘)   #?: 可以去除优先级
print(ret)#[‘www.oldboy.com‘]