Python 正则表达式：search（）、match（）和findall（）分组 下

下面我们继续：
举例：不是以4、7结尾的手机号码（11位）

import re
phone1 = '12321235267'
result1 = re.match(r'1\d{9}[0-3-689]$',phone1)
print(result1)
phone2 = '12321235269'
result2 = re.match(r'1\d{9}[0-3-689]$',phone2)
print(result2)

结果

None
<re.Match object; span=(0, 11), match='12321235269'>

下面的内容与爬虫相关
提取带有区号的电话号码

import re
phone1 = '010-12345678'
result1 = re.match(r'(\d{3}|\d{4})-(\d{8})$',phone1)
print(result1)

#分别提取
print(result1.group())
#()表示分组 group（1）表示提取到第一组的内容 group（2）表示第二组的内容部分
print(result1.group(1))
print(result1.group(2))

结果

<re.Match object; span=(0, 12), match='010-12345678'>
010-12345678
010
12345678

举例：匹配abc

import re
msg1 = 'abc'
result1 = re.match(r'<[0-9a-zA-Z]+>(.+)',msg1)
print(result1)
print(result1.group(1))

msg2 = '
hello
'
result2 = re.match(r'<[0-9a-zA-Z]+>(.+)$',msg2)
print(result2)
print(result2.group(1))

结果

<re.Match object; span=(0, 16), match='abc'>
abc
<re.Match object; span=(0, 14), match='
hello
'>
hello

下面我们想如果匹配的字符是这样子的

abc

msg3 = '
abc
'
result3 = re.match(r'<[0-9a-zA-Z]+>(.+)$',msg3)
print(result3)
print(result3.group(1))

结果

<re.Match object; span=(0, 25), match='
abc
'>
<h1>abc</h1>

分析结果：是可以匹配到最后的，因为有+，则是贪婪模式（稍后会讲述），但是如果没有
请看运行结果

msg3 = '
abc
'
result3 = re.match(r'<[0-9a-zA-Z]+>(.+)$',msg3)
print(result3)
print(result3.group(1))

<re.Match object; span=(0, 25), match='
abc
'>
<h1>abc</h1>

分析结果也是可以匹配到的，但是却不是完整的，不是成对的，应该是没有匹配成功的，所以要结合【number】来使用

msg3 = '
abc
'
result3 = re.match(r'<([0-9a-zA-Z]+)>(.+)$',msg3)     #1表示第一组引用匹配的内容
print(result3)

None

显示结果没有匹配成功，因为是用前面（）的内容来往后匹配。

msg4 = '
abc
'
result4 = re.match(r'<([0-9a-zA-Z]+)>(.+)$',msg4)     #1表示第一组引用匹配的内容
print(result4)

msg5 = '
abc
'
result5 = re.match(r'<([0-9a-zA-Z]+)>(.+)$',msg5)     #1表示第一组引用匹配的内容
print(result5)
print(result5.group(1))
print(result5.group(2))

None
<re.Match object; span=(0, 12), match='
abc
'>
h1
abc

看结果，

abc

是匹配不到的。并且print(result5.group(1))，print(result5.group(2))，是可以取到h1的和abc的。

而如果要与**

abc

**前后顺序、属性都要相对应
下面看程序：

msg6 = '
abc
'
result6 = re.match(r'<([0-9a-zA-Z]+)><([0-9a-zA-Z]+)>(.+)$',msg6)     #1表示第一组引用匹配的内容
print(result6)
print(result6.group(1))
print(result6.group(2))
print(result6.group(3))

<re.Match object; span=(0, 25), match='
abc
'>
html
h1
abc

另外一种方式，就不需要数是第几个（）的匹配了，直接以起名字的方式。
起名字的方式：（？P<名字>正则）（？P=名字）

import re
#起名字的方式
msg7 = '
abc
'
result7 = re.match(r'<(?P\w+)><(?P\w+)>(.+)',msg7)  
print(result7)
print(result7.group(1))
print(result7.group(2))
print(result7.group(3))

<re.Match object; span=(0, 25), match='
abc
'>
html
h1
abc

总结

分组：（） ---->result.group（1）获取组中匹配内容
不需要去引用分组的内容

> 	result2 = re.match(r'<[0-9a-zA-Z]+>(.+)$',msg2) 
> 				print(result2) 
> 				print(result2.group(1))

引用分组匹配内容：
1.number

> 			result3 = re.match(r'<([0-9a-zA-Z]+)>(.+)$',msg3) 
> 			print(result3)  			
> print(result3.group(1))

2.？P<名字>

> msg7 = '
abc
' 
> result7 =re.match(r'<(?P\w+)><(?P\w+)>(.+)',msg7)
> print(result7)

re模块

match
search
findall
sub
split

**

举例：sub()

**
程序1

result = re.sub（r’\d+','1000','java:99,python:100'）

结果1

java:99,python:99

程序2

def func(temp):
    num = temp.group()
    num1 = int(num)+1
    return str(num1)

result = re.sub(r'\d+',func,'java:99,python:95')
print(result)

结果2

java:100,python:96

举例：split()

程序1

result1 = re.sub(r'\d+','90','java:99,python:95')
print(result1)
result2 =re.split(r',',result1)
print(result2)

结果1

java:90,python:90
['java:90', 'python:90']

程序2

result1 = re.sub(r'\d+','90','java:99,python:95')
print(result1)
result2 =re.split(r'[,:]',result1)
print(result2)

结果2

java:90,python:90
['java', '90', 'python', '90']

分析程序2：在字符串中搜索如果遇到：或者，就分割，将分割的内容保存在列表中