在Python中使用正则表达式(re模块)

注：正则表达式语法的学习链接请点击： 正则表达式

一.导入re模块 

import re

二.常用的功能函数

1.re.findall(pattern,string,flags=0)

re.findall()会在字符串string中找到正则表达式pattern所匹配的所有子串, 并返回一个列表, 如果没有找到匹配的, 则返回空列表。flags可以省略。

import re
s="my telephone number is 10086 ,and my girlfriend's telephone number is 10010."
list = re.findall(r'\d+',s)
print(list)

输出结果为：

['10086', '10010']

2.re.finditer(pattern,string,flags=0)

re.finditer()会在字符串string中找到正则表达式pattern所匹配的所有子串, 并返回一个迭代器。flags可以省略。从迭代器中取数据应用到it.group()获得（组）的数据。

import re
s="my telephone number is 10086 ,and my girlfriend's telephone number is 10010."
it = re.finditer(r'\d+',s)
for i in it:
    print(i.group())

输出结果为：

10086
10010

3.re.match(pattern,string,flags=0)

从字符串的起始位置匹配(可以认为是在正则表达式前加了^), 匹配成功, 返回一个匹配的对象, 否则返回None.

比如下列代码将无法匹配成功，程序返回None：

import re
s="my telephone number is 10086 ,and my girlfriend's telephone number is 10010."
s = re.match(r'\d+',s)
print(s.group())

代码改为下面这种，将匹配到数据：

import re
s="123my telephone number is 10086 ,and my girlfriend's telephone number is 10010."
s = re.match(r'\d+',s)
print(s.group())

采集到的数据为 123

4.re.search(pattern,string,flags=0)

re.search()会扫描整个字符串并返回第一个成功的匹配。

import re
s="my telephone number is 10086 ,and my girlfriend's telephone number is 10010."
s = re.search(r'\d+',s)
print(s.group())

输出结果为：

10086

5.re.complie(pattern,flags=0)

将正则表达式传入, 并返回一个匹配对象, 一般与其他方法组合使用，这种方式称作预加载正则表达式，是对以上各方式的优化。例如：

import re
s="my telephone number is 10086 ,and my girlfriend's telephone number is 10010."
obj = re.compile(r'\d+')
list= obj.findall(s)
print(list)

补：flags参数的使用

flags是一个可选参数，表示匹配模式，比如忽略大小写，多行模式等，可在以上所有函数中添加该参数（若在预加载函数compile中添加，调用该对象时不用再次添加）。例如：
    re.I 忽略大小写
    re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
    re.M 多行模式
    re.S 即为 . 并且包括换行符在内的任意字符（因为. 不包括换行符）
    re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
    re.X 为了增加可读性，忽略空格和 # 后面的注释

三.案例：使用正则表达式的二次筛选提取特定数据

首先看下面这个代码：

import re

s="""
<div class='jay'><span id='1'>周杰伦</span></div>64645
<div class='joker'><span id='2'>薛之谦</span></div>dsdgs
<div class='eason'><span id='3'>陈奕迅</span></div>sdgg
<div class='jj'><span id='4'>林俊杰</span></div>dsgdsg
<div class='jolin'><span id='5'>蔡依林</span></div>dsgdsg
"""
#预加载正则表达式
obj = re.compile(r"<div class='.*?'><span id='\d+'>.*?</span></div>",re.S)
it = obj.finditer(s)
for i in it:
    print(i.group())

该代码提取的结果为：

<div class='jay'><span id='1'>周杰伦</span></div>
<div class='joker'><span id='2'>薛之谦</span></div>
<div class='eason'><span id='3'>陈奕迅</span></div>
<div class='jj'><span id='4'>林俊杰</span></div>
<div class='jolin'><span id='5'>蔡依林</span></div>

这是正则表达式完成了第一次筛选。

而我们如果要想在该次正则提取到的数据中，取出类似'jay'和'周杰伦'这样的数据，就要经过第二次筛选,此时要用到（组）这个概念。

（组）的形式为 (?P<name>pattern) pattern为选中的正则表达式组，name即是该表达式组的组名。可以通过.group(name)来提取组中的数据。例如：

import re

s="""
<div class='jay'><span id='1'>周杰伦</span></div>64645
<div class='joker'><span id='2'>薛之谦</span></div>dsdgs
<div class='eason'><span id='3'>陈奕迅</span></div>sdgg
<div class='jj'><span id='4'>林俊杰</span></div>dsgdsg
<div class='jolin'><span id='5'>蔡依林</span></div>dsgdsg
"""
#预加载正则表达式
obj = re.compile(r"<div class='(?P<ss>.*?)'><span id='\d+'>(?P<name>.*?)</span></div>",re.S)

it = obj.finditer(s)

for i in it:
    print(i.group('ss'),i.group('name'),sep=' ')

该代码相对上一个代码唯一的改动即为预加载函数那一行代码。运行结果为：

jay 周杰伦
joker 薛之谦
eason 陈奕迅
jj 林俊杰
jolin 蔡依林

实现了对正则表达式所提取数据的二次提取。