RE模块
import re 的常用操作
查找
1. findall :
ret = re.findall('d+'.'sjkhk172按实际花费928') #正则表达式,待匹配的字符串,flag
# ['172', '928']
ret = re.findall('d'.'sjkhk172按实际花费928') #正则表达式,待匹配的字符串,flag
#['1', '7', '2', '9', '2', '8']
2. search:
ret = re.search('d+','sjkhk172按实际花费928')
print(ret)
#<_sre.SRE_Match object; span=(5, 8), match='172'>
#内存地址,这是一个正则匹配的结果
print(ret.group())
# 172
3. match :
ret = re.match('d+','sjkhk172按实际花费928')
print(re.group())
# 172
这是字符串处理的拓展:替换.切割
split (正则表达式,切个对象)
返回列表,按照正则规则切割,默认匹配到的内容会被切掉
s = 'eagle22wolf55fox99'
ret = re.split('d+',s) #正则表达式,切个对象
print(ret) #['eagle','wolf','fox']
s = 'eagle22wolf55fox99'
ret = re.split('(d+)',s) #正则表达式加小括号也打印切割部分
print(ret) #['eagle','22','wolf','55','fox',''99]
sub (旧的,新的,替换对象,替换次数(默认为所有))
替换 按照正则规则去寻找要被替换掉的内容
s = 'eagle22wolf55fox99'
ret = re.sub('d+','H',s)
print(ret) #eagleHwolfHfoxH
s = 'eagle22wolf55fox99'
ret = re.sub('d+','H',s,1) #次数为1
print(ret) #eagleHwolf55fox99
subn 返回一个元组,第二个元素是替换的次数
ret = re.subn('d+','H','eagle22wolf55fox99')
print(ret) #('eagleHwolfHfoxH',3)
4.re模块的进阶 : 时间空间
complie 节省你使用正则表达式解决问题的时间
编译一个正则表达式,用这个结果去search match findall finditer能够接受时间
把正则表达式 编译成 字节码
在多次的使用过程中,不会多次编译
ret = re.compile('d+') #已经完成编译了
print(ret)
#re.complie('\d+')
res=ret.finall('eagle22fox88wolf11')
print(res)
# ['22','88'.'11']
rex = ret.search('sjkjk250只要九九八998')
print(rex.group())
# 250
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
ret = re.finditer('d+','eagle22wolf33fox99')
for i in ret:
print(i.group())
# 22 33 99
分组在re模块中的使用
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
(.[w]+)?
对于python语言来说分组可以帮助你更好更精准地找到你征正需要的内容
<(w+)>(w+)</(w+)>
import re
s = '<a>wahaha</a>' #标签语言HTML网页
ret = re.search('<w+>(w+)</(w+)>',s)
print(ret.group(0)) #所有的结果 <a>whahaha</a>
print(ret.group(1)) #从左到右第一个小括号中的内容数字参数代表的时去对应分组中的内容#a
print(ret.group(2)) #wahaha
print(ret.group(3)) #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内容
import re
s = '<a>wahaha</a>'
ret = re.findall('(w+)',s)
print(ret)
#['a','wahaha','a']
ret = re.findall('>(w+)<',s)
print(ret)
#['wahaha']
#取消分组优先(?:正则表达式)
ret = re.findall('(d+)(.d+)?','1.341*3')
print(ret)
#[('1','.341'),('3','')]
#将小数和整数都优先,则会返回一个元组组成的列表
ret = re.findall('d+(.d+)?','1.341*3')
print(ret)
#['.131','']
#默认会先取后面分组的
ret = re.findall('d+(?:.d+)?','1.341*3')
print(ret)
#['1.131','3']
#取消分组优先
python和正则表达式之间的特殊的约定
#分组命名(?P<这个组的名字>)正则表达式
s='<a>wahaha</a>'
ret = re.search('>(?P<con>w+)<',s)
print(ret.group(1)) #wahaha
print(ret.group('con')) #wahaha
#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中的内容匹配的必须一致
方法一:
s='<a>wahaha</a>'
func = '<(w+)>(w+)<(w+)>'
ret = re.search(func,s)
print(ret.group(1)==ret.group(3))
#无ret,正则没有抓到东西
方法二:
func = '<(?P<tab>w+)>(w+)</(?P=tab)>'
ret = re.search(func,s)
print(ret.group)
#<a>wahaha</a>