分享一场Python正则表达式中的特殊序列问答交流

简介: 分享一场Python正则表达式中的特殊序列问答交流

大家好,我是我是皮皮。


一、前言


前几天在Python最强王者交流群有个叫【杰】的粉丝问了一个关于Python正则表达式的问题,讨论十分火热,这里拿出来给大家分享下,一起学习。

1ca2adf074a991e800d6a6460f70b16d.png

下图是原始题目:

6ac588e9944a4ad7e81a2c5aae877fd7.jpg

下面是给出的答案,乍看有点难懂,不过有正则狂魔【小王】大佬在,问题不大。

884b2d9024b95645549be6fb5cb7e36d.png


二、解决过程


这个这里给出【小王】大佬的解答,一起来看看吧,下面是他给的一个示例代码。

import re
# 命名分组对应命名引用
pattern = re.compile(r"(?P<num>\d+).*?(?P=num)")
txt = "123你好呀123"
print(re.findall(pattern, txt))
# 匿名分组对应匿名引用
pattern = re.compile(r"(\d+).*?\1")
txt = "123你好呀123"
print(re.findall(pattern, txt))
# 命名分组对应匿名引用
pattern = re.compile(r"(\d+).*?\1")
txt = "123你好呀123"
print(re.findall(pattern, txt))

输出结果如下图所示:

403c4788f496032ffa00b2373b0c2c04.png

关于输出的解析如下:

97118d36a0a6bdaf15696d1262dadc94.png

不过这么说还是不太好理解,这里【小王】大佬又给出了另外一个简单的示例,代码如下:

txt = "测试文本123python   测试文本python~"
pattern = re.compile(r"([一-龟]+)(\d+)(\w+)(\s+)(\1)(\3).*")
print(re.findall(pattern, txt))

输出结果如下图所示:

848adb46c031a558317689531ab62071.png

这下就清晰多了!

7f31b7a3c282e98566c9ead040bf4035.png


三、总结


大家好,我是皮皮。这篇文章基于粉丝提问,针对Python正则表达式中的特殊序列问题,给出了具体说明和演示,顺利的帮助粉丝解决了问题。


最后感谢粉丝【杰】提问,感谢【小王】、【🌑(这是月亮的背面)】、【dcpeng】、【wangning】、【Chloé P.】等大佬们参与学习交流。


小伙伴们,快快用实践一下吧!如果在学习过程中,有遇到任何问题,欢迎加我好友,我拉你进Python学习交流群共同探讨学习。


相关文章
|
10天前
|
Python
数据分享|PYTHON用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据
数据分享|PYTHON用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据
29 6
|
8天前
|
机器学习/深度学习 运维 Python
python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列
python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列
17 0
|
4天前
|
数据可视化 数据挖掘 Python
Python时间序列分析苹果股票数据:分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化(下)
Python时间序列分析苹果股票数据:分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化
12 0
|
4天前
|
数据可视化 API 开发者
Python时间序列分析苹果股票数据:分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化(上)
Python时间序列分析苹果股票数据:分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化
16 0
|
4天前
|
数据采集 数据挖掘 测试技术
python、R语言ARIMA-GARCH分析南方恒生中国企业ETF基金净值时间序列分析
python、R语言ARIMA-GARCH分析南方恒生中国企业ETF基金净值时间序列分析
16 1
|
4天前
|
vr&ar Python
Python自激励阈值自回归(SETAR)、ARMA、BDS检验、预测分析太阳黑子时间序列数据
Python自激励阈值自回归(SETAR)、ARMA、BDS检验、预测分析太阳黑子时间序列数据
11 0
|
4天前
|
Python
Python随机波动性SV模型:贝叶斯推断马尔可夫链蒙特卡洛MCMC分析英镑/美元汇率时间序列数据|数据分享
Python随机波动性SV模型:贝叶斯推断马尔可夫链蒙特卡洛MCMC分析英镑/美元汇率时间序列数据|数据分享
10 0
|
4天前
|
机器学习/深度学习 Python
【Python机器学习专栏】时间序列数据的特征工程
【4月更文挑战第30天】本文探讨了时间序列数据的特征工程,强调其在捕捉季节性、揭示趋势、处理异常值和提升模型性能中的重要性。介绍了滞后特征、移动窗口统计特征、时间戳特征、频域特征和波动率特征等方法,并提供了Python实现示例。通过有效特征工程,可提高时间序列分析的准确性和预测可靠性。
|
4天前
|
数据可视化 数据挖掘 Python
Python用 tslearn 进行时间序列聚类可视化
Python用 tslearn 进行时间序列聚类可视化
|
4天前
|
数据可视化 数据处理 索引
Python用GARCH对ADBL股票价格时间序列趋势滚动预测、损失、可视化分析
Python用GARCH对ADBL股票价格时间序列趋势滚动预测、损失、可视化分析
15 0