正则表达式

定义

正则表达式是一种文本模式。

正则表达式 = 普通字符 + 特殊字符（元字符）

特殊字符	描述
[...]	匹配其中的所有字符，也即“取值范围”
[^...]	不匹配其中的所有字符，当^在[]中时表示取反操作
(...)	子表达式
{beg, end}	限定前一个组件的匹配次数为大于beg次，小于end次，也即“取值范围”
\|	左右两项之间的一个选择，也即“或”
^...$	^匹配字符串开始的位置 $匹配字符串结束的位置
.	匹配换行符
*	匹配前面的模式任意次
+	匹配前面的模式至少一次
?	匹配前面的模式零次或一次
exp1(?=exp2)	查找 exp2 前面的 exp1
(?<=exp2)exp1	查找 exp2 后面的 exp1
exp1(?!exp2)	查找后面不是 exp2 的 exp1
(?<!exp2)exp1	查找前面不是 exp2 的 exp1。

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

re.match(pattern, string, flags=0)

re.search 扫描整个字符串并返回第一个成功的匹配。

re.match(pattern, string, flags=0)

在某些敏感词检测场景中，需要忽略敏感词内部的标点符号，以此来提升检测的准确率。

代码示例如下：

import regex as re

p = "稳[p{P}|s]*赚"

s = "稳，。：；‘“！？、- ——%@#（）【】{} ,.:;'"!?- _%@#()[]{}赚不赔"

pattern = re.compile(p)
print(pattern.search(s))

程序运行结果显示，成功识别出敏感词。

[Reference]

智慧在街市上呼喊，在宽阔处发声。