re

import re
#findall匹配字符串中所有的符合正则的内容【返回列表】
list=re.findall(r'\d+','我的电话号码：10085，女女电话号：587744')  #正则前面加个r 有益无害
print('findall',list)

#finditer:匹配字符串中所有的内容【返回迭代器（效率高）】，从中拿内容.group()
it=re.finditer(r'\d+','我的电话号码：10085，女女电话号：587744')
print(it)
for i in it:
    print('finditer',i.group())#拿到返回的内容

#search,找到一个结果就返回 ，是match对象，拿内容用.group()
it=re.search(r'\d+','我的电话号码：10085，女女电话号：587744')
print('search',it.group())


#match从头匹配一个（上面的都是全文匹配），开头匹配不到就为空(None)
it=re.match(r'\d+','10085，女女电话号：587744')
print('match',it.group())


# compile预加载正则表达式,速度快，可重复用
obj=re.compile(r'\d+')
ret=obj.finditer('我的电话号码：10085，女女电话号：587744')
for i in ret:
    print(i.group())#拿到返回的内容

#sub替换
data='������Z��
 (���6ae9274e:下次丕定@���b51199575929651205p����'
string_code = re.sub(r"([^\u4e00-\u9fa5])","",data)
print(string_code )
表面上是替换所有汉字为空，实际上通过（）保留匹配的汉字
^ 匹配字符串的开始  （必要）

常用正则表达的元字符、量词、贪婪匹配+惰性匹配

#元字符: 具有固定含义的特殊符号 常⽤元字符: 
.   匹配除换⾏符以外的任意字符
\w 匹配字⺟或数字或下划线
\s 匹配任意的空⽩符
\d 匹配数字
\n 匹配⼀个换⾏符
\t 匹配⼀个制表符
^ 匹配字符串的开始
$ 匹配字符串的结尾
\W 匹配⾮字⺟或数字或下划线
\D 匹配⾮数字
\S 匹配⾮空⽩符
a|b 匹配字符a或字符b
 () 匹配括号内的表达式，也表示⼀个组
[...] 匹配字符组中的字符
 [^...] 匹配除了字符组中字符的所有字符
# re.sub(r"([^\u4e00-\u9fa5])","",data)  
#匹配date里面除了汉字的所有字符，将他们替换成空


#量词: 控制前⾯的元字符出现的次数
* 重复零次或更多次
+ 重复⼀次或更多次
? 重复零次或⼀次
{n} 重复n次
 {n,} 重复n次或更多次
{n,m} 重复n到m次


#贪婪匹配和惰性匹配
.* 贪婪匹配
.*? 惰性匹配

在线正则表达式测试

给匹配到的想要的内容起别名group()  --> groupdict()  csv文件创建使用

obj=re.compile(r'<li>.*?<div class="pic">.*?<span class="title">(?P<name>.*?)</span>.*?<p.*?<br>.*?(?P<years>.*?)&nbsp',re.S)

#compile预加载

result=obj.finditer(page_content)

f=open("csv/top250.csv", mode='w', encoding='utf-8')
csvwriter=csv.writer(f)  #创建一个写的对象
for i in result:
    # print(i.group('name'))
    # print(i.group('years').strip())  #去除多余空白
    dic=i.groupdict()  #groupdict()它返回一个字典，键名是起的名字，键值是匹配到的值
    dic['years']=dic['years'].strip()
    csvwriter.writerow(dic.values())  #写入dic字典的values

f.close() #打开的文件关掉

匹配一些特殊的东西（汉字、数字、大小写字母等的unicode范围）

正则表达式 - 去掉乱码字符/提取字符串中的中文字符/提取字符串中的大小写字母 - Python代码

 

 

 

obj=re.compile(r'<li>.*?<div class="pic">.*?<span class="title">(?P<name>.*?)</span>.*?<p.*?<br>.*?(?P<years>.*?)&nbsp',re.S)
#re.S顿时有了作用