目录
- findall()的使用
- search()的使用
- group()与groups()的使用
- split()正则替换
- compile的使用
- match的使用
- re的额外匹配要求
findall()的使用
findall(pattern , string, [flags])- 查找字符串中所有（非重复）出现的正则表达式模式，并返回一个匹配列表
search()的使用
search(pattern , string , flags=0)- 使用可选标记搜索字符串中第一次出现的正则表达式模式。如果匹配成功，则返回匹配对象如果失败，则返回None
group()与groups()
- group(num)返回整个匹配对象，或者编号为num的特定子组
- groups():返回一个包含所有匹配子组的元组（如果没有成功匹配，则返回一个空元组）
In [1]: test = 'hello my name is insane'
In [2]: import re
In [3]: result = re.search('hello (.*) name is (.*)', test)
In [4]: result.groups()
Out[4]: ('my', 'insane')
In [5]: result.group(1)
Out[5]: 'my'
In [6]: result.group(2)
Out[6]: 'insane'
split()正则替换
split(pattern, string , max=0)- 根据正则表达式的模式分隔符，split 函数将字符串分割为列表，然后返回成功匹配的列表，分隔最多操作max 次（默认分割所有匹配成功的位置)
In [7]: data = 'hello world'
In [8]: print(re.split('\W', data))
['hello', 'world']
re模块-match
match(pattern , string , flags=0)- 尝试使用带有可选的标记的正则表达式的模式来匹配字符串。如果匹配成功，就返回匹配对象;如果失败，就返回None。
- match只会匹配字符串从头开始的信息，如果匹配成功，就返回匹配对象;如果失败，就返回None。
- match返回的对象也可以使用
group函数调用
In [10]: result = re.match('hello', data)
In [11]: result.groups()
Out[11]: ()
In [12]: result.group()
Out[12]: 'hello'
re模块-compile
compile(pattern, flags=0)- 定义一个匹配规则的对象
In [13]: data='hello my email is insane@loaf.com i like python'
In [14]: re_obj = re.compile('email is (.*?) i')
In [15]: result = re_obj.findall(data)
In [16]: result
Out[16]: ['insane@loaf.com']
re的额外匹配要求
实战
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @Time : 2021/8/28 22:13
# @Author : InsaneLoafer
# @File : re_test2.py
import re
def check_url(url):
"""
判断url是否合法
:param url:
:return:
"""
re_g = re.compile('[a-zA-Z]{4,5}://\w*\.*\w+\.\w+')
print(re_g)
result = re_g.findall(url)
if len(result) != 0:
return True
else:
return False
def get_url(url):
"""
通过组获取url中的某一部分
:param url:
:return:
"""
re_g = re.compile('[https://|http://](\w*\.*\w+\.\w+)')
result = re_g.findall(url)
if len(result) != 0:
return result[0]
else:
return ''
def get_email(data):
# result = re.findall('[0-9a-zA-Z_]+@[0-9a-zA-Z]+\.[a-zA-Z]+', data)
re_g = re.compile('.+@.+\.[a-zA-Z]+')
result = re_g.findall(data)
return result
html = ('<div class="s-top-nav" style="display:none;">'
'</div><div class="s-center-box"></div>')
def get_html_data(data):
"""
获取style中的display:
使用非贪婪模式
"""
re_g = re.compile('style="(.*?)"')
result = re_g.findall(data)
return result
def get_all_data_html(data):
"""
获取html中所有等号后双引号内的字符
:param data:
:return:
"""
re_g = re.compile('="(.+?)"')
result = re_g.findall(data)
return result
if __name__ == '__main__':
result = check_url('https://www.baidu.com')
print(result)
result = get_url('https://www.baidu.com')
print(result, 'https')
result = get_url('http://www.baidu.com')
print(result, 'http')
result = get_email('insane@163.net')
print(result)
result = get_html_data(html)
print(result)
result = get_all_data_html(html)
print(result)
re_g = re.compile('\s')
result = re_g.split(html)
print(result)
re_g = re.compile('<div class="(.*?)"')
result = re_g.match(html)
print(result)
print(result.span()) # 返回结果的前后索引
print(html[:22])
re.compile('[a-zA-Z]{4,5}://\\w*\\.*\\w+\\.\\w+')
True
www.baidu.com https
www.baidu.com http
['insane@163.net']
['display:none;']
['s-top-nav', 'display:none;', 's-center-box']
['<div', 'class="s-top-nav"', 'style="display:none;"></div><div', 'class="s-center-box"></div>']
<re.Match object; span=(0, 22), match='<div class="s-top-nav"'>
(0, 22)
<div class="s-top-nav"
Process finished with exit code 0
