扫码加入数据分析学习群

1.4.3 正则表达式与模式匹配

很多商业分析都依赖模式匹配，也称为正则表达式（regular expression）。举例来说，你可能需要分析一下来自某个州（比如马里兰州）的所有订单。在这种情况下，你需要识别的模式就是Maryland这个单词。同样，你还可能需要分析一下来自某个供应商（比如StaplesRUs）的商品质量，那么你要识别的模式就是StaplesRUs。Python包含了re模块，它提供了在文本中搜索特定模式（也就是正则表达式）的强大功能。要在脚本中使用re模块提供的功能，需要在脚本上方加入import re这行代码，放在上一个import语句之后。现在first_script.py的上方应该是这样的：[插图]通过导入re模块，你可以使用一大波函数和元字符来创建和搜索任意复杂的模式。元字符（metacharacter）是正则表达式中具有特殊意义的字符。每个元字符都有特殊意义，它们使正则表达式能够匹配特定的字符串。常用的元字符包括|、()、[]、.、*、+、?、^、$和(?P