import  re        这个re就是下面的英文单词,不过不用打出来,打re就行了,下面默认re就是读取正式表达式,regex翻译过来就是正。。。。

永远不要起一个py文件的名字    这个名字和你一致的模块同名

regex

查找

findall:匹配所有 每一项都是列表中的一个元素

ret=re.findall('\d+','xxxxxxxxxxxxx')正则表达式,带匹配的字符串,flag,把一个数字组是一组打出来

ret=re.findall('\d','xxxxxxxxxxxxxxx')正则表达式,带匹配的字符串,flag,每一个数字单独打出来

print(ret)

search:只匹配从左到右的第一个,得到的不是直接的结果,而是一个变量,通过这个变量的group方法来获取结果

如果没有匹配到,会返回None,使用group会报错

ret=re.search('\d+','xxxxxxxxxxxxx')

pritn(ret)    内存地址,这是一个正则匹配的结果

print(ret.group())  这样才通过ret.group()获取真正的结果    但是只会获取第一个数字串

 

ret=re.search('\d','无数字的字符串‘)

print(ret)      这个打印的是None  没有地址

print(ret.group())       这个就是直接报错了

 

ret=re.search('\d+','字符串‘)

if ret :    #内存地址,这是一个正则匹配的结果

  print(ret.group())   通过ret.group()获取真正的结果

 

match 从头开始匹配,相当于search中的正则表达式加上一个^

ret=re.match('\d$','字符串')

print(ret)       这个是个坑 默认要求一个^ 带一个$就是只取数字了,字符串不是纯数字就None,报错

字符串处理的扩展:替换  切割

split

s='alex83taibai40egon25'

ret=re.split('\d+',s)      这个s必须在最后,否则就是打印d那些了

print(ret)

 

sub      把xx换成xx   字符串   ,后面可以有数字,没有就是满足条件的都来,

ret=re.sub('\d+','h',‘字符串’)     把这个字符串里的数字(组)都换成h  没有加号就是每个数字

ret=re.sub('\d+',h,'字符串',1)      把这个字符串里的第一个数字(组)换成h,同上

 

subn  返回一个元素组,第二个元素是替换的次数

ret=re.subn('\d+','h','字符串')这个打印出来在正常换完的基础上,后面多一个数字告诉你换了几次,这个后面自己加数,就是等于普通的sub了

 

re模块的进阶:时间/空间

compile      节省你使用正则表达式解决问题的时间

先编译出一个正则表达式,编译成一个变量,在接下来就可以直接使用这个变量了,节省时间

# ret = re.compile('\d+')   # 已经完成编译了

# print(ret)

# res = ret.findall('alex83taibai40egon25')

# print(res)

# res = ret.search('sjkhk172按实际花费928')

# print(res.group())

    现在ret就是/d的意思了

 

finditer  节省你使用正则表达式解决问题的空间/内存

ret=re.finditer('\d+','字符串')

for i in ret

  print(i.group())  这个i就等于ret了这很正常

 

findall  返回列表,找到所有的匹配项

search 匹配,就返回一个变量,通过group取匹配到的第一个值,不匹配就返回None,group会报错

match  相当于search的正则表达式中加个‘^‘

 

spilt   返回列表,按照正则规则切割,默认匹配到的内容会被切掉

sub/subn  替换,按照正则规则去寻找要被替换掉的内容,subn,返回元组,第二个值是替换的次数

 

compile  编译一个正则表达式,用这个结果去 search,match,findall,finditer 能够节省时间

finditer 返回一个迭代器,所有的结果都在这个迭代器中美需要进行循环+group的形式取值,能够节省内存

 

import  re

s='<a>字符串</a>'   标签语言 html网页

ret=re,search('<(\w+)>(\w+)</(\w+)>',s)  这个s只能在条件后面

print(ret.group())  打印所有的结果,

print(ret.group(1))   数字参数代表的是取对应分组中的内容  以w+为一组

 

为了findall也可以顺利取到分组中的内容,有一个特殊的语法,就是优先显示分组中的内容

ret=re.findall('(\w+),s)

print(ret)      这样把左右两边的的a也打印出来了

ret_re.findall('>(\w+)<',s)

print(ret)      这样就是只打印中间的字符串了

 

取消分组优先(?:正则表达式)

ret=re.findall('\d+(\.\d+)?','数字串例如小数1.234*4。3‘)   在括号的最前面加?:(?:\.\d+)

print(ret)                    取消优先,别的不取消

分组约束某一组字符出现的次数,分组帮助你更精准的找到你真正需要的内容

 

split

 ret = re.split('\d+','alex83taibai40egon25')

 print(ret)

 ret = re.split('(\d+)','alex83taibai40egon25aa')

 print(ret)       这个比较小众,这样切割完数字会保留下来

 

分组命名 (?P<这个组的名字>正则表达式)

s = '<a>wahaha</a>'

 ret = re.search('>(?P<con>\w+)<',s)

 print(ret.group(1))

 print(ret.group('con'))       这个就是命名个分组,然后打印分组

s = '<a>wahaha</a>'

pattern = '<(\w+)>(\w+)</(\w+)>'

 ret = re.search(pattern,s)

 print(ret.group(1) == ret.group(3))  这个用py自己内置模块来判断两边是否相同

使用前面的分组 要求使用这个名字的分组和前面同名分组中的内容匹配的必须一致

pattern = '<(?P<tab>\w+)>(\w+)</(?P=tab)>'

 ret = re.search(pattern,s)

 print(ret)    这个用正则表达式来做是否相同

应用有 时间啊2018-1-1   2:22:00    命名中间的必须一样才行,

 

正则表达的一个小技巧,如果你要写的太没特点了,就把其他的都弄出来,反着来把它弄出来

 ret=re.findall(r"\d+","1-2*(60+(-40.35/5)-(-4*3))")

 从"1-2*(60+(-40.35/5)-(-4*3))"中取整数

 ['1', '2', '60', '40', '35', '5', '4', '3']

 print(ret)

# 你要匹配的内容太没有特点了 容易和你不想匹配的内容混在一起

# 精准的取到整数 过滤掉小数

 

ret=re.findall(r"\d+\.\d+|\d+","1-2*(60+(-40.35/5)-(-4*3))")

print(ret)

ret=re.findall(r"\d+\.\d+|(\d+)","1-2*(60+(-40.35/5)-(-4*3))")

ret.remove('')

print(ret)

 

# 正则表达式如果写的足够好的话 能够最大限度的简化我们的操作

 

# 正则表达式到底重要到什么程度

    # 掌握作业中的所有内容

    # 能够看懂常用的正则表达式

    # 并且能够做出一些公司特异性要求的修改