查找: findall() search() match()
findall(): 匹配所有的每一项都是列表的一个元素
语法: findall(正则表达式, 待匹配的字符串, flag)
import re
ret = re.findall('d+','sjkhk172按实际花费928')
print(ret)
ret = re.findall('d','sjkhk172按实际花费928')
print(ret)
结果:
['172', '928']
['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方法获取结果. 如果没有匹配到,会返回None,使用group会报错.
语法:search(正则表达式, 待匹配的字符串,flag)
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
print(ret.group()) # 通过ret.group()获取真正的结果
结果:<re.Match object; span=(5, 8), match='172'>
#内存地址,span(5,8)表示匹配到的数据范围在第5位到第8位,match ='172'表示匹配到的数据为172
172
ret = re.search('d','owghabDJLBNdgv')
print(ret)
# print(ret.group())
结果:None #没有匹配到,返回None
AttributeError: 'NoneType' object has no attribute 'group'#没有匹配到,使用group方法报错
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,先判断是否匹配到,再输出
print(ret.group()) # 通过ret.group()获取真正的结果
结果:172
使用search对网页标签进行处理
import re
s = '<a>wahaha</a>' # 标签语言 html 网页
ret = re.search('<(w+)>(w+)</(w+)>',s)
print(ret.group()) # 所有的结果
print(ret.group(1)) # 数字参数代表的是取对应分组中的内容
print(ret.group(2))
print(ret.group(3))
结果:<a>wahaha</a>
a
wahaha
a
使用findall对网页标签进行处理
import re
s = '<a>wahaha</a>'
ret = re.findall('(w+)',s) #查找所有的匹配项
print(ret)
ret = re.findall('>(w+)<',s) #使用优先显示分组的内容,使用> < 对标签内的内容进行限定
print(ret)
结果:['a', 'wahaha', 'a']
['wahaha']
取消分组优先: (?:正则表达式)
ret = re.findall('d+(.d+)?','1.234*4')
print(ret)
结果:['.234', '']
ret = re.findall('d+(.d+)','1.234*4')
print(ret)
结果:['.234']
关于分组:对于正则表达式而言,有时我们需要进行分组,来整体约束某一组字符出现的次数
(.[w]+)?
对于python而言,分组可以帮助我们更好更精准的找到我们真正需要的内容.
<(w+)>(w+)</(w+)>
match() 从开头匹配,相当于search中的正则表达式加上一个'^'.
语法:match(正则表达式, 待匹配的字符串, flag)
ret = re.match('d+','172sjkhk按实际花费928')
print(ret.group())
结果: 172
ret = re.match('d+','sjkhk172按实际花费928')
print(ret) #待匹配字符串不是以数字开头的,所以没有匹配到
print(ret.group())
结果: None
AttributeError: 'NoneType' object has no attribute 'group'
ret = re.match('d+$','172sjkhk按实际花费928')
print(ret) #没有匹配到
print(ret.group())
结果:None
AttributeError: 'NoneType' object has no attribute 'group'
match与search的区别:
re.match只匹配字符串的开始,如果字符串的开始不符合正则表达式,则匹配失败,函数返回None,而re.search匹配整个字符串,直到找到一个匹配的.
split(): 按照指定的字符切割
import re
s = 'alex|taibai|egon|'
print(s.split('|')) #字符串的切割
结果:['alex', 'taibai', 'egon', '']
s = 'alex83taibai40egon25'
ret = re.split('d+',s) #使用正则表达式切割字符串 语法: re.split(正则表达式,待切割字符串)
print(ret)
结果:['alex', 'taibai', 'egon', '']
s = 'alex83taibai40egon'
ret = re.split('d+',s)
print(ret)
结果:['alex', 'taibai', 'egon']
注意:如果待切割的字符是在字符串的两边,则切割得到的字符串两边带有空字符串.
