re模块的高级应用

search

• 执行正则表达式搜索并且在搜索结束后返回所匹配到的串，只返回第一次匹配到的结果求出帖子阅览的次数：

Paste_Image.png

findall

• 匹配所有的对象，返回一个列表

>>> re.findall(r"\d+","1 当前浏览量是8808次，回帖人数是200人")
['1', '8808', '200']

sub

• 实现查找替换

>>> re.sub(r"\d+","1024","当前浏览量是8808次")
'当前浏览量是1024次'

还可使用函数来操作匹配到的对象

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

re.sub(r"\d+",add,"当前浏览量是8808次,200")
结果为：'当前浏览量是8809次,201'

split

• 分割字符串，结果返回列表

a = re.split('\.','www.baidu.com')

Paste_Image.png

finditer

• 返回一个迭代器iterator，这个iterator yield match objects.返回顺序、内容和re.findall()相同

re.finditer('[a-n]', 'gaoqian')
<callable_iterator at 0x7f6c58629e10>

Paste_Image.png

compile

• compile用来编译正则表达式模式字符串，并生成Regular Expression Objects。

compile(pattern, flags=0)
    Compile a regular expression pattern, returning a pattern object.

flags有很多可选值：

1. re.I(IGNORECASE)忽略大小写，括号内是完整的写法
2. re.M(MULTILINE)多行模式，改变^和$的行为
3. re.S(DOTALL)点可以匹配任意字符，包括换行符
4. re.L(LOCALE)做本地化识别的匹配，不推荐使用
5. 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
6. 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

import re

str = "LIjianhongJgd"

p = re.compile("Li",re.I) # 表示li或略大小写，即LI、li、Li、lI都能匹配

p.match(str)

结果如下：
<_sre.SRE_Match object; span=(0, 2), match='LI'>

匹配算法：贪婪与懒惰

• 在Python中正则默认是贪婪模式（个别语言中也可能是非贪婪模式），贪婪模式就是总会尝试匹配更多的字符。
• 非贪婪模式则反之，总是尝试匹配尽可能少的字符。
• 在*、？、+、{m,n}后面加上？，可以将贪婪模式变成非贪婪模式。

Paste_Image.png

举个栗子

>>> re.match(r"this .*","this is a number 56-89-89-458-12531")

<_sre.SRE_Match object; span=(0, 35), match='this is a number 56-89-89-458-12531'>

>>> re.match(r"this .*?","this is a number 56-89-89-458-12531")

<_sre.SRE_Match object; span=(0, 5), match='this '>

>>> re.match(r".+(\d+-\d+)","this is a number 56-89-89-458-12531")
结果为：
<_sre.SRE_Match object; span=(0, 35), match='this is a number 56-89-89-458-12531'>

>>> re.match(r".+(\d+-\d+?)","this is a number 56-89-89-458-12531")
结果为：
<_sre.SRE_Match object; span=(0, 31), match='this is a number 56-89-89-458-1'>