文科生自学Python-正则处理文本数据1.2

--人生不是赛场，梦想不容退场，学习编程成就更好的自己--

Python语言简洁生动，特别适合文科生学习入门IT世界，用几十行代码就能够做一个完整的爬虫脚本，开发效率杠杠的！短时间内即可解决工作和学习中碰到的各种棘手问题。(本人外语专业毕业，机缘巧合爱上编程，自学道路曲曲折折，痛并快乐！)在这里总结一下自学Python遇到的难点和重点，分享码过的代码和要点总结，希望能够给初学者一点启示和鼓励，同时愿意结交更多大神交流有助提升自己的水平。

上次介绍了如何使用正则表达式提取汉字和简单的数字，今天讲讲正则表达式在实际中的其他场景应用，对小白们来讲稍微有一点点难度和挑战，下面看具体案例：

表1：

表2：

任务：

1.在表1中提取Info字段中的手机号，QQ号和生日信息生成新的字段

2.利用表2性格信息替换表1中Personality字段对应信息并生成新的字段

看看如何利用正则表达式各个击破吧：

1.读取和检查数据：

2.利用正则表达式编写自定义函数-提取手机号码信息：

关键是构造特征表达式(r"d{11}|d{3}-d{8}")，主要运用了|字符表示”或”关系，在情况不复杂的时候可列举所有特征表达式，中间用|字符分隔即可。

3.利用正则表达式编写自定义函数-提取QQ号码信息：

QQ号码在这里相对固定，其模式总结起来也简单。

4.利用正则表达式编写自定义函数-提取生日信息：

关键是构造特征表达式(r"(d{4}[.|-|/]d{2}[.|-|/]d{2})|(d{2}[.|-|/]d{2}[.|-|/]d{4})")，这里使用了|字符，同时使用了[]字符表示在这个位置上有多种符号中某一种出现。

第一个任务顺利完成！！！接下来看看第二个任务：

1.读取表2数据并查看：

2.把两个字段分别装入两个列表中，代表替换者和被替换者：

在这使用了data["字段名"].astype(str).tolist()方法，目的为了后面进行全局暴力替换，这个小知识点一定要掌握，以后可以解决好多问题！！！

3.利用正则表达式通过replace方法进行替换得到新字段：

这里使用replace(list_replace,list_target,regex=True)方法，利用了之前生成的列表进行全局替换，感觉爽不爽！！！第二个任务轻松搞定！！！

代码汇总如下：

import pandas as pd
import re
import os
def Set_Work_Path(x):
    try:
        os.chdir(x)
        route = os.getcwd()
        return route
    except Exception:
        print("No Result")
work_path = r"E:DATA19AUG21"
Set_Work_Path(work_path)

data = pd.read_excel("DATA.xlsx",header=0,sheet_name="DATA",engine="openpyxl")
display(data)

def Get_Handy_Number(x):
    try:
        mode = re.compile(r"d{11}|d{3}-d{8}")
        return re.search(mode,x).group(0)
    except AttributeError:
        return ""
data["手机号码"] = data["Info"].apply(Get_Handy_Number)
display(data)

def Get_QQ_Number(x):
    try:
        mode = re.compile(r"QQd+")
        return re.search(mode,x).group(0)
    except AttributeError:
        return ""
data["QQ号码"] = data["Info"].apply(Get_QQ_Number)
display(data)

def Get_Birthdate(x):
    try:
        mode = re.compile(r"(d{4}[.|-|/]d{2}[.|-|/]d{2})|(d{2}[.|-|/]d{2}[.|-|/]d{4})")
        return re.search(mode,x).group(0)
    except AttributeError:
        return ""
data["生日日期"] = data["Info"].apply(Get_Birthdate)
display(data)

data_info = pd.read_excel("DATA.xlsx",header=0,sheet_name="INFO",engine="openpyxl")
display(data_info)

list_target = data_info["性格"].astype(str).tolist() #替换后的对象
display(list_target)

list_replace = data_info["Character"].astype(str).tolist() #需要替换的对象
display(list_replace)

data["个性特征"] = data["Personality"].replace(list_replace,list_target,regex=True)
display(data)

正则表达式就是香！！！大家赶紧上网搜搜正则表达式的基础知识，有空实操起来吧！！！

END

我为人人，人人为我！！欢迎大家关注，点赞和转发！！！

~~人生不是赛场，梦想不容退场~~不断努力学习蜕变出一个更好的自己，不断分享学习路上的收获和感悟帮助他人成就自己！！！