史上最详 python Re库中的match、search、findall、finditer函数

<阿睿>

已于 2022-06-06 11:16:31 修改

阅读量2.8k

点赞数 3

分类专栏：爬虫文章标签：正则表达式 python

于 2021-04-20 22:49:24 首次发布

本文链接：https://blog.csdn.net/qq_45288176/article/details/115913630

版权

爬虫专栏收录该内容

2 篇文章

订阅专栏

本文介绍了Python中正则表达式的四种主要应用方法：match、search、findall及finditer，并通过实例展示了它们的区别与使用场景。此外，还提供了一个爬虫项目案例，演示了如何利用正则表达式解析网页内容。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一，代码格式

1、match

re.match(pattern, string[, flags])

从首字母开始开始匹配，string如果包含pattern子串，则匹配成功，返回Match对象，失败则返回None，若要完全匹配，pattern要以$结尾。

2、search

re.search(pattern, string[, flags])

若string中包含pattern子串，则返回Match对象，否则返回None，注意，如果string中存在多个pattern子串，只返回第一个。

3、findall

re.findall(pattern, string[, flags])

返回string中所有与pattern相匹配的全部字串，返回形式为数组。

4、finditer

re.finditer(pattern, string[, flags])

返回string中所有与pattern相匹配的全部字串，返回形式为迭代器。

pattern : 正则中的模式字符串。
string : 要被查找替换的原始字符串。
flags : 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

补充：Pattern是java.util.regex（一个用正则表达式所订制的模式来对字符串进行匹配工作的类库包）中的一个类。一个Pattern是一个正则表达式经编译后的表现模式

二，例子详解

1.match 和search

import re
s = '23432werwre2342werwrew'
p = r'(\d*)([a-zA-Z]*)'
m = re.match(p,s)       ||     m=re.search(p,s)
m.group()
print(1,m.group())
print(2,m.group(0))
print(3,m.group(1))
print(4,m.group(2))
结果都如下：

1 23432werwre
2 23432werwre
3 23432
4 werwre

我们发现，实际上search和match函数十分相似，但是怎么区别他们呢？

match

re.match()是从第一个字符开始一个一个字符去匹配知道匹配一模一样的就返回匹配的结果并且结束。如果在从开头，往后匹配的过程中发现任何一个字符不匹配结束匹配返回None

search

re.search()方法扫描整个字符串，并返回第一个成功的匹配。如果匹配失败，则返回None。re.search()并不要求必须从字符串的开头进行匹配，也就是说，正则表达式可以是字符串的一部分。

import re

line = "Cats are smarter than dogs"

matchObj = re.match( r'dogs', line, re.M|re.I)

if matchObj:

print ("match --> matchObj.group() : ", matchObj.group())

else:

print ("No match!!")

matchObj = re.search( r'dogs', line, re.M|re.I)

if matchObj:

print ("search --> matchObj.group() : ", matchObj.group())

else:

print ("No match!!")

运行结果如下：

No match!!
search --> matchObj.group() :  dogs

三，项目运用

import re
import requests
url="http://www.dytt89.com/"
resp=requests.get(url,verify=False)#去掉安全验证
resp.encoding='gb2312'#指定字符集
# print(resp.text)

obj1 = re.compile(r'2021必看热片.*?<ul>(?P<ul>.*?)</ul>',re.S)
obj2 = re.compile(r"<a href='(?P<href>.*?)'", re.S)
obj3 = re.compile(r'◎片　　名(?P<movie>.*?)<br />.*?<td '
                  r'style="WORD-WRAP: break-word" bgcolor="#fdfddf"><a href="(?P<download>.*?)">', re.S)
result=obj1.finditer(resp.text)
child_href_list = []
for it in result:
    ul=it.group("ul")
    # print(it.group("ul"))
    #提取子页面的链接
    result1=obj2.finditer(ul)
    for itt in result1:
        newurl=url+itt.group("href").strip("/")
        child_href_list.append(newurl)
        # print(itt.group("href"))
for href in child_href_list:
    child_resp = requests.get(href, verify=False)  # 去掉安全验证
    child_resp.encoding = 'gb2312'  # 指定字符集
    # print(child_resp.text)
    result3 = obj3.search(child_resp.text)
    print(result3.group("movie"))
    print(result3.group("download"))