re模块

Posted 2022-04-29 zuihoudebieli

re模块

• 取文本或者字符串内找到你所需要的东西

基础的re使用

import re

s = '孙悟空找猪八戒找媳妇高翠兰,然后吃西瓜'

res = re.findall('西瓜',s)
print(res)

['西瓜']

• ^ 叫做元字符，元字符会有特殊的意义，匹配开头的，也就是说他只从开头找

res = re.findall('^孙悟空',s)j
print(res)
res = re.findall('^猪八戒',s)
print(res)

['孙悟空']
[]

• $只从结尾找

s = '孙悟空找猪八戒找媳妇西高翠兰,然后吃西瓜,再吃西瓜'
res = re.findall('西瓜$',s)
print(res)

['西瓜']

• |相当于or

res = re.findall('孙悟空|猪八戒',s)
print(res)

['孙悟空', '猪八戒']

• []找到[]内的元素

s = 'abcdefgabckdjfkljsadalasjkdlfjklbkljklfjc'

res = re.findall("[a,b,c]",s)
print(res)

['a', 'b', 'c', 'a', 'b', 'c', 'a', 'a', 'a', 'b', 'c']

• . 任意一个字符

s = '孙悟空找猪八戒找媳妇高翠兰,然后吃西瓜,再吃西瓜'
#
res = re.findall('媳妇...',s)
print(res)

['媳妇高翠兰']

• 3大括号前面的字符匹配3次

s = '孙悟空找猪八戒找媳妇妇妇妇高翠兰,然后吃西瓜,再吃西瓜'
res = re.findall('媳妇5',s)
print(res)

[]

• *,前面的字符匹配无穷个，

s = '孙悟空找猪八戒找媳高翠兰,然后吃西瓜,再吃西瓜'
res = re.findall('媳妇*',s)
print(res)

['媳']

• +前面的字符，1到无穷个

s = '孙悟空找猪八戒找媳高翠兰,然后吃西瓜,再吃西瓜'
res = re.findall('媳妇+',s)
print(res)

[]

• ?前面的字符0-1个

s = '孙悟空找猪八戒找媳妇妇妇高翠兰,然后吃西瓜,再吃西瓜'
res = re.findall('媳妇?',s)
print(res)

['媳妇']

• \d匹配数字

s = '孙悟空找猪八戒找媳妇妇妇高翠兰,然后asdfasdf吃西234234瓜,再吃   西瓜'
res = re.findall('\d*',s)
print(res)

['', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '234234', '', '', '', '', '', '', '', '', '', '']

• \D除了是数字都匹配到了

然后asdfasdf吃西234234瓜,再吃   西瓜'
res = re.findall('\D+',s)
print(res)

['孙悟空找猪八戒找媳妇妇妇高翠兰,然后asdfasdf吃西', '瓜,再吃   西瓜']

• \s,取空白

s = '孙悟空找猪八戒找媳妇妇妇高翠兰,然后asdfasdf吃西234234瓜,再吃   西瓜'
res = re.findall('\s+',s)
print(res)

['   ']

• \S,去非空字符

s = '孙悟空找猪八戒找媳妇妇###@@@妇高翠兰,然后asdfa___sdf吃西234234瓜,再吃   西瓜'
res = re.findall('\S+',s)
print(res)

['孙悟空找猪八戒找媳妇妇###@@@妇高翠兰,然后asdfa___sdf吃西

• \w,字母，数字，下划线

s = '孙悟空找猪八戒找媳妇妇妇高$$$$$@@@@翠兰,然____后asdfasdf吃西234234瓜,再吃   西瓜'
res = re.findall('\w+',s)
print(res)

['孙悟空找猪八戒找媳妇妇妇高', '翠兰', '然____后asdfasdf吃西234234瓜', '再吃', '西瓜']

• \W,非字母，数字，下划线

s = '孙悟空找猪八戒找媳妇妇妇高$$$$$@@@@翠兰,然____后asdfasdf吃西234234瓜,再吃   西瓜'
res = re.findall('\W+',s)
print(res)

['$$$$$@@@@', ',', ',', '   ']

贪婪模式

s = '孙悟空找猪八戒找媳妇妇妇高$$$$$@@@@翠兰,然____后asdfasdf吃西234234瓜,再吃   西瓜妇'
res = re.findall('猪.*妇',s)
print(s)

