re模块的应用

Posted 2020-12-28 zhangdaye

import re
# 正则表达式中的转义 :
# ‘(‘  表示匹配小括号
# [()+*?/$.]   在字符组中一些特殊的字符会现出原形
# 所有的 w d s(
,	, )  W D S都表示它原本的意义
# [-]只有写在字符组的首位的时候表示普通的减号
#    写在其他位置的时候表示范围[1-9]
#    如果就是想匹配减号 [1-9]

# 在python中使用正则表达式
    # 转义符 : 在正则中的转义符  在python中的转义符
    # re模块
        # findall search match
# ret=re.findall("d+","weiydga16278364ahdiui7733")
# print(ret)
# print(ret)
# ret1=re.search("d+","weiydga16278364ahdiui7733")
# print(ret1)
# if ret1:print(ret1.group())
# ret2=re.match("d+","weiydga16278364ahdiui7733")
# print(ret2)
# if ret2:print(ret2.group())


# sub subn split模块用法
# ret=re.sub("d+","H","weiydga16278364ahdiui7733",1)
# print(ret)
# ret1=re.subn("d+","H","weiydga16278364ahdiui7733")
# print(ret1)
# ret2=re.split("d+","weiydga16278364ahdiui7733")
# print(ret2)

# compile finditer模块用法:compile节省时间效率,finditer节省空间效率
# ret3=re.compile("d+")
# ret4=ret3.search("weiydga16278364ahdiui7733")
# print(ret4.group())
# ret5=re.finditer("d+","weiydga16278364ahdiui7733")
# for r in ret5:
#     print(r.group())
        # flags有很多可选值：compile中的参数
# re.I(IGNORECASE)忽略大小写，括号内是完整的写法
# re.M(MULTILINE)多行模式，改变^和$的行为
# re.S(DOTALL)点可以匹配任意字符，包括换行符
# re.L(LOCALE)做本地化识别的匹配，表示特殊字符集 w, W, , B, s, S 依赖于当前环境，不推荐使用
# re.U(UNICODE) 使用w W s S d D使用取决于unicode定义的字符属性。在python3中默认使用该flag
# re.X(VERBOSE)冗长模式，该模式下pattern字符串可以是多行的，忽略空白字符，并可以添加注释

# python中的正则表达式:
        # findall 会优先显示分组中的内容,要想取消分组优先,(?:正则表达式)
# ret=re.compile(‘-0.d+|-[1-9]d*(?:.d+)?‘)
# c1=ret.findall(‘-1asdada-200‘)
# print(c1)
# ret=re.compile(‘d+(?:.d+)|(d+)‘)
# ret1=ret.findall("1-20*(40.25-23)+25")
# print(ret1)
# ret1.remove("")
# print(ret1)

        # split 遇到分组 会保留分组内被切掉的内容
# ret=re.split("(d+)","eyau123ausui234aips")#保留了数字
# print(ret)

        # search 如果search中有分组的话,通过group(n)就能够拿到group中的匹配的内容
#         匹配标签,匹配整数,数字匹配,爬虫
# ret=re.search("<(w+)>w+<(w+)>w+<(w+)>","<a>asd<b>aasd<c>")
# print(ret.group())
# print(ret.group(1))
# print(ret.group(2))
# print(ret.group(3))
#       search的分组命名:1.(?P<命名>)2.1
# ret=re.search("<(?P<name>w+)>w+</(?P=name)>","<h>adcf</h>")
# print(ret.group())
# print(ret.group("name"))

# ret=re.search(r"<(w+)>w+</(1)>","<h>adcf</h>")
# print(ret.group())
# print(ret.group(1))

# ret=re.search("<(?P<name>w+)>w+<(?P<sex>w+)>w+<(?P<age>w+)>","<a>asd<b>aasd<c>")
# print(ret.group())
# print(ret.group(‘name‘))
# print(ret.group(‘sex‘))
# print(ret.group(‘age‘))

# 爬虫代码块:
# from urllib.request import urlopen
# # # 内置的包 来获取网页的源代码 字符串
# # res = urlopen(‘https://www.douban.com/‘)
# # print(res.read().decode(‘utf-8‘))
# from urllib.request import urlopen
# res=urlopen("baidu")
# print(res.red.decode("utf-8"))

# 分别使用while循环,和for循环计算1-3+5-7+9-11...99的结果

# print(re.findall(r‘\c‘,"asnadbc"))