re模块是Python中的一个内置模块,用于支持正则表达式的操作。正则表达式是一种描述字符串模式的语法,它能够用来匹配、搜索和替换字符串。re模块提供了一系列函数,可以用来执行这些操作,如正则表达式的匹配、查找、替换等。通过re模块,可以更加灵活和高效地处理字符串。
re模块经常被用来处理,爬虫中遇到的网站解析后的字符串信息,非常重要和高效
一,re模块主要实现的三个功能:
1,匹配
re.search()
搜索整个字符串,找到第一个匹配的子串。
result = re.search(r'abc','0abcababcabcd')
print(result,result.start(),result.end(),result.group())
# 匹配到第一个位置
# 返回match
re.match()
从开头开始匹配,搜索整个字符串,找到第一个匹配的字符串,匹配字符串的开始部分。
# result=re.match(r'ab','ababcabcd')
# print(result)
# 从开头匹配,开头匹配不成功,就是None
re.fullmatch ()
尝试从字符串的开头到结尾完全匹配正则表达式,如果匹配成功则返回一个 Match
对象,否则返回 None
。
# result=re.fullmatch(r'ab','ababcabcd')
# print(result)
re.findall()
返回匹配到的所有内容(字符串),返回列表
re.finditer()
返回一个迭代器,迭代器中的内容是一个个的match
#可以通过遍历,得到match中的具体内容(group)
# result = re.findall(r'abc','Abcababcabcd',re.I)
# print(result)
# 返回匹配到的所有内容(字符串),返回列表
# result = re.finditer(r'abc','abcabaaabcdeababc')
# # print(result)
# for data in result:
# print(data.group())
# 返回一个迭代器,迭代器中的内容是一个个的match
# 可以通过遍历,得到match中的具体内容(group)
2,替换
re.sub()
re.subn()
# result = re.sub(r'abc','ghy','abcahabdabcdeabc',count = 1)
# print(result)
# 返回替换后的字符串,可以指定替换次数,默认匹配到的内容全替换
# result = re.subn(r'abc','ghy','abcahabdabcdeabc')
# print(result)
# 返回元组,第一个参数是替换后的字符串,第二个参数是替换的次数
# 替换次数可以自定义
3,分割
re.split()
# result = re.split(r'a\wc','ababcahabcdabdeabc',maxsplit=2)
# print(result)
# 以匹配到的内容为’刀刃‘,切割
# 返回分割后的字符串列表
# 可以通过maxsplit 来指定要分割几次
二,特殊符号
1. wds.^$
\w 匹配数字字母下划线
\W 非 数字字母下划线
\d 仅数字
\D 非数字
\s 空 (制表符,换行符,空格)
\S 非空
. 所有
^ : 以什么为开头 $ :以什么为结尾
# result = re.findall('\w','adaidh _+*-/')
# result = re.findall('\W','adaidh _+*-/')
# result = re.findall('\d','abc125 *-+/\t\n')
# result = re.findall('\D','abc125 *-+/\t\n')
# result = re.findall('\s',' a\t\n+-*/54')
# result = re.findall('\S',' a\t\n+-*/54')
# result = re.findall('.',' a\t\n+-*/54',re.S)
# result = re.findall(r'^ab','abcd\nabcdab',re.M)
# result = re.findall(r'ab$','abca564ab')
2.*+?
# 贪婪模式:尽可能匹配多个
# * 代表有>=0个
# + 代表有>=1 个
# ? 代表有 1 个 或者 0个 (*和+的结合)
# 非贪婪:尽可能匹配少的个数
# 在贪婪模式后加上一个? 即转为非贪婪模式
# result = re.findall('\d*','123ada')
# result = re.findall('\d*?','123ada')
# result = re.findall('\d+','123ada')
# result = re.findall('\d+?','123ada')
# result = re.findall(r'\d?','123456789')
# result = re.findall(r'\d??','123456789')
3.{ },( ),[ ]
# {n} 匹配n个
#{n,m} 匹配n个或者m个,贪婪模式下匹配多的,非贪婪模式匹配少的
# result = re.findall(r'\d{2,4}?','123456987')
#[]
# result = re.findall(r'[123]','123456987')
# result = re.findall(r'[1-6]','123456987')
# 分组()