小渣渣学习笔记 python day19 正则表达式3

p113-

re模块

• re.split()

  import re
  result = re.split('\d+','asdf456iuiu')
  print(result) #['asdf', 'iuiu']
  
  result = re.split('(\d+)','asdf456iuiu')
  print(result) #['asdf', '4564', 'iuiu']  把用来分割的数字也保留了，字符串里的分割就没保留，因为字符串已经知道按照什么分割，这里是用正则表达式分割
  
  result = re.split('\d(\d)\d','asdf456iuiu')
  print(result) #['asdf', '5', 'iuiu'] 只保留了中间的数字5
  

• re.sub()

  result = re.sub('\d+','A','aaa123bbb455ccc')
  print(result) # aaaAbbbAccc   把所有数字串都替换成大写A
  
  result = re.sub('\d+','A','aaa123bbb455ccc',1)
  print(result) # aaaAbbb455ccc   只替换第一个遇到的数字串
  

• re.subn()

  result = re.subn('\d+','A','aaa123bbb455ccc')
  print(result) # ('aaaAbbbAccc', 2)   全部替换 然后提示替换次数
  

• re.match()

  result = re.match('\d+','aaa123bbb455ccc')
  print(result) #None
  
  result = re.match('\d+','000aaa123bbb455ccc')
  print(result) #<re.Match object; span=(0, 3), match='000'>   match 从头匹配
  #相当于
  result = re.search('^\d+','000aaa123bbb455ccc')
  print(result) #<re.Match object; span=(0, 3), match='000'>
  

• match 和 search

  • match ： 规定这个字符串必须是什么样的
  • search ：用来寻找字符串中是否含有满足条件的子内容

• re.compile()

  • 对同一个正则表达式解析，节省时间

  • ret1 = re.compile('\d+')
    res1 = ret1.search('asdf3423sdf')
    res2 = ret1.findall('asdf3423sdf')
    print(res1) #<re.Match object; span=(4, 8), match='3423'>
    print(res2) #['3423']
    

• re.finditer()

  • ret = re.finditer('\d+','asdf23423gfgdfg45654')
    for i in ret:
        print(i.group()) # 返回两行 数字  节省空间
    

• 即节省空间，又节省时间 先 compile 再 finditer

ret1 = re.compile('\d+')
ret2 = ret1.finditer('asdf23423gfgdfg45654')
for i in ret2:
    print(i.group()) 

• 分组命名 （？P<名字>正则表达式）

ret = re.search('\d\w+?\d(\d)(?P<aaa>\w+)','2115sssdf@#4fds544fssssdf21_2234')# 加问号 尽可能少，至少1个
print(ret.group('aaa')) # sssdf

html = '<ul><li>aaa</li><li>bbb</li><li>ccc</li></ul> <ol></ol><ul></ul>'
regex = '<(?P<tag>\w+)>.*?</(?P=tag)>' #从文本头开始，把遇到的第一个标签里的内容取出来 标签首尾呼应
ret = re.search(regex,html)
print(ret.group())

html = 'class="my_class"><ul><li>aaa</li><li>bbb</li><li>ccc</li></ul> <ol></ol><ul></ul>'
regex = '<(?P<tag>\w+)>.*?</(?P=tag)>' #从文本头开始，把遇到的第一个标签里的内容取出来 标签首尾呼应
ret = re.search(regex,html)
print(ret.group()) #<ul><li>aaa</li><li>bbb</li><li>ccc</li></ul>

html = 'class="my_class"><ul><li>aaa</li><li>bbb</li><li>ccc</li></ul> <ol></ol><ul></ul>'
regex = r'<(\w+)>.*?</\1>' #r格式化字符串，\1代表第一个分组的名字
ret = re.search(regex,html)
print(ret.group()) #<ul><li>aaa</li><li>bbb</li><li>ccc</li></ul>

#匹配字符串中所有整数,其中有个40.35，是小数，可以先匹配出来 再删除
str1 = '1-2*(60+(-40.35/5)-(-4*3))'
regex = r'\d+\.\d+|(\d+)'
ret = re.findall(regex,str1)
ret2 = filter(lambda n:n,ret)
print(list(ret2)) #['1', '2', '60', '5', '4', '3']