标签：字节 ret class 关于 获取 形式 sub 格式 内存
re模块
import re #引入正则模块
基础方法
1.查找
1.findall : 匹配所有 每一项都是列表中的一个元素
import re ret=re.findall(‘\d‘,‘eefj6734gjfk75‘) print(ret) #[‘6‘, ‘7‘, ‘3‘, ‘4‘, ‘7‘, ‘5‘] ret=re.findall(‘\d+‘,‘eefj6734gjfk75‘) print(ret) #[‘6734‘, ‘75‘]
2. search: 只匹配从左到右到第一个,得到的不是直接结果,而是一个变量,用过这个变量的group方法来获取结果
如果没有匹配到结果则返回None,使用group会报错
ret=re.search(‘\d+‘,‘eoj549f0ggjri9‘) print(ret) #<_sre.SRE_Match object; span=(3, 4), match=‘5‘> result=ret.group() print(result) #549
ret=re.search(‘\d+‘,‘哈哈666呵呵2333‘)
if ret: #标准规范,如果匹配到了结果(不是None),就使用group获得真正的结果
result=ret.group()
print(result)
3.match: 从头开始匹配,相当于search中到正则表达式加上一个^
ret=re.match(‘\d‘,‘hfeu5634‘) print(ret) #None
2.字符串到处理扩展: 切割和替换
split 返回列表,按照正则规则切割,默认匹配掉掉内容被切掉
#字符串到切割 s=‘haha@houhou@hehe‘ print(s.split(‘@‘)) #[‘haha‘, ‘houhou‘, ‘hehe‘] #re模块到切割 s=‘123要优雅456淡定789滚犊子!‘ s1=re.split(‘\d+‘,s) print(s1) #[‘‘, ‘要优雅‘, ‘淡定‘, ‘滚犊子!‘]
sub 按照正则规则去寻找需要被替换的内容,格式(法则,新的内容,要替换的对象,替换次数)
ret=re.sub(‘[a-z]‘,‘A‘,‘oof9008fjdi0‘) print(ret) #AAA9008AAAA0
subn 返回一个元祖,第二个元素是替换的次数
ret=re.subn(‘[a-z]‘,‘A‘,‘oof9008fjdi0‘) print(ret) #(‘AAA9008AAAA0‘, 7)
3.re模块的进阶(时间/空间)
compile 编译一个正则表达式,用这个结果去search,findall,match,finditer,能够节省时间
编译 正则表达式 成 字节码 , 在多次使用的过程中,不会多次编译
ret=re.compile(‘\d+‘) #已经完成编译了 print(ret) #re.compile(‘\\d+‘) res=ret.findall(‘587fkf5ff-978‘) print(res) [‘587‘, ‘5‘, ‘978‘] res=ret.search(‘8DJF8943ioru‘) print(res.group()) #8
finditer 返回一个迭代器,所有的结果都在这个迭代器中,需要通过循环+group的形式取值, 能够节省内存
ret= re.finditer(‘\d+‘,‘fie793qaz0298fgj‘) #把值存入迭代器中
print(ret) #<callable_iterator object at 0x000000E62F7FDF28>
for i in ret: #iterator可迭代的,用for循环
print(i.group()) #793 #0298
在python中使用正则表达式的特点和问题
关于分组 ( )
对于正则表达式来说,有些时候我们需要整体分组,来整体约束某一组字符出现的次数 (\w\d)?
对于Python来说,分组可以帮助你更好更精准的找到你想要的内容 <(\w+)>(\w+)</(\w+)>
search方法中对正则分组,通过group(n)快速取值
import re s= ‘<a>wahaha</a>‘ # 标签语言 html 网页 ret=re.search(‘<(\w+)>(\w+)</(\w+)>‘,s) print(ret.group()) #<a>wahaha</a> #取得所有结果 print(ret.group(1)) #a #数字参数代表的是取对应分组中的内容 print(ret.group(2))#wahaha #数字参数代表的是取对应分组中的内容 print(ret.group(3)) #a
为了findall也可以顺利获取到分组中的内容,有一个特殊的语法,就是优先显示分组中的内容
s = ‘<a>wahaha</a>‘ ret = re.findall(‘(\w+)‘,s) print(ret) #[‘a‘, ‘wahaha‘, ‘a‘] ret = re.findall(‘>(\w+)<‘,s) print(ret) #[‘wahaha‘]
取消优先分组 (?:正则表达式)
ret = re.findall(‘\d+(\.\d+)?‘,‘1.234*4‘) #取到整数或者小数 print(ret) #[‘.234‘, ‘‘] #优先显示 ret=re.findall(‘\d+(?:\.\d+)?‘,‘1.234*4‘) # (?: 取消优先分组 print(ret) #[‘1.234‘, ‘4‘]
split
ret = re.split(‘\d+‘,‘alex83taibai40egon25‘) print(ret) #[‘alex‘, ‘taibai‘, ‘egon‘, ‘‘] ret = re.split(‘(\d+)‘,‘alex83taibai40egon25‘) print(ret) #[‘alex‘, ‘83‘, ‘taibai‘, ‘40‘, ‘egon‘, ‘25‘, ‘‘]
分组命名 (?P<名字>正则表达式)
s = ‘<a>wahaha</a>‘ ret=re.search(‘<(?P<haha>\w)>‘,s) print(ret.group(1)) #a print(ret.group(‘haha‘)) #a
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必须一致
使用正则表达式的技巧
爬虫的例子
标签：字节 ret class 关于 获取 形式 sub 格式 内存
原文地址：https://www.cnblogs.com/amber-liu/p/9494835.html
