sunsetz の 窝

切换主题

re 模块 ​

常用方法 ​

re.compile(pattern, flags=0) ​

该方法用于编译正则表达式，生成一个正则表达式对象，该对象可以用于匹配字符串。

python
regex = re.compile(pattern, flags=0)

参数说明：

  • pattern：字符串，表示要编译的正则表达式。
  • flags：可选参数，用于指定正则表达式的匹配模式。

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

该函数的返回值是匹配到的内容列表，如果正则表达式有子组，则只能获取到子组对应的内容。

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

参数说明：

  • pattern：字符串，表示要匹配的正则表达式。
  • string：字符串，表示要查找的字符串。
  • flags：可选参数，用于指定正则表达式的匹配模式。

regex.findall(string, pos=0, endpos=sys.maxsize) ​

该函数根据正则表达式对象匹配目标字符串内容。

python
regex.findall(string, pos=0, endpos=sys.maxsize)

参数说明：

  • string：字符串，表示要查找的字符串。
  • pos：可选参数，表示查找的起始位置。默认值为0。
  • endpos：可选参数，表示查找的结束位置。默认值为sys.maxsize，即最大整数值。

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

该函数根据正则表达式对象将目标字符串分割成子字符串列表。

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

参数说明：

  • pattern：字符串，表示要匹配的正则表达式。
  • string：字符串，表示要分割的字符串。
  • maxsplit：可选参数，表示分割的最大次数。默认值为0，即不限制分割次数。
  • flags：可选参数，用于指定正则表达式的匹配模式。

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

该函数根据正则表达式对象将目标字符串中的匹配项替换为指定字符串。

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

参数说明：

  • pattern：字符串，表示要匹配的正则表达式。
  • repl：字符串，表示要替换的字符串。
  • string：字符串，表示要替换的字符串。
  • count：可选参数，表示替换的最大次数。默认值为0，即不限制替换次数。
  • flags：可选参数，用于指定正则表达式的匹配模式。

re.search(pattern, string, flags=0) ​

该函数根据正则表达式对象在目标字符串中查找匹配项，如果匹配成功，则返回一个匹配对象，否则返回None。

python
re.search(pattern, string, flags=0)

参数说明：

  • pattern：字符串，表示要匹配的正则表达式。
  • string：字符串，表示要查找的字符串。
  • flags：可选参数，用于指定正则表达式的匹配模式。

flags功能标志位 ​

功能标志位的作用是扩展正则表达的匹配功能。常用的 flag 如下所示：

  1. I：忽略大小写。
  2. A: 匹配 ASCII 字符。
  3. S: 使 . 匹配包括换行在内的所有字符。
  4. M: 多行模式，即 ^ 和 $ 匹配每一行的开头和结尾。

注意：可以同时使用福多个功能标志位，比如 flags=re.I|re.S。

实例 ​

  1. 下面使用贪婪和非贪婪两种模式来匹配 HTML 元素，分别，如下所示：
python
import re
html = `
    <div><p>www.baidu.com</p></div>
    <div><p>sunsetz</p></div>
`
# 贪婪模式
pattern = re.compile('<div>(.*?)</div>', re.S)
result = pattern.findall(html)
print(result)

# 非贪婪模式
pattern = re.compile('<div>(.*?)</div>', re.S)
result = pattern.findall(html)
print(result)
  1. 通过正则表达式分组可以从匹配的信息中提取出想要的信息。
python
#正则表达式分组
website="编程帮 www.biancheng.net"

#提取所有信息
#注意此时正则表达式的 "." 需要转义因此使用 \.
pattern_1=re.compile('\w+\s+\w+\.\w+\.\w+')
print(pattern_1.findall(website))

#提取匹配信息的第一项
pattern_2=re.compile('(\w+)\s+\w+\.\w+\.\w+')
print(pattern_2.findall(website))

#有两个及以上的()则以元组形式显示
pattern_3=re.compile('(\w+)\s+(\w+\.\w+\.\w+)')
print(pattern_3.findall(website))
  1. 实战演练：从下面的 HTML 代码中使用 re 模块提取出两部影片的名称和主演信息
python
html="""
<div class="movie-item-info">
<p class="name">
<a title="你好，李焕英">你好，李焕英</a>
</p>
<p class="star">
主演：贾玲,张小斐,沈腾
</p>    
</div>

<div class="movie-item-info">
<p class="name">
<a title="刺杀，小说家">刺杀，小说家</a>
</p>
<p class="star">
主演：雷佳音,杨幂,董子健,于和伟
</p>    
</div> 
"""
# 寻找HTML规律，书写正则表达式，使用正则表达式分组提取信息
pattern=re.compile(r'<div.*?<a title="(.*?)".*?star">(.*?)</p.*?div>',re.S)
r_list=pattern.findall(html)
print(r_list)
# 整理数据格式并输出
if  r_list:
    for r_info in  r_list:
        print("影片名称：",r_info[0])
        print("影片主演：",r_info[1].strip())
        print(20*"*")