使用分组进行切割
import re
ret = re.split('d+','alex83taibai40egon25')
print(ret)
ret = re.split('(d+)','alex83taibai40egon25aa') #使用分组,返回所有的元素
print(ret)
结果:['alex', 'taibai', 'egon', '']
['alex', '83', 'taibai', '40', 'egon', '25', 'aa']
分组命名 ('?P<分组名字>正则表达式')
import re
s = '<a>wahaha</a>'
ret = re.search('>(?P<con>w+)<',s) #分组名为'con'
print(ret.group(1)) #分组1, 根据分组序号打印(分组序号从1开始)
print(ret.group('con')) #根据分组名打印
使用分组得到需要的内容
import re s = '<a>wahaha</a>' pattern = '<(w+)>(w+)</(w+)>' #分为3组 ret = re.search(pattern,s) #得到一个内存地址 print(ret) print(ret.group()) #打印匹配到的所有的分组 print(ret.group(2)) # 打印分组2 print(ret.group(1) == ret.group(3)) #判断分组1与分组3是否相同 结果:<re.Match object; span=(0, 13), match='<a>wahaha</a>'> <a>wahaha</a> wahaha True
使用前面的分组,要求使用这个名字的分组和前面同名分组的内容匹配的必须一致
pattern = '<(?P<tab>w+)>(w+)</(?P=tab)>' ret = re.search(pattern,s) print(ret.group()) 结果:<a>wahaha</a>
匹配的内容没有特点,容易和不想匹配的内容混在一起
#精确的取到整数,过滤掉小数
import re ret=re.findall(r"d+.d+|d+","1-2*(60+(-40.35/5)-(-4*3))") #未使用分组 print(ret) 结果:['1', '2', '60', '40.35', '5', '4', '3'] ret=re.findall(r"d+.d+|(d+)","1-2*(60+(-40.35/5)-(-4*3))") #使用一个分组 print(ret) 结果:['1', '2', '60', '', '5', '4', '3'] ret=re.findall(r"(d+.d+)|(d+)","1-2*(60+(-40.35/5)-(-4*3))") #使用两个分组 print(ret) 结果:[('', '1'), ('', '2'), ('', '60'), ('40.35', ''), ('', '5'), ('', '4'), ('', '3')] ret=re.findall(r"d+.d+|(d+)","1-2*(60+(-40.35/5)-(-4*3))") #使用一个分组 ret.remove('') #使用remove去除空字符串 print(ret) 结果:['1', '2', '60', '5', '4', '3'] #去掉小数,得到整数
sub() 替换字符串中的匹配项(相当于字符串操作中的replace)
语法:re.sub(正则表达式, 替换的字符串(也可以是一个函数), 被替换的原始字符串, 替换次数(默认0,表示替换所有的匹配) )
ret = re.sub('d+','H','alex83taibai40egon25') #替换所有的匹配
print(ret)
结果:alexHtaibaiHegonH
ret = re.sub('d+','H','alex83taibai40egon25',1) #替换1次
print(ret)
结果:alexHtaibai40egon25
subn() 与sub方法一样,但是返回一个元组,元组的第一个元素是替换后的字符串,第二个元素是替换的次数.
ret = re.subn('d+','H','alex83taibai40egon25')
print(ret)
结果:
('alexHtaibaiHegonH', 3)
ret = re.subn('d+','H','alex83taibai40egon25',2)
print(ret)
结果:
('alexHtaibaiHegonH', 2)
re模块的进阶:compile, finditer
compile 节省使用正则表达式解决问题的时间.(将正则表达式编译成字节码,在多次使用中,不会多次编译)
ret = re.compile('d+') # 已经完成编译了
print(ret)
结果:re.compile('\d+')
res = ret.findall('alex83taibai40egon25') #使用编译完成的正则表达式去匹配字符串
print(res)
结果:['83', '40', '25']
res = ret.search('sjkhk172按实际花费928')
print(res.group())
结果:172
finditer 节省使用正则表达式解决问题的空间/内存
ret = re.finditer('d+','alex83taibai40egon25')
print(ret) #得到一个迭代器
for i in ret:
print(i.group()) #每次取一个数据,节省内存空间
结果:<callable_iterator object at 0x05A2A4F0>
83
40
25
将compile与finditer结合使用,可以节省使用正则表达式的时间和空间.
ret = re.compile('d+') # 已经完成编译了
res = re.finditer(ret, 'alex83taibai40egon25')
for i in res:
print(i.group())
小总结:
findall 返回列表,找所有的匹配项
search 匹配就返回一个变量,通过group取匹配到的第一个值,没有匹配到就返回None,没有匹配到使用group会报错.
match 相当于search的正则表达式加了一个'^'.
split 返回列表,切割正则表达式匹配到的字符.
sub 替换,用指定的字符串替换正则表达式匹配到的字符,可以指定替换次数.默认替换所有匹配.
subn 替换,用指定的字符串替换正则表达式匹配到的字符,可以指定替换次数,默认替换所有匹配,返回一个元组,元组的第一个元素是替换后的字符串,第二个元素是替换的次数.
compile 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.
finditer 返回一个迭代器,所有的结果都在这个迭代器中,需要通过for循环和group的形式取值,能够节省内存.