re模块下的常用方法
一.查找
findall 匹配所有 每一项都是列表中的一个元素
1 import re 2 ret = re.findall('\d+','sjkhk172按实际花费928') # 正则表达式,带匹配的字符串,flag
print(ret)
# 结果:['172', '928']
3 ret = re.findall('\d','sjkhk172按实际花费928') # 正则表达式,带匹配的字符串,flag 4 print(ret)
# 结果: ['1', '7', '2', '9', '2', '8']
search 只匹配从左到右的第一个,得到的不是直接的结果,而是一个变量,通过这个变量的group方法来获取结果,
如果没有匹配到,会返回None,使用group会报错 ,返回的是一个变量
import re ret = re.search('\d+','sjkhk172按实际花费928') print(ret) # 内存地址,这是一个正则匹配的结果 结果: <_sre.SRE_Match object; span=(5, 8), match='172'> print(ret.group()) # 通过ret.group()获取真正的结果 结果: 172 import re ret = re.search('\d','owghabDJLBNdgv') print(ret) 结果: None print(ret.group()) 结果: 报错 import re ret = re.search('\d+','sjkhk172按实际花费928') if ret : # 内存地址,这是一个正则匹配的结果 print(ret.group()) # 通过ret.group()获取真正的结果 结果: 172
match 从头开始匹配,相当于search中的正则表达式加上一个^
1 import re 2 ret = re.match('\d+','172sjkhk按实际花费928') 3 print(ret) 4 # 结果: <_sre.SRE_Match object; span=(0, 3), match='172'> 5 print(ret.group()) 6 # 结果: 172 7 ＃ 相当于 9 import re 10 ret = re.search('^\d+','172sjkhk按实际花费928') 11 print(ret) 12 ＃ 结果: <_sre.SRE_Match object; span=(0, 3), match='172'> 13 print(ret.group()) 14 # 结果: 172
二.字符串的扩展
split 切割 返回列表,按照正则规则切割,默认匹配到的内容会被切掉
1 import re 2 s = 'alex83taibai40egon25' 3 ret = re.split('\d+',s) 4 print(ret) 5 # 结果: ['alex', 'taibai', 'egon', '']
sub # 谁 旧的 新的 替换次数 替换,按照正则规则去寻找要被替换掉的内容
import re
1 ret = re.sub('\d+','H','alex83taibai40egon25') 2 print(ret) 3 #结果 : alexHtaibaiHegonH 4 ret = re.sub('\d+','H','alex83taibai40egon25',1) 5 print(ret) 6 #结果 :alexHtaibai40egon25
subn 返回一个元组,第二个元素是替换的次数
import re
ret = re.subn('\d+','H','alex83taibai40egon25') print(ret) #结果 : ('alexHtaibaiHegonH', 3)
三 re模块的进阶 : 时间/空间
compile 节省你使用正则表达式解决问题的时间
编译 正则表达式 编译成 字节码
在多次使用的过程中 不会多次编译
编译一个正则表达式,用这个结果去search match findall finditer 能够节省时间
1 import re 2 ret = re.compile('\d+') # 已经完成编译了 3 print(ret) 4 # 结果: re.compile('\\d+') 5 res = ret.findall('alex83taibai40egon25') 6 print(res) 7 # 结果: ['83', '40', '25'] 8 res = ret.search('sjkhk172按实际花费928') 9 print(res.group()) 10 # 结果: 172
finditer 节省你使用正则表达式解决问题的空间/内存
返回一个迭代器,所有的结果都在这个迭代器中,需要通过循环+group的形式取值 能够节省内存
import re ret = re.finditer('\d+','alex83taibai40egon25') for i in ret: print(i.group()) # 结果: 83 40 25
1 import re 2 ret = re.finditer('\d', 'ds3sy4784a') #finditer返回一个存放匹配结果的迭代器 3 print(ret) # <callable_iterator object at 0x10195f940> 4 print(next(ret).group()) #查看第一个结果 5 print(next(ret).group()) #查看第二个结果 6 print([i.group() for i in ret]) #查看剩余的左右结果
四. 分组在re模块中的使用
1 import re 2 s = '<a>wahaha</a>' # 标签语言 html 网页 3 ret = re.search('<(\w+)>(\w+)</(\w+)>',s) 4 print(ret.group()) # 所有的结果 5 # 结果: <a>wahaha</a> 6 print(ret.group(1)) # 数字参数代表的是取对应分组中的内容 7 # 结果: a 8 print(ret.group(2)) 9 # 结果: wahaha 10 print(ret.group(3)) 11 # 结果:a
为了findall也可以顺利取到分组中的内容,有一个特殊的语法,就是优先显示分组中的内容
1 import re 2 s = '<a>wahaha</a>' 3 ret = re.findall('(\w+)',s) 4 print(ret) 5 # 结果:['a', 'wahaha', 'a'] 6 ret = re.findall('>(\w+)<',s) 7 print(ret) 8 # 结果:['wahaha']
取消分组优先(?:正则表达式) 只在findall 中使用
import re ret = re.findall('\d+(?:\.\d+)?','1.234*4') print(ret) # 结果:['1.234', '4']
关于分组
对于正则表达式来说 有些时候我们需要进行分组,来整体约束某一组字符出现的次数
对于python语言来说 分组可以帮助你更好更精准的找到你真正需要的内容 <(\w+)>(\w+)</(\w+)>
import re
1 ret=re.split("\d+","eva3egon4yuan") 2 print(ret) #结果 ： ['eva', 'egon', 'yuan'] 3 4 ret=re.split("(\d+)","eva3egon4yuan") 5 print(ret) #结果 ： ['eva', '3', 'egon', '4', 'yuan'] 6 7 #在匹配部分加上（）之后所切出的结果是不同的， 8 #没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项， 9 #这个在某些需要保留匹配部分的使用过程是非常重要的。
分组命名 (?P<这个组的名字>正则表达式)
import re s = '<a>wahaha</a>' ret = re.search('>(?P<con>\w+)<',s) print(ret.group(1)) # 结果: wahaha print(ret.group('con')) # 结果: wahaha
import re ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>") #还可以在分组中利用?<name>的形式给分组起名字 #获取的匹配结果可以直接用group('名字')拿到对应的值 print(ret.group('tag_name')) #结果 ：h1 print(ret.group()) #结果 ：<h1>hello</h1> ret = re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>") #如果不给组起名字，也可以用\序号来找到对应的组，表示要找的内容和前面的组内容一致 #获取的匹配结果可以直接用group(序号)拿到对应的值 print(ret.group(1)) print(ret.group()) #结果 ：<h1>hello</h1>