re模块常用方法
- re.compile()
该方法用来生成正则表达式对象,其语法格式如下:
regex=re.compile(pattern,flags=0)
参数说明:
pattern:正则表达式对象。
flags:代表功能标志位,扩展正则表达式的匹配。 - re.findall()
根据正则表达式匹配目标字符串内容。
re.findall(pattern,string,flags=0)
该函数的返回值是匹配到的内容列表,如果正则表达式有子组,则只能获取到子组对应的内容。参数说明如下:
pattern:正则表达式对象。
string:目标字符串
flags:代表功能标志位,扩展正则表达式的匹配。 - regex.findall()
该函数根据正则表达式对象匹配目标字符串内容。其语法格式如下:
regex.findall(string,pos,endpos)
参数说明:
string 目标字符串。
pos 截取目标字符串的开始匹配位置。
endpos 截取目标字符串的结束匹配位置。 - re.split()
该函数使用正则表达式匹配内容,切割目标字符串。返回值是切割后的内容列表。参数说明:
re.split(pattern,string,flags = 0)
参数说明:
pattern:正则表达式。
string:目标字符串。
flags:功能标志位,扩展正则表达式的匹配。 - re.sub
该函数使用一个字符串替换正则表达式匹配到的内容。返回值是替换后的字符串。其语法格式如下:
re.sub(pattern,replace,string,max,flags = 0)
其参数说明:
pattern:正则表达式。
replace:替换的字符串。
string:目标字符串。
max:最多替换几处,默认替换全部,
flags:功能标志位,扩展正则表达式的匹配。 - re.search()
匹配目标字符串第一个符合的内容,返回值为匹配的对象。语法格式如下:
re.search(pattern,string,flags=0)
参数说明:
pattern:正则表达式
string:目标字符串
flags功能标志位
功能标志位的作用是扩展正则表达的匹配功能。常用的 flag 如下所示:
flag功能标志位
缩写元字符 说明
A 元字符只能匹配 ASCII码。
I 匹配忽略字母大小写。
S 使得.元字符可以匹配换行符。
M 使 ^ $ 可以匹配每一行的开头和结尾位置。
注意:可以同时使用福多个功能标志位,比如 flags=re.I|re.S。
下面使用贪婪和非贪婪两种模式来匹配 HTML 元素,分别,如下所示:
import re
html=“”"
www.biancheng.net
编程帮
""" #贪婪匹配,re.S可以匹配换行符 #创建正则表达式对象 pattern=re.compile('
.*
',re.S) #匹配HTMLX元素,提取信息 re_list=pattern.findall(html) print(re_list) #非贪婪模式匹配,re.S可以匹配换行符 pattern=re.compile('
.*?
',re.S) re_list=pattern.findall(html) print(re_list) 输出结果: ['
www.biancheng.net
\n
编程帮
'] ['
www.biancheng.net
', '
编程帮
'] 从上述输出结果可以得出非贪婪模式比适合提取 HTML 信息。 正则表达式分组 通过正则表达式分组可以从匹配的信息中提取出想要的信息。示例演示: #正则表达式分组 website="编程帮 www.biancheng.net" #提取所有信息 #注意此时正则表达式的 "." 需要转义因此使用 \. pattern_1=re.compile('\w+\s+\w+\.\w+\.\w+') print(pattern_1.findall(website)) #提取匹配信息的第一项 pattern_2=re.compile('(\w+)\s+\w+\.\w+\.\w+') print(pattern_2.findall(website)) #有两个及以上的()则以元组形式显示 pattern_3=re.compile('(\w+)\s+(\w+\.\w+\.\w+)') print(pattern_3.findall(website)) 输出结果: ['编程帮 www.biancheng.net'] ['编程帮'] [('编程帮', 'www.biancheng.net')] 正则表达式分组是提取信息的常用方式。当需要哪个特定信息的时候,就可以通过分组(也就是加括号)的方式获得。