python正则表达式

写这篇文章主要记录自己学习过程中的一些知识点，基本涵盖了主要功能，还加了点小案例

#统计词频
text="我是一名大学生，一名大二的学生。"
import re
data_list=re.findall('一名',text)
print(len(data_list))

匹配单个字符

import re
text='''real_url: https://****
real_url: http://****'''
data_list=re.findall("[baidu]",text)  #相当于匹配b a i d u单个字符
print(data_list)
# data_list=re.findall("https.",text)  #相当于匹配任意一个单个字符
# print(data_list)

贪婪匹配：有长有短我选长

# data_list=re.findall("https.+?",text)  #和后面只接一个.无区别
# print(data_list)
# data_list=re.findall("https.+",text)  #可以提取出第一个url  贪婪匹配
# print(data_list)
# data_list=re.findall("https\w+",text)  #因为\w不能代表除了字母数字下划线以外的，所以返回none
# print(data_list)

括号分组：不改变原先匹配。但是改变提取效果，如果条件里有多个括号，按顺序返回元组，如果是大括号套着小括号，那么返回元组第一个元素是大括号匹配，第二个是小括号匹配（多用来匹配身份证）或符号：可以让你少写一个表达式，尽量简化，[abc]没办法再加单个字符以外别的固定符号，其他的情况==|，[]还可以[a-zA-Z0-9_-]这样匹配，比|匹配得更广

import re
text='''real_url: https://***
real_url: http://****'''
data_list=re.findall("https.+\s.+",text)  #返回两个，不过有\nreal_url:
print(data_list)
data_list=re.findall("(https.+)\nreal_url:(.+)",text)  #返回两个，说明\s不包括\n
print(data_list)
data_list=re.findall("real_url:(.+)",text)  #效果同上
print(data_list)

re的其他函数一些用法split,sub,finditer，分组命名等

import re
text='''real_url: https://****
real_url: A****'''

data_list=re.findall("real_url:(.+)",text,re.ASCII)  #这里最后的re.ASCII本来可以剔除中文字符，但是好像不能用？？？
print(data_list)
data_list=re.findall("real_url:(?P<name>.+)",text,re.ASCII) 
print(data_list)
data_list=re.finditer("real_url:(?P<name>.+)",text,re.ASCII) 
for item in data_list:
    info_dict=item.groupdict()
    print(info_dict)  #但是用finditer 就可以命名成功
    
data_list=re.split("real_url:",text)  #也可以出来两个url不过会有''\n
print(data_list)

data_list=re.sub("real_url:","链接为",text)  #把real_url:改为链接为
print(data_list)