python基础(三)——正则表达式

本文通过多个示例演示了如何使用Python中的正则表达式进行字符串匹配,涵盖了基本匹配、贪婪与非贪婪匹配、特殊字符及各种元字符的用法。
部署运行你感兴趣的模型镜像
import re
#匹配abc
m = re.findall("abc", "aabbccabccbaccbaaabcabc")
print(m)
#匹配一位数字,digit
m = re.findall("\d", "123abc1a2b3c1b2c3a")
print(m)
#匹配四位数字
m = re.findall("\d\d\d\d", "123abc1234ab12345c")
print(m)
#贪婪匹配
m = re.findall("<div>(.*)</div>", "<div>hello</div>")
print(m)
m = re.findall("<div>(.*)</div>",     "<div>hello</div><div>world</div>")
print(m)
#非贪婪匹配
m = re.findall("<div>(.*?)</div>",     "<div>hello</div><div>world</div>")
print(m)
#除换行符以外的所有字符
m = re.findall(".", "asdd\ndwjh\r")
print(m)
#转义字符
m = re.findall("\.", "a.c")
print(m)
#字符集,匹配中括号中任意一个字符
m = re.findall("a[bc]d", "abcdabdacdabbsdad")
print(m)
#数字
m = re.findall("\d", "abc1a2a32b")
print(m)
#非数字
m = re.findall("\D", "abc1a2a32b#")
print(m)
#空白字符
m = re.findall("\s", "abc a\na\r asd")
print(m)
#非空白字符
m = re.findall("\S", "abc a\na\r asd")
print(m)
#数字&字母
m = re.findall("\w", "ald!@n12\n1s\rk13")
print(m)
#非数字*字母
m = re.findall("\W", "ald!@n12\n1s\rk13")
print(m)
#匹配开头
m = re.findall("^abc", "abccbaabc")
print(m)
#匹配结尾
m = re.findall("cba$", "cbaabccba")
print(m)
#不区分大小写re.I
m = re.findall("abc", "AbcaBcabC", re.I)
print(m)
#匹配换行符&组合使用re.I
s = "<dIv>hello\nworld</DIV>"
m = re.findall(r"<div>(.*)</div>", s, re.S | re.I)
print(m)
#匹配多行
m = re.findall("^abc", "abc\nabc")
print(m)
m = re.findall("^abc", "abc\nabc", re.M)
print(m)
#匹配0或1个
m = re.findall("ab?", "abbbabbaaab")
print(m)
#匹配至少1个
m = re.findall("ab+", "abbbabbaaab")
print(m)
#匹配至少0个
m = re.findall("ab*", "abbbabbaaab")
print(m)
#实例:匹配邮箱
mail = "qq4786@qq.com"
m = re.findall("\w+@\w+\.com", mail)
print(m)
#先编译后使用
a = re.compile("\w+@\w+\.com")
m = a.findall("4786@qq.com")
n = a.findall("lir208@163.com")
print(m, n) 

输出结果:

['abc', 'abc', 'abc']
['1', '2', '3', '1', '2', '3', '1', '2', '3']
['1234', '1234']
['hello']
['hello</div><div>world']
['hello', 'world']
['a', 's', 'd', 'd', 'd', 'w', 'j', 'h', '\r']
['.']
['abd', 'acd']
['1', '2', '3', '2']
['a', 'b', 'c', 'a', 'a', 'b', '#']
[' ', '\n', '\r', ' ']
['a', 'b', 'c', 'a', 'a', 'a', 's', 'd']
['a', 'l', 'd', 'n', '1', '2', '1', 's', 'k', '1', '3']
['!', '@', '\n', '\r']
['abc']
['cba']
['Abc', 'aBc', 'abC']
['hello\nworld']
['abc']
['abc', 'abc']
['ab', 'ab', 'a', 'a', 'ab']
['abbb', 'abb', 'ab']
['abbb', 'abb', 'a', 'a', 'ab']
['qq4786@qq.com']
['4786@qq.com'] ['lir208@163.com']

您可能感兴趣的与本文相关的镜像

Python3.11

Python3.11

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值