标准库模块——re模块

re模块：

正则表达式内嵌在python中，并通过Re模块实现，被编译成一系列的字符码，然后由用C编写的匹配引擎执行。

特点：

功能是匹配字符串使用。

1. 可以动态模糊匹配。（搜索列表中王开头，两个字的人）

2. group可以直接取值。

3. 只要有返回值那么就表示已经匹配到，如果什么都没有那么就表示没有匹配到。

4. 如果有多个，只会匹配第一个就返回

re.match

会从头匹配字符串中取出从第一个字符开始是否符合规则，如果符合，就返回对象。用group取值，如果不符合，就返回None。

import re
 
ret = re.match('<h1>(.*?)</h1>','<h1>123123abc</h1>')
# ret = re.search('^<h1>.*?</h1>','<h1>123123abc</h1>')  #相当于这样写了。
print(ret.group())

re.search

将匹配项中的第一个值取出，如果有值，那么可以使用group来取值。如果没有那么取值时就会报错。

import re
 
ret = re.search('\d','<h1>123123abc</h1>')
print(ret.group())  #只会匹配第一个值
#1

re.findall

返回所有值，所有匹配的字符以列表形式全部返回。未匹配则返回空。

import re
 
ret = re.findall('\d','<h1>123123abc</h1>')  
print(ret)  #无需group参数。
#['1', '1', '2', '3', '1', '2', '3', '1']

re.finditer

在得出的值超过一个的时候，能够有效的较低内存的消耗。将取得的值以迭代器的形式输出。

import re
 
# ret = re.findall('\d','123123123'*2000000)   #这样会占用大量的内存和处理时间。
ret = re.finditer('\d','123123123'*200000)     
for i in ret:
    print(i.group())
print(ret)

re.compile

如果一条正则表达式需要使用多次，那么可以使用complie来进行正则的编辑，编译后可以直接使用而不用再次编译。从而提高效率。

import re
 
ret = re.compile('\d')    #一次编译，多次使用，但只能用作相同的匹配模式时。
re1 = ret.findall('123123abc')
re2 = ret.finditer('123123abc')
re3 = ret.search('123123abc')
print(re1)
print(re2)
print(re3)

re.split

根据正则匹配的字符进行切分，返回列表。

import re
 
ret = re.split('\d','a1b2c3')
print(ret)
#['a', 'b', 'c', '']   最后的空是因为3也匹配了，但分割的时候后面没有值则返回了一个空。
 
#默认不会保留匹配分割的内容，如果想要保留可以使用分组。
ret = re.split('(\d)','a1b2c')
print(ret)
#['a', '1', 'b', '2', 'c']

re.sub

替换正则匹配项。以字符串形式输出。

y=re.sub('[0-9]','|','xuan1ab2ca3c',count = 2) #匹配2次
print(y)
 
xuan|ab|ca3c

re.subn

替换正则匹配项，并输出匹配次数，元组形式输出。

import re
 
y=re.subn('[0-9]','|','xuan1ab2ca3c') 
print(y)   #('xuan|ab|ca|c', 3)

flags的用法：

re.search("[a-z]+","abcdASD",flags=)

flags=re.I: 忽略大小写（括号内是完整写法）
flags=M: 多行模式，改变'^'和'$'的行为
flags=S: 改变'.'的行为,任意匹配模式（包括换行符）默认不匹配换行符

re模块中，（分组）的妙用。

在re模块可以先匹配特定范围内，然后再使用分组来针对性提取想要的内容。

import re
 
ret = re.findall('<h>.*?</h>','3211123ac<h>abc123abc</h>123aasfx')#首先匹配一定范围内
ret1 = re.findall('<h>(.*?)</h>','3211123ac<h>abc123abc</h>123aasfx')#再用分组来提取特定的值
print(ret1)

分组+search

import re
 
ret = re.search('<h1>(.*?)</h1>','<h1>abc123abc321</h1>')
print(ret.group())  #不显示特定分组内容。
#<h1>abc123abc321</h1>
print(ret.group(1))   #当search应用分组后，会在group中添加分组提取的内容。group不写是0.
#abc123abc321

分组+findall

import re
 
ret = re.findall('\d(\d)\d','123abc123')
print(ret)   #只会将分组中的值进行提取打印。
#['2', '2']

分组+split

import re
 
ret = re.split('\d(\d)\d','123abc321')
print(ret)    # 首先匹配3个数字，那么有123和321两个，在进行切割，再将分组提取出来。
#['', '2', 'abc', '2', '']

re模块中，（？）的妙用

分组+?P == 分组命名

import re
 
ret = re.search('(?P<tag>\d).*','a1b2c3')  #(?P<tag>\d)  给\d来做命名
print(ret.group())  #1b2c3
print(ret.group('tag'))   #1

分组+?P=命名 == 引用分组

一般用户前后对称式的查找方式时使用。

1 2	`ret` `=` `re.search('(?P<tag><h1>).*?(?P=tag)','<h1>123abc123<h1>')` `#(?P=tag) #必须要和前面所命名的字符一样才行。否则为None` `print(ret.group())`

分组+?: == 取消分组优先显示

ret = re.findall('(?:<h1>).*','<h1>123abc123<h1>')
print(ret)     #取消分组优先显示，分组只是以个正则的分组特性。['<h1>123abc123<h1>']
ret = re.findall('(<h1>).*','<h1>123abc123<h1>')
print(ret)  #分组优先，则只会显示分组内的内容。['<h1>']