【python】模块初识之re模块

re模块

1、匹配： findall  search  match

import re

# 操作的对象是字符串

#1、 匹配

# 1.1 findall  重要

ret = re.findall('d+','19874ashfk01248')

print(ret)  # 传参格式：'正则表达式','字符串'   返回值类型:列表   返回值内容:所有匹配上的项

ret1 = re.findall('s+','19874ashfk01248')

print(ret1) #如果匹配不上返回的是空列表

 

# 1.2 search   重要

ret2 = re.search('d+','@$19874ashfk01248')

print(ret2,type(ret2)) #传参格式：（'正则表达式','字符串'） 返回值类型: 正则匹配结果的对象  如果匹配上了就返回对象，返回值类型是正则表达式的内容

if ret2:print(ret2.group())  #返回的对象通过group来获取，只取匹配到的第一个结果

ret3 = re.search('s+','19874ashfk01248')

print(ret3) #如果没有匹配上，返回值类型: None

# 1.3 match  

ret4 = re.match('d+','19874ashfk01248')

print(ret4) #若匹配到只取第一个结果

ret5 = re.match('d+','%^19874ashfk01248')

print(ret5) #match默认从开头匹配，开头匹配不上直接返回None

#re.search('^d+','19874ashfk01248') 正则表达式里开头加^  效果一样的

 

2、替换 sub   subn

# sub 

#相当于repalce的用法

print('replace789,24utdeedeeeeshf'.replace('e','H',3)) #把字符串中H替换成e,替换3次

ret = re.sub('d+','H','replace789nbc2xcz392zx') #按正则表法式把字符串中匹配到的替换成H

print(ret)

ret1 = re.sub('d+','H','replace789nbc2xcz392zx,48495',1)

print(ret1)

# subn 

ret2 = re.subn('d+','H','replace789nbc2xcz392zx')

print(ret2)  #会把替换的次数返回

 

3、切割 split

# split ***

# print('alex|83|'.split('|'))

# ret = re.split('d+','alex83egon20taibai40')

# print(ret) #结果：['alex', 'egon', 'taibai', '']

4、进阶方法 compile   finditer

- 爬虫自动化开发

# 4.1 compile 预编译***** 时间效率

# ret = re.compile('-0.d+|-[1-9]d+(.d+)?')

# res = ret.search('alex83egon-20taibai-40')

# print(res.group())

# 节省时间 : 只有在多次使用某一个相同的正则表达式的时候,这个compile才会帮助我们提高程序的效率

# finditer 生成迭代器***** 空间效率

# print(re.findall('d','sjkhkdy982ufejwsh02yu93jfpwcmc'))

# ret = re.finditer('d','sjkhkdy982ufejwsh02yu93jfpwcmc')

# for r in ret:

#     print(r.group()) #使用.group()打印内容

 

5、分组：python中的正则表达式：

  #findall会优先显示分组中的内容,要想取消分组优先,(?:正则表达式)

  #split 遇到分组，会保留分组内被切掉的内容

  #search 如果search中有分组的话,通过group(n)就能够依次拿到group中分组匹配的内容

#1、findall分组优先

ret1 = re.findall('www.baidu.com|www.oldboy.com','www.oldboy.com')

print(ret1)

ret2 = re.findall('www.(baidu|oldboy).com','www.oldboy.com')

print(ret2)

ret3 = re.findall('www.(?:baidu|oldboy).com','www.oldboy.com')

print(ret3)

 

ret1 = re.findall('-0.d+|-[1-9]d*(.d+)?','-1abc-200')

print(ret1)

ret2 = re.findall('-0.d+|-[1-9]d*(?:.d+)?','-1abc-200')

print(ret2)

 

#2、split遇见分组，会返回被切割的内容

ret = re.split('d+','alex83egon20taibai40')

print(ret)

ret = re.split('(d+)','alex83egon20taibai40')

print(ret)

 

#3、search遇见分组

ret = re.search('d+(.d+)(.d+)(.d+)?','1.2.3.4-2*(60+(-40.35/5)-(-4*3))')

print(ret.group())

print(ret.group(0))

print(ret.group(1))

print(ret.group(2))

print(ret.group(3))

 

作业：

#只取整数：

import re

ret1=re.findall(r"d+(?:.d+)?","1-2*(60+(-40.35/5)-(-4*3))")

print(ret1)  #获取的是所有

ret2=re.findall(r"d+(?:.d+)|(d+)","1-2*(60+(-40.35/5)-(-4*3))")

print(ret2)

ret2.remove('')

print(ret2)

 

#表单页签

import re

ret = re.findall('>(w+)<',r'<a>wahaha<a>')

print(ret)

ret = re.search(r'<(w+)>(w+)</(w+)>',r'<a>wahaha</a>')

print(ret.group())

print(ret.group(1))

print(ret.group(2))

 

#分组命名：

        # (?P<name>正则表达式) 表示给分组起名字

        # (?P=name)表示使用这个分组,这里匹配到的内容应该和分组中的内容完全相同

    # 通过索引使用分组

        # 1 表示使用第一组,匹配到的内容必须和第一个组中的内容完全相同

 

import re 

ret = re.search("<(?P<name>w+)>w+</(?P=name)>","<h1>hello</h1>")

print(ret.group('name'))

print(ret.group()) 

#使用(?P<name>)和(?P=name)，字符串里对象前后名必须一致，否则会报错

ret = re.search(r'<(?P<tag>w+)>(?P<c1>w+)</(?P<c2>w+)>',r'<a>wahaha</b>')

print(ret.group())

print(ret.group('tag'))

print(ret.group('c1'))

print(ret.group('c2'))

ret = re.search(r"<(w+)>w+</1>","<h1>hello</h1>")

print(ret.group(1))

print(ret.group())