孙悟空找猪八戒找媳妇妇妇高$$$$$@@@@翠兰,然____后asdfasdf吃西234234瓜,再吃   西瓜妇

非贪婪模式

s = '孙悟空找猪八戒找媳妇妇妇高$$$$$@@@@翠兰,然____后asdfasdf吃西234234瓜,再吃   西瓜妇'
#
res = re.findall('猪.*?妇',s)
print(res)

['猪八戒找媳妇']

re模块高级

compile

• 写一个通用的规则模板

import re
s = '孙悟空找猪八戒找媳妇妇妇高$$$$$@@@@翠兰,然____后asdfasdf吃西234234瓜,再吃   西瓜妇'
res1 = re.compile('\d+')
res2 = re.compile('\w+')
res3 = re.compile('\s+')

result1 = res1.findall(s)
result2 = res2.findall(s)
result3 = res3.findall(s)
print(result1)
print(result2)
print(result3)

phone_compile = re.compile('1\d10')

email_compile = re.compile('\w+@\w+.\w+')

test_s = '12345678900  [e-mail]  [e-mail]'
res = phone_compile.findall(test_s)
print(res)

res = email_compile.findall(test_s)
print(res)

['234234']
['孙悟空找猪八戒找媳妇妇妇高', '翠兰', '然____后asdfasdf吃西234234瓜', '再吃', '西瓜妇']
['   ']
['12345678900']
['[e-mail]', '[e-mail]']

match和search

• match和srerch的区别，mathch从开头开始匹配找一个，search搜索所有的找第一个

# match 和 search的区别，mathch从开头开始匹配找一个，search搜索所有找第一个
import re
s = '猪八戒找媳妇猪八戒'
match_res = re.match('猪八戒',s)  # 从开头开始匹配，取一个
print(match_res.group())

search_res = re.search('猪八戒',s)  # 搜索一个
print(search_res.group())

猪八戒
猪八戒

分组

• 需要的东西括号就行了，括号外的就不打印了

import re

s = '猪八戒的媳妇是高翠兰，孙悟空的媳妇是白骨精，唐僧的媳妇是女儿国王，沙悟净没有媳妇（py9的学生们）'

res = re.findall('(.*?)的媳妇是(.*?)(，)',s)
print(res)

[('猪八戒', '高翠兰', '，'), ('孙悟空', '白骨精', '，'), ('唐僧', '女儿国王', '，')]

re.split()

• 就是字符串的split方法，区别是可以使用正则表达式去替换

import re

s = '猪八戒的媳妇是1高翠兰，孙悟空的媳妇是2白骨精，唐僧的媳妇是3女儿国王，沙悟净没有媳妇（py9的学生们）'

print(s.split('，'))

res = re.split('\d+',s)
print(res)



s = '猪八戒的媳妇是a高翠兰，孙悟空的媳A妇是b白骨精，唐僧的B媳妇是z女儿国王，沙悟净没有媳妇（py9的学生们）'

print(s.split('，'))

res = re.split('[a-zA-Z]',s)  # a,b,c,
print(res)

['猪八戒的媳妇是1高翠兰', '孙悟空的媳妇是2白骨精', '唐僧的媳妇是3女儿国王', '沙悟净没有媳妇（py9的学生们）']
['猪八戒的媳妇是', '高翠兰，孙悟空的媳妇是', '白骨精，唐僧的媳妇是', '女儿国王，沙悟净没有媳妇（py', '的学生们）']
['猪八戒的媳妇是a高翠兰', '孙悟空的媳A妇是b白骨精', '唐僧的B媳妇是z女儿国王', '沙悟净没有媳妇（py9的学生们）']
['猪八戒的媳妇是', '高翠兰，孙悟空的媳', '妇是', '白骨精，唐僧的', '媳妇是', '女儿国王，沙悟净没有媳妇（', '', '9的学生们）']

sub和subn

• 他们俩都是替换内容，但是subn会计算替换了多少次，类似于字符串的replace内置方法

import re

s = '猪八戒的媳妇是1高翠兰，孙悟空的媳妇是2白骨精，唐僧的媳妇是3女儿国王，沙悟净6没有媳妇（py9的学生们）'

print(re.sub('\d','',s))

print(re.subn('\d','',s))  # 除了会修改内容，还会返回修改了多少次

猪八戒的媳妇是高翠兰，孙悟空的媳妇是白骨精，唐僧的媳妇是女儿国王，沙悟净没有媳妇（py的学生们）
('猪八戒的媳妇是高翠兰，孙悟空的媳妇是白骨精，唐僧的媳妇是女儿国王，沙悟净没有媳妇（py的学生们）', 5)