正则表达式对字符串处理

正则表达式可谓是字符处理中的神器，无论是爬虫的数据处理，还是读取文件中信息处理，正则表达式都是一个非常好用的东西。今天就让我们一起用一道例题看一看一些简单正则表达式的用法吧！

正则表达式匹配规则：

题目要求：                                          

有一些参考文献的格式如下:

文献名称、文献来源-会议、年份、页面范围、或

文献名称、文献来源-期刊、年份、卷(期)、页面范围.

文献和文献来源中间有一个空格,文献名称、来源都不含。对于会议文献，年份和页面中间也有空格。

对于期刊文献，年份、卷、期和页面中间没有空格。

对下面一段英文进行分割：

A large scale study of web password of habits.The International Conference on WWW ,2007,657-666.On user choice in graphical password schemes . The 13th USENIX Security Symposium,2004,15-28. The Polyanna hypothesis . Journal of Verbal and Learning Behavior ,1969,8(1):1-8. Support Vector Machine . Journal of Machine Learning ,1992,8(12):110-119.

要求：提取文献名称，文献来源，分年，页面范围。如果是期刊的话，还需要提取卷、期。 

输出样例：

完整代码： 

import re
book_str = "A large scale study of web password of habits." \
           "The International Conference on WWW ,2007,657-666." \
           "On user choice in graphical password schemes . " \
           "The 13th USENIX Security Symposium,2004,15-28. " \
           "The Polyanna hypothesis . Journal of Verbal and " \
           "Learning Behavior ,1969,8(1):1-8. Support Vector" \
           " Machine . Journal of Machine Learning ,1992,8(12):110-119."
 
pattern = r'[,|.]'                      # 定义分隔符
result = re.split(pattern, book_str) # 以pattern的值 分割字符串
str_list = ["名称:","会议名称:","年份:","开始页号:","终止页号:","卷:","期:"]
print("****文献1****")
print(str_list[0],result[0])
print(str_list[1],result[1])
print(str_list[2],result[2])
print(str_list[3],result[3][:3:])
print(str_list[4],result[3][4::])
print("****文献2****")
print(str_list[0],result[4])
print(str_list[1],result[5])
print(str_list[2],result[6])
print(str_list[3],result[7][:2:])
print(str_list[4],result[7][3::])
print("****文献3****")
print(str_list[0],result[8])
print(str_list[1],result[9])
print(str_list[2],result[10])
print(str_list[5],result[11][0])
print(str_list[6],result[11][2])
print(str_list[3],result[11][5])
print(str_list[4],result[11][7])
print("****文献4****")
print(str_list[0],result[12])
print(str_list[1],result[13])
print(str_list[2],result[14])
print(str_list[5],result[15][0])
print(str_list[6],result[15][2:4:])
print(str_list[3],result[15][6:9:])
print(str_list[4],result[15][10::])

总结：

• 核心代码为两行：

                pattern = r'[,|.]'                      # 定义分隔符

                result = re.split(pattern, book_str) # 以pattern的值 分割字符串

• 第一行定义分割符的集合，即之后的英文是根据这个分隔符集合中的元素来分割的。
• 第二行用正则表达式中的re.split方法，第一个参数pattern是上面定义的分割字符串的列表，第二个参数是是要进行处理的字符串，这里选的就是book_str，既是题目要求的操作的字符串。注意，这里的返回对象是一个列表。
• 将上述切割结果的列表打印出来，根据我们的需要，用列表的索引和字符串的切割方法，可以逐个打出我们所需要的内容。
• 定义了一个str_list = ["名称:","会议名称:","年份:","开始页号:","终止页号:","卷:","期:"]，用来储存名称，这样既可以利用索引进行输出啦！