Python二十七、Python中的 re 模块

刺骨的言语ヽ痛彻心扉 2023-06-26 12:11 5阅读 0赞

# 一、正则表达式与re模块 #

**1 什么是正则表达式？**

正则表达式是对字符串（包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，该模式描述在搜索文本时要匹配的一个或多个字符串。

**2 正则表达式可以干什么?**

*  快速高效的查找与分析字符串
 *  进行有规律查找比对字符串，也叫：模式匹配
 *  具有查找、比对、匹配、替换、插入、添加、删除等能力。
 *  字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。比如我们编写爬虫收集数据，首先都得到网页源码，但是我们要如何提取有效数据呢，这时候我们就需要使用正则表达式来进行匹配了

**3 re模块**

正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。Python 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。re 模块使 Python 语言拥有全部的正则表达式功能。

# 二、正则表达式常用语法： #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1ODg3NTQ2_size_16_color_FFFFFF_t_70]

# 三、re模块中的基本功能: #

## 1.查找 ##

**1.1 findall:**

匹配所有每一项符合的结果都会放到列表中,作为一个元素

用法:

re.findall('正则表达式','待匹配的字符串',flag)

示例：

ret=re.findall('\d+','东方红5546fuy465胡')
    print(ret)

输出结果为：

['5546', '465']

**1.2 search:**

只匹配符合条件的从左到右的第一个,得到的不是一个结果,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方法会报错。

示例：

ret=re.search('\d+','东方红5546fuy465胡')
    print(ret)  
    print(ret.group())  
     
    ret=re.search('_','东方红5546fuy465胡')
    print(ret)   
    print(ret.group())

输出结果为：

<_sre.SRE_Match object; span=(3, 7), match='5546'>
    5546
    None
    'NoneType' object has no attribute 'group'

**1.3 match:**

从头开始匹配,相当于在search中加上一个’^’，即判断开头

示例：

ret=re.match('\d+','东方红5546fuy465胡')
    print(ret)  
     
    ret1=re.match('\d+','12东方红5546fuy465胡')
    print(ret1.group())

输出结果为：

None
    12

## 2.字符串处理:替换切割 ##

**2.1 split:**

切割

示例：

s='21东方红5546fuy465胡'
    ret=re.split('\d+',s)
    print(ret)  
     
    s='21东方红5546fuy465胡'
    ret=re.split('\d',s)#切一个的时候默认前面有一个空字符串
    print(ret)

输出结果为：

['', '东方红', 'fuy', '胡']
    ['', '', '东方红', '', '', '', 'fuy', '', '', '胡']

**2.1 sub:**

替换

sub(旧的 新的 谁 替换次数(默认全部替换))

示例：

ret=re.sub('\d','@@@','12东方红5546fuy465胡')
    print(ret)
     
    ret=re.sub('\d+','@@@','12东方红5546fuy465胡')
    print(ret)  
     
    #subn 返回的是一个元组,元祖的第二个元素是替换的次数
    ret=re.subn('\d+','@@@','12东方红5546fuy465胡')
    print(ret)

输出结果为：

@@@@@@东方红@@@@@@@@@@@@fuy@@@@@@@@@胡
    @@@东方红@@@fuy@@@胡
    ('@@@东方红@@@fuy@@@胡', 3)

## 3. re模块的进阶: 时间 空间 ##

**3.1 compile(编译的意思):**

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

提前编译可减少多次正则匹配的运行时间

ret=re.compile('\d+')
    print(ret)  
    ret1=ret.findall('12东方红5546fuy465胡')
    print(ret1)  
    
    ret=re.compile('\d+')
    ret1=ret.search('12东方红5546fuy465胡')
    print(ret1.group())  
    ret2=ret.match('12东方红5546fuy465胡')
    print(ret2.group())

输出结果为：

re.compile('\\d+')  #编译后的正则表达式
    ['12', '5546', '465']
    12
    12

**3.2 findall :**

re.findall()  
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

注意： match 和 search 是匹配一次 findall 匹配所有。

语法格式为：

re.findall(string, pos, endpos)

参数：

*  string 待匹配的字符串。
 *  pos 可选参数，指定字符串的起始位置，默认为 0。
 *  endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。

实例：

import re
    
    mat=re.compile(r'\d+')#匹配数字
    
    print(mat.findall('abafa 124ddwa56'))
    print(mat.findall('abafa 124ddwa56',0,7))#匹配从0位开始，到7位结束

输出：

['124', '56']
    ['1']

**3.3 re.finditer**

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

re.finditer(pattern, string, flags=0)

实例：

import re
    
    it = re.finditer(r"\d+", "12a32bc43jf3")
    for match in it:
        print(match.group())

输出：

12
    32
    43
    3

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1ODg3NTQ2_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200101095327670.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1ODg3NTQ2,size_16,color_FFFFFF,t_70