小白学爬虫笔记11---正则表达式-Re库

本文介绍了Python标准库Re库的主要功能及其使用方法,包括re.search(), re.match(), re.findall(), re.split(), re.finditer(), re.sub()等函数,并通过示例详细解释了这些函数的具体应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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()

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值