数据采集与清洗基础习题（三）头歌参考答案（正则表达式）

数据采集习题参考答案，会持续更新，点个关注防丢失。

创作不易，一键三连给博主一个支持呗。

目录

实训九：Python正则表达式断言

第一关：先行断言

第一关答案

第二关：后发断言

第二关答案

实训十：python正则表达式标记 

实训十答案

---

实训九：Python正则表达式断言

第一关：先行断言

编程要求

请根据相关知识补充右侧Begin-End之间的代码，并完成下列任务：

• 使用正向先行断言获取字符串中以ing结尾的字符（不能为空）。

相关知识

先行断言分为正向先行断言和反向先行断言，完成本关任务需要了解这两个知识点。

正向先行断言

(?=pattern)表示正向先行断言，整个括号里的内容（包括括号本身）代表字符串中的一个位置，紧接该位置之后的字符序列能够匹配pattern。举个例子：

# `(?!e)`代表字符串中的一个位置，紧接该位置之后的字符序列只能够匹配`e`。
a = re.findall(r'n(?=al)','final')
b = re.findall(r'n(?=e)','python')
c = re.findall(r'n(?=e)','jasmine')

print(a)
print(b)
print(c)

输出：

1. ['n']
2. []
3. ['n']

反向先行断言

(?!pattern)表示反向先行断言，与正向先行断言相反，紧接该位置之后的字符序列不能够匹配pattern。同样举个例子：

a = re.findall(r'n(?!e)','final')
b = re.findall(r'n(?!e)','python')
c = re.findall(r'n(?!e)','next')

print(a)
print(b)
print(c)

输出：

1. ['n']
2. ['n']
3. []

注意：反向断言不支持匹配不定长的表达式，也就是说+、*字符不适用于反向断言的前后。

第一关答案

import re

a = input()

#*********** Begin **********#
result=re.findall(r'[\w]+(?=ing)',a)
#*********** End **********#
print(result)

第二关：后发断言

编程要求

请根据相关知识补充右侧Begin-End之间的代码，并完成下列任务：

• 使用正向后发断言匹配字符串中以go开头的字符的后半部分。

相关知识

后行断言分为正向后发断言和反向后发断言，完成本关需要掌握这两个知识点。

正向后发断言

(?<=pattern)正向后发断言代表字符串中的一个位置，紧接该位置之前的字符序列只能够匹配pattern。

a = re.findall('(?<=a)n','final')
b = re.findall('(?<=a)n','command')
c = re.findall('(?<=i)n','negative')

print(a)
print(b)
print(c)

输出：

1. []
2. ['n']
3. []

反向后发断言

(?负向后发断言 代表字符串中的一个位置，紧接该位置之前的字符序列不能匹配pattern。

a = re.findall('(?

输出：

1. []
2. []
3. ['n']

从上面的描述可以看出，先行和后发的区别就是判断是否有<，正向与反向的区别是=和！。是不是非常容易记呢？

第二关答案

import re

a = input()

#*********** Begin **********#
result=re.findall(r'(?<=go)[\w]+',a)
#*********** End **********#
print(result)

实训十：python正则表达式标记 

正则表达式可以包含一些可选标记修饰符来控制匹配的模式。修饰符被指定为一个可选的标记。多个标记可以通过按位OR(|)来指定。如re.I | re.M 被设置成I和M标志。

编程要求

请仔细阅读右侧代码，根据方法内的提示，在Begin - End区域内进行代码补充

具体任务如下：

• 匹配出以study开头的邮箱，不区分大小写。

相关知识

为了完成本关任务，你需要掌握：

1.Python正则表达式基本用法；

2.Python正则表达式标记。

不区分大小写

re.IGNORECASE也可以简写为re.I，使用该标记，可以使正则表达式变为不区分大小写。 示例：

a = re.search(r'apple',"THIS IS AN APPLE",re.IGNORECASE)
b = re.search(r'apple','THIS IS AN APPLE',re.I)
print(a)
print(b)

输出：

1. <_sre.SRE_Match object; span=(11, 16), match='APPLE'>
2. <_sre.SRE_Match object; span=(11, 16), match='APPLE'>

点匹配换行符

re.DOTALL标记（别名为re.S）可以让.字符除了匹配其他字符之外，还匹配换行符。 示例：

a = re.search(r'.+','hello\npython')
b = re.search(r'.+','hello\npython',re.S)
c = re.search(r'.+','hello\npython',re.DOTALL)
print(a)
print(b)
print(c)

输出：

1. <_sre.SRE_Match object; span=(0, 5),match='hello'>
2. <_sre.SRE_Match object; span=(0, 12),match='hello\npython'>
3. <_sre.SRE_Match object; span=(0, 12),match='hello\npython'>

多行模式

re.MULTILINE标记（别名为re.M）可以匹配多行，使用该标记可以使得仅能够匹配字符串开始与结束的^与$字符可以匹配字符串内任意行的开始与结束。

a = re.search(r'^like','foo\nlike')
b = re.search(r'^like','foo\nlike',re.M)
print(a)
print(b)

输出：

1. None
2. <_sre.SRE_Match object; span=(4, 8), match='like'>

详细模式

re.VERBOSE标记(别名为re.X)允许复杂的正则表达式以更容易的方式表示。 该标记做两件事，首先，它会使所有的空白（除了字符组中）被忽略，包括换行符。其次，它将#字符（同样，除非在字符组内）当做注释字符。 示例：

a = re.search(r'(?P[\d]{3})-(?P[\d]{4})','867-5556')
b = re.search(r"""(?P[\d]{3})
- #匹配一个 - 连接符
(?P[\d]{4}) # 匹配四个数字
""",
'010-1234',re.X)
print(a)
print(b)

输出：

1. <_sre.SRE_Match object; span=(0, 8), match='010-1234'>
2. <_sre.SRE_Match object; span=(0, 8), match='010-1234'>

调试模式

re.DEBUG标记（没有别名）在编译正则表达式时将一些调试信息输出到 sys.stderr。 示例：

a = re.search(r'(?P[\d]{3})-(?P[\d]{4})','010-1234',re.DEBUG)
print(a)

输出：

1. SUBPATTERN 1
2. MAX_REPEAT 3 3
3. IN
4. CATEGORY CATEGORY_DIGIT
5. LITERAL 45
6. SUBPATTERN 2
7. MAX_REPEAT 4 4
8. IN
9. CATEGORY CATEGORY_DIGIT
10. <_sre.SRE_Match object; span=(0, 8), match='010-1234'>

使用多个标记

有时候我们可能需要同时使用多个标记，为了完成这点，可以使用|操作符。 示例： re.DOTALL|re.MULTILINE 或 re.S | re.M 。

实训十答案

import re
def re_mark(input_data):
    result=[]
    #*********** Begin **********#
    result = re.findall(r'^study[\w]*@[\w]+\.com',input_data,re.I|re.M)
    #*********** End **********#

    return result

数据采集习题参考答案，会持续更新，点个关注防丢失。

创作不易，一键三连给博主一个支持呗。