re模块 常用函数

1. findall() 函数　

1 find('正则表达式'，‘待匹配的字符串’)  #返回匹配到字符串，并存放在列表中

　　详解见：https://www.cnblogs.com/nbk-zyc/p/11113328.html

1 import re
2 
3 ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
4 print(ret)  # ['oldboy']     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
5 
6 ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
7 print(ret)  # ['www.oldboy.com']

练习 findall() 与分组

2. search() 函数

1 import re
2 ret = re.search('abc', 'this is abcABC').group()
3 print(ret) #结果 : 'abc'
4 # 函数会在字符串内按规则匹配,当找到第一个匹配结果时就结束查找，然后返回一个包含匹配信息的对象,该对象可以 通过   调用group()方法   得到匹配的字符串, 
5 # 如果没有匹配到字符串，则返回None

1 obj = re.compile('\d{3}')  #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字
2 ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串
3 print(ret.group())  #结果 ： 123

3. match() 函数

1 import re
2 ret = re.match('this', 'this is abcABC').group()
3 print(ret) #结果 : 'this'
4 # 在字符串开始处 就按规则匹配，其它 与search()函数使用方法一样

4 finditer() 函数

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)  # 
4 print(next(ret).group())  #查看第一个结果  '3'
5 print(next(ret).group())  #查看第二个结果  '4'
6 print([i.group() for i in ret])  #查看剩余的匹配结果 ['7', '8', '4']

5 sub() 和 subn() 函数

1 import re
2 ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#将数字替换成'H'，参数1表示只替换1个
3 print(ret) #evaHegon4yuan4
4 
5 ret = re.subn('\d', 'H', 'eva3egon4yuan4')
6 print(ret)
7 #将数字替换成'H'，返回元组(替换的结果,替换了多少次),即('evaHegonHyuanH', 3)

6 split() 函数

1 ret = re.split('[ab]', 'abcd')  # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
2 print(ret)  # ['', '', 'cd']

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。

练习-split() 与分组

扩展练习

 1 ret = re.search("<(?P\w+)>\w+","
hello")
 2 #还可以在分组中利用 ?P的形式给分组起名字
 3 #获取的匹配结果可以直接用group('名字')拿到对应的值
 4 print(ret.group('tag_name'))  #结果 ：h1
 5 print(ret.group())  #结果 ：
hello
 6 
 7 ret = re.search(r"<(\w+)>\w+","
hello")
 8 #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
 9 #获取的匹配结果可以直接用group(序号)拿到对应的值
10 print(ret.group(1)) #结果 ：h1
11 print(ret.group())  #结果 ：
hello

匹配标签

 1 import re
 2 
 3 #匹配数字
 4 ret=re.findall(r"\d+","1-2*(60+(-40.35/5)-(-4*3))")
 5 print(ret) #['1', '2', '60', '40', '35', '5', '4', '3']
 6 
 7 #匹配整数
 8 ret=re.findall(r"-?\d+\.\d*|(-?\d+)","1-2*(60+(-40.35/5)-(-4*3))")
 9 print(ret) #['1', '-2', '60', '', '5', '-4', '3']
10 ret.remove("")
11 print(ret) #['1', '-2', '60', '5', '-4', '3']
12 
13 #匹配实数
14 ret=re.findall(r"-?\d+\.\d*|-?\d+","1-2*(60+(-40.35/5)-(-4*3))")
15 print(ret) #['1', '-2', '60', '-40.35', '5', '-4', '3']

匹配数字/整数/实数

 1 import re
 2 from urllib.request import urlopen
 3 
 4 def getPage(url):
 5     response = urlopen(url)
 6     return response.read().decode('utf-8')
 7 
 8 def parsePage(s):
 9     ret = re.findall(
10         '
.*?'
11         '
.*?'
12         ''
13         '(?P\d+).*?'
14         '(?P