re模块--高级用法

1、search

re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回，如果字符串没有匹配，则返回None。

格式：re.search(pattern, string, flags=0)

需求：匹配出文章阅读的次数

#coding=utf-8
import re

ret = re.search(r"d+", "阅读次数为 9999")
ret.group()

运行结果：

'9999'

match()和search()的区别：

match（）函数只检测RE是不是在string的开始位置匹配，search()会扫描整个string查找匹配；

也就是说match（）只有在0位置匹配成功的话才有返回，如果不是开始位置匹配成功的话，match()就返回none。

如：print(re.match(‘super’, ‘superstition’).span()) 会返回(0, 5)

​ print(re.match(‘super’, ‘insuperable’)) 则返回None

如：print(re.search(‘super’, ‘superstition’).span())返回(0, 5)

​ print(re.search(‘super’, ‘insuperable’).span())返回(2, 7)

2、findall

re.findall遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表。

格式：re.findall(pattern, string, flags=0)

需求：统计出python、c、c++相应文章阅读的次数

#coding=utf-8
import re

ret = re.findall(r"d+", "阅读次数:9999次,转发次数:883次,评论次数:3次")
print(ret)

运行结果：

['9999', '883', '3']

3、sub 将匹配到的数据进行替换

使用re替换string中每一个匹配的子串后返回替换后的字符串。

格式：re.sub(pattern, repl, string, count)

需求：将匹配到的阅读次数加1

方法1：

#coding=utf-8
import re

ret = re.sub(r"d+", "10000", "阅读次数:9999次,转发次数:883次,评论次数:3次")
print(ret)

运行结果：

阅读次数:10000次,转发次数:10000次,评论次数:10000次

方法2：

#coding=utf-8
import re

def add(temp):
    strNum = temp.group()
    num = int(strNum) + 1
    return str(num)

ret = re.sub(r"d+", add, "python = 997")
print(ret)

ret = re.sub(r"d+", add, "python = 99")
print(ret)

运行结果：

python = 998
python = 100

4、split 根据匹配进行切割字符串，并返回一个列表

按照能够匹配的子串将string分割后返回列表。

可以使用re.split来分割字符串，如：re.split(r's+', text)；将字符串按空格分割成一个单词列表。

格式：re.split(pattern, string[, maxsplit])

需求：切割字符串“info:xiaoZhang 33 shandong”

#coding=utf-8
import re

ret = re.split(r":| ","info:xiaoZhang 33 shandong")
print(ret)

运行结果：

['info', 'xiaoZhang', '33', 'shandong']

5、python贪婪和非贪婪

Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；

非贪婪则相反，总是尝试匹配尽可能少的字符。

在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。

import re

# 匹配多个数字
result = re.match(r"aaa(d+)", "aaa123456")
if result:
    print(result.group())
else:
    print("匹配失败～！")

匹配的结果：

aaa123456

解决方式：非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。

# 匹配多个数字
result = re.match(r"aaa(d+?)", "aaa123456")
if result:
    print(result.group())
else:
    print("匹配失败～！")

运行结果：

aaa1

6、r的作用

>>> mm = "c:\a\b\c"
>>> mm
'c:\a\b\c'
>>> print(mm)
c:ac
>>> re.match("c:\\",mm).group()
'c:\'
>>> ret = re.match("c:\\",mm).group()
>>> print(ret)
c:
>>> ret = re.match("c:\\a",mm).group()
>>> print(ret)
c:a
>>> ret = re.match(r"c:\a",mm).group()
>>> print(ret)
c:a
>>> ret = re.match(r"c:a",mm).group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>>

说明

Python中字符串前面加上 r 表示原生字符串，

与大多数编程语言相同，正则表达式里使用""作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符""，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

Python里的原生字符串很好地解决了这个问题，有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

>>> ret = re.match(r"c:\a",mm).group()
>>> print(ret)
c:a