import re
"""
match,只查看是否以确定字符开头
其中span方法,直接返回匹配的位置
其中group,返回匹配的字符(如abcddge wef中查找\w+ is \w+)
匹配条件中”wefwef()wefwef“括号内内容为要取出的内容
"""
print(re.match("Beauti",text).group())
"""
search
从头开始匹配,直到遍历到匹配的第一个
group(0)返回所有匹配的对象,group(1)匹配的第一个对象......
如re.match("(\w+) is ('w+),text).group(1) = Beautiful
"""
c = re.search("ugly",text)
print(c)
"""
sub
re.sub("要替换的字符串","替换成",搜索的文件,count替换几次)
默认替换所有
"""
"""
split
re.split(",",text)
"""
"""
findall
re.findall()返回所有匹配对象,列表形式
"""
re.findall("than (\w+)",text)#返回符合匹配条件的than后的对象
re.findall("href='(\w*.\w*)").findall()
#其中”.“表示点(href='image1.jpg')
"""
compile
预编译,增加运行速度
使用方法:
1.提前re.compile赋值给变量,再使用变量查找
2.re.compile("").findall(text)
"""
"""
常用:
^ 匹配字符串的开头
$ 匹配字符串的末尾。
. 匹配任意字符,除了换行符,当re.DOTALL标记被指定时,则可以匹配包括换行符的任意字符。
[...] 用来表示一组字符,单独列出:[amk] 匹配 'a','m'或'k'
[^...] 不在[]中的字符:[^abc] 匹配除了a,b,c之外的字符。
re* 匹配0个或多个的表达式。
re+ 匹配1个或多个的表达式。
re? 匹配0个或1个由前面的正则表达式定义的片段,非贪婪方式
re{ n} 精确匹配 n 个前面表达式。例如, o{2} 不能匹配 "Bob" 中的 "o",但是能匹配 "food" 中的两个 o。
re{ n,} 匹配 n 个前面表达式。例如, o{2,} 不能匹配"Bob"中的"o",但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。
\w 匹配字母数字及下划线
\W 匹配非字母数字及下划线
\s 匹配任意空白字符,等价于 [\t\n\r\f].
\S 匹配任意非空字符
\d 匹配任意数字,等价于 [0-9].
\D 匹配任意非数字
\u4e00-\u9fa5 中文
"""
练习题:
1.删除html中的标签
import re
s = '''<div >
<p > 岗位职责:< /p >
<p > 完成推荐算法、数据统计、接口、后台等服务器端相关工作 < /p >
<p > <br > </p >
<p > 必备要求:< /p >
<p > 良好的自我驱动力和职业素养,工作积极主动、结果导向 < /p >
<p > <br > </p >
<p > 技术要求:< /p >
<p > 1、一年以上 Python 开发经验,掌握面向对象分析和设计,了解设计模式 < /p >
<p > 2、掌握HTTP协议,熟悉MVC、MVVM等概念以及相关WEB开发框架 < /p >
<p > 3、掌握关系数据库开发设计,掌握 SQL,熟练使用 MySQL/PostgreSQL 中的一种 < br > </p >
<p > 4、掌握NoSQL、MQ,熟练使用对应技术解决方案 < /p >
<p > 5、熟悉 Javascript/CSS/HTML5,JQuery、React、Vue.js < /p >
<p > <br > </p >
<p > 加分项:< /p >
<p > 大数据,数理统计,机器学习,sklearn,高性能,大并发。< /p >
</div >'''
p = r"<\s?/?\w+\s?>"
print(re.sub(p, " ", s))
#2.取出单词
import re
s = '''hello world ha ha'''
p = re.split(" ",s)
p2 = re.split(" +",s)
print(p,p2)
#2.将以下网址提取出域名:
import re
s2 = '''
http: // www.interoem.com/messageinfo.asp?id = 35`
http: // 3995503.com/class/class09/news_show.asp?id = 14
http: // lib.wzmc.edu.cn/news/onews.asp?id = 769
http: // www.zy-ls.com/alfx.asp?newsid = 377 & id = 6
http: // www.fincm.com/newslist.asp?id = 415
'''
condi = 'http:[\s\S]+[cn,com]/'
condi1 = '('
print(re.findall(condi,s2))