Python高级——正则表达式 re模块 2.高级应用

re模块的高级应用

1、search

执行正则表达式搜索，（只用填写要搜索的数字类型和重复次数）并且在搜索结束后返回所匹配到的串，只返回第一次匹配到的结果

求出帖子阅览的次数：

>>> import re >>> res = re.search(r"\d+","当前浏览量是8808次") >>> res.group() '8808'

倘若用search方法查找多个数据，则只返回一个数据，其余的数据不会返回，这是因为search方法在找到第一个满足条件的数据后，不会再继续查找。请看如下例子，“\d” 查找一位数字,"\d+"查找一位以上数字,"\d*"查找0到多个数字,但是只返回了第一个为数字数据：

那么若要返回多个数据,我们该怎么办呢?这时就用到了findall( )方法.

2、findall和finditer

匹配所有的对象，返回一个列表

>>> re.findall(r"\d+","1 当前浏览量是8808次，回帖人数是200人") ['1', '8808', '200']

继续上面的例子,我们用findall()方法,字符串中所有的数字都被搜索到了,并且返回了一个列表:

但是在实际应用中若数据较为庞大,都要以列表的形式全部返回吗?这样是非常占用内存的.  可以使用finditer()方法:

finditer  :  但是返回一个迭代器iterator，这个iterator yield match objects.返回顺序、内容和re.findall()相同

下面是finditer方法，此时用变量a接住,打印a可以看到是callable_iterator即可调用的迭代器,然后用next()方法依次输出结果:

这样做的目的在很大程度上节约 了内存空间.

3、sub

实现查找替换，用法：re.sub（“要替换的对象”，“新值”，str）

>>> re.sub(r"\d+","1024","当前浏览量是8808次") '当前浏览量是1024次' 还可使用函数来操作匹配到的对象 def add(temp):      return str(int(temp.group())+1) re.sub(r"\d+",add,"当前浏览量是8808次,200") 结果为：'当前浏览量是8809次,201'

4、split

分割字符串，结果返回列表：用法：re.split（“分割依据”，str）

a =re.split（" ,","你好，我是a，他是b，你是?"）

5、compile

compile用来编译正则表达式模式字符串，并生成Regular Expression Objects。

compile(pattern, flags=0)     Compile a regular expression pattern, returning a pattern object.

flags有很多可选值：

Ø re.I(IGNORECASE)忽略大小写，括号内是完整的写法

Ø re.M(MULTILINE)多行模式，改变^和$的行为

Ø re.S(DOTALL)点可以匹配任意字符，包括换行符

Ø re.L(LOCALE)做本地化识别的匹配，不推荐使用

Ø re.U(UNICODE) 使用\w \W \s \S \d \D使用取决于unicode定义的字符属性。在python3中默认使用该flag

Ø re.X(VERBOSE)冗长模式，该模式下pattern字符串可以是多行的，忽略空白字符，并可以添加注释

import re str = "LIjianhongJgd" p = re.compile("Li",re.I) # 表示li或略大小写，即LI、li、Li、lI都能匹配 p.match(str) 结果如下： <_sre.SRE_Match object; span=(0, 2), match='LI'>

在以上方法中，最常用的为re.I方法，即忽略字母大小写：

例如：

a = re.compile（“aBc”,re.I） # 这是a相当于原来的re，比之前多了一个不区分大小写的功能

a.match（str）  #  倘若str =“AbC”，也依然能够匹配。

贪婪与懒惰

在Python中正则默认是贪婪模式（个别语言中也可能是非贪婪模式），贪婪模式就是总会尝试匹配更多的字符。

非贪婪模式则反之，总是尝试匹配尽可能少的字符。

在*、？、+、{m,n}后面加上？，可以将贪婪模式变成非贪婪模式。

表5.懒惰限定符
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

案例如下：

>>> re.match(r"this .*","this is a number 56-89-89-458-12531") <_sre.SRE_Match object; span=(0, 35), match='this is a number 56-89-89-458-12531'> >>> re.match(r"this .*?","this is a number 56-89-89-458-12531") <_sre.SRE_Match object; span=(0, 5), match='this '> >>> re.match(r".+(\d+-\d+)","this is a number 56-89-89-458-12531") 结果为： <_sre.SRE_Match object; span=(0, 35), match='this is a number 56-89-89-458-12531'> >>> re.match(r".+(\d+-\d+?)","this is a number 56-89-89-458-12531") 结果为： <_sre.SRE_Match object; span=(0, 31), match='this is a number 56-89-89-458-1'>