【Python3 爬虫】U19_正则表达式之re模块其他函数

目录

• 使用re模块的步骤
• 1.compile方法
• 2.findall方法
• 3.finditer方法
• 4.split方法
• 5.sub方法
• 6.实战案例：去掉标签<>取内容

re模块有以下这些函数：

• compile用于编译正则表达式，生成一个Pattern对象
• match方法：从开始位置开始查找，一次匹配
• search方法：从任何位置开始查找，一次匹配
• findall方法：全部匹配，返回列表
• finditer方法：全部匹配，返回跌代器
• split方法： 分割字符串，返回列表
• sub方法:替换

使用re模块的步骤

a. 使用 compile() 函数将正则表达式的字符串形式编译为一个 Pattern 对象
b. 通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果，一个 Match 对象。
c. 最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作

1.compile方法

对于一些经常要用到的正则表达式，可以使用complie进行编译，然后在使用的时候可以直接拿过来用，执行效率会更快。而且compile还可指定flag=re.VERBOSE,在写正则表达式的时候做好注释，案例如下：

import re
text = 'the price is 19.5'
pat = re.compile(r"""
                d+ # 小数点前面的数字
                .? # 小数点
                d+ # 小数点后面的数字
                """,re.VERBOSE)
ret = re.search(pat,text)
print(ret.group())

打印结果：19.5

2.findall方法

findall可以获取所有的匹配结果并且返回一个列表，案例如下：

import re
text = "Apple's price is $19,Orange's price is $20"
ret = re.findall('$d+',text)
print(ret)

打印结果：['$19', '$20']

3.finditer方法

finditer 方法的行为跟 findall 的行为类似，也是搜索整个字符串，获得所有匹配的结果。但它返回一个顺序访问每一个匹配结果（Match 对象）的迭代器。

import re
text = "Apple's price is $19,Orange's price is $20"

rets = re.finditer('$d+',text)
for ret in rets:
    print(ret.group())

打印结果：
$19
$20

4.split方法

split 方法按照能够匹配的子串将字符串分割后返回列表，实战案例如下：

import re
text = "hello china ni hao"
ret = re.split('[^a-zA-z]',text)
print(ret)

打印结果：['hello', 'china', 'ni', 'hao']

5.sub方法

sub方法用来替换字符串，将匹配到的字符串替换为其他字符串。

import re
text = "Apple's price is $19,Orange's price is $20"
ret = re.sub('$d+','0',text)
print(ret)

6.实战案例：去掉标签<>取内容

import re
text = "<li title='as'>ISBN：12334</li>"
ret = re.sub('<.+?>',"",text).replace("ISBN：","")
print(ret)

输出结果：12334

上述代码也可以指定替换标签的数量，例如：只想替换第一个标签

import re
text = "<li title='as'>ISBN：12334</li>"
ret = re.sub('<.+?>',"@@@",text,1)
print(ret)

打印结果：@@@ISBN：12334