小白学爬虫笔记11---正则表达式-Re库

正则表达式 Re库

Re库是Python的标准库

import re

 

表示类型

raw string类型（原生字符串类型）

r'text' 例如：

r'[1-9]\d{5}'
r'\d{3}-\d{8}|\d{4}-\d{7}' #国内电话号码  

raw string 是不包含转义符的字符串

string类型，更繁琐，需要转义符

当正则表达式包含转义符时，使用raw string

Re库主要功能函数

• re.search() 在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
• re.match() 从一个字符串的开始位置起匹配正则表达式，返回match对象
• re.findall() 搜索字符串，已列表类型返回全不能匹配的字符串
• re.split() 将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
• re.finditer() 搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象
• re.sub() 在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串

re.search(patter,string,flags=0)

• pattern：郑子表达式的字符串或原生字符串表示
• string：待匹配字符串
• flags：控制标记
  • re.I re.IGNORECASE：忽略正则表达式的大小写
  • re.M re.MULTILINE：正则表达式中的……操作符能够将给定字符串的每行当做匹配开始
  • re.S re.DOTALL：正则表达式中的.操作符能够匹配所有的字符，默认匹配除换行外的所有字符

 

例：

import re
match = re.search(r'[1-9]\d(5)','BIT 100081')
if match:
    print(match.group(0))

re.match(pattern,string,flags=0)

从一个字符串的开始位置起匹配正则表达式返回match对象。

• pattern：正则表达式的字符串或原生字符串表示
• string：待匹配字符串
• flags：正则表达式使用时的控制标记

 

import re
match = re.match(r'[1-9]\d{5}','BIT 100081')
if match:
    match.group(0)
match.group(0) #报错，NoneType
match = re.match(r'[1-9]\d{5}','100081 BIT')
if match:
    match.group(0) # '100081'

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

• pattern：正则表达式的字符串或原生字符串表示
• string：待匹配字符串
• flags：正则表达式使用时的控制标记

 

import re
ls = re.findall(r'[-19]\d{5}','BIT100081 TSU100084')
ls # ['100081','100084']

re.split(pattern,string,maxsplit=0,flags=0)

• pattern：正则表达式的字符串或原生字符串表示
• string：待匹配字符串
• maxsplit:最大分割数，剩余部分作为最后一个元素
• flags：正则表达式使用时的控制标记

 

import re
re.split(r'[1-9]\d{5}','BIT100081 TSU100084')
# ['BIT',' TSU',' ']
re.split(r'[1-9]\d{5}','BIT100081 TSU100084',maxsplit = 1)
# ['BIT', ' TSU100084']

re.finditer(pattern,string,flags=0)

• pattern：正则表达式的字符串或原生字符串表示
• string：待匹配字符串
• flags：正则表达式使用时的控制标记

 

import re
for m in re.finditer(r'[1-9]\d{5}','BIT100081','TSU100084'):
    if m:
        print(m.group(0))

re.sub(pattern,repl,string,count=0,flags=0)

• pattern：正则表达式的字符串或原生字符串表示
• repl：替换匹配字符串的字符串
• string：待匹配字符串
• count：匹配最大替换次数
• flags：正则表达式使用时的控制标记

 

import re
re.sub(r'[1-9]\d{5}',':zipcode','BIT100081 TSU100084')

Re库的另一种等价用法

 

rst = re.search(r'[1-9]\d{5}','BIT 100081')

函数式用法：一次性操作

等价于：

 

面向对象用法：编译后的多次操作

pat = re.compile(r'[1-9]\d{5}')
rst = pat.search('BIT 100081')

regex = re.compile(patter,flags=0)

将正则表达式的字符串形式编译成正则表达式对象

• pattern：正则表达式的字符串或原生字符串表示
• flags：正则表达式使用时的控制标记

 

regex = re.compile(r'[1-9]\d{5}')

• regex.search()
• regex.match()
• regex.findall()
• regex.split()
• regex.finditer()

regex.sub()