re模块

一、findall与search方法

import re


ret = re.findall('d', '19621asd1695412rf')
print(ret)

ret1 = re.search('d+r', '19621asd1695412rf')
print(ret1) # 对象
if ret1:
    print(ret1.group())


# 分组现象
# findall 按照完整的正则进行匹配，但是显示括号里匹配到的内容
ret2 = re.findall('9(d)d', '19621asd1695412rf')
print(ret2)

ret3 = re.search('9(d)(d)', '19621asd1695412rf')
print(ret3) # 对象
if ret3:
    print(ret3.group())  # 取第一个符合正则的内容
    print(ret3.group(1)) # group(n)指定获得的第n个分组匹配到的内容
    print(ret3.group(2))


# 为什么在search中不需要分组优先，而在findall中需要?

# findall
# 加上括号，是为了对真正需要的内容进行提取
s = '<h1>dasdsa930sadsa02391-</h1>'
ret = re.findall('<.*?>(.*)</.*?>', s)
print(ret[0])


# search
ret = re.search('<.*?>(.*)</.*?>', s)
print(ret.group(1))



# 为什么要用分组，以及findall的分组优先
s1 = '2-3*(5+6)'
# 匹配出a+b 或者a-b 并计算它们的结果
ret = re.findall('(d+)+(d+)', s1)
print(ret)
print(int(ret[0][0]) + int(ret[0][1]))



#
with open('movie_name.txt', encoding='utf-8') as f:
    #print(f.read())
    content = f.read()
    r = re.findall('<span class="title">(.*?)</span>.*?</a>', content, flags=re.S)
    print(r)
    print(len(r))


# 如果我们要查找的内容在一个复杂的环境中
# 我们要查找的内容并没有一个突出的特点，甚至会和不需要的数据杂乱的混合在一起
# 这个时候我们就需要把所有的数据都统计出来，然后对这个数据进行筛选，把我们真正
# 需要的数据对应的正则表达式用()括起来
# 这样我们就可以拿到真正想要的数据啦

# 取消分组的优先级
ret = re.findall('1(?:d)(d)', '123') # 取消第一个分组的优先级
print(ret)

二、其他方法

import re

# findall  ***
# search  ***


# # compile  *** --节省代码时间的工具
# # 假如同一个正则表达式要被使用多次，就可以先解析该正则表达式并通过一个变量保存下来
# ret = re.compile('d+')
# print(ret.findall('s961gdx123fd'))
#
#
# # finditer  *** --节省空间
# ret = re.finditer('d+', 's961gdx123fd') # 迭代器
# for i in ret:
#     print(i.group())

# 先 compile(如果没有重复使用同一个正则，也不能节省时间)后finditer
ret = re.compile('d+')
res = ret.finditer('fd321df6fd46d11')
for i in res:
    print(i.group())


# # match   默认从头开始匹配，一般用来规定该字符串必须是什么样的
# ret = re.match('d+', '123eva456taibai')
# print(ret.group())


# # split
# ret = re.split('d+', 'alex222wusir')
# print(ret)
# ret = re.split('d(d)d', 'alex222wusir') # 保留括号内被切掉的内容
# print(ret)
#
#
# # sub  替换  将正则匹配到的内容替换成别的内容
# ret = re.sub('d+', 'H', 'alex123wusir456')
# print(ret)
#
#
# # subn  # 也是替换，返回替换后的内容和替换的次数形成的元组
# ret = re.subn('d+', 'H', 'alex123wusir456')
# print(ret)



# 功能
# 性能
    # 时间：
        # 完成一个代码所需要执行的代码行数
        # 执行代码的过程中，底层程序是如何工作的

    # 空间
        # 是占用了宝贵的内存资源
        # 英雄程序的执行效率


# 用户体验

三、分组命名

# 分组命名：(?P<组名>正则)  (?P=组名)
import re

ret = re.search('d(d)d(?P<name1>w+?)(d)(?P<name2>w)', '1231sd1_52432ghbr')
print(ret.group('name1'))
print(ret.group('name2'))


# 分组命名的引用：****
exp = '<h1>sad654a6s4dv</h1><a>5621df</a>'
ret = re.search('<(?P<n1>w+)>(.*?)</(?P=n1)>', exp)
print(ret.group())
print(ret.group(2))


# 方式二：不常用
# exp = '<h1>sad654a6s4dv</h1><a>5621df</a>'
# ret = re.search(r'<(w+)>(.*?)</1>', exp)
# print(ret.group())
# print(ret.group(2))


# r""  取消字符串内部所有的转义
ret = re.search(r'\n', r'
')
print(ret.group())