python re正则表达式findall捕获组

小灰灰 2023-09-26 20:32 39阅读 0赞

import re
    a="(021)66664324-01"
    #re.findall优先考虑组而不是匹配项，它还会返回列表中的结果，但search不会
    #在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
    #注意： match 和 search 是匹配一次;   findall 匹配所有。
    b1=re.findall('\)(.*)-',a)
    print(b1)  #输出:  ['66664324']   #优先考虑组
    
    b3=re.findall('\).*-',a)
    print(b3)   #输出:  [')66664324-']
    
    print('-------------------')
    b2=re.search('\)(.*)-',a).group()
    print(b2) #输出: )66664324-
    #尝试在re.search中group()打印整个匹配项，
    #而group（1）仅打印捕获的组1（组索引1内部存在的printig字符）
    b4=re.search('\)(.*)-',a).group(1)
    print(b4) #输出:  66664324

import pandas as pd
    import re
    
    # 构造dataframe数据
    df_text = pd.DataFrame({
        'sentence': ['#Obama, says goodbye', 'Just a simple, #egg']})
    
    # 将功能封装成一个方法
    def find(text):
        h = re.findall(r'#(\w+)', text)
        print(h)
        return ''.join(h)
    
    # pandas 结合 apply和lambda函数处理某列内容
    df_text['new'] = df_text['sentence'].apply(lambda x: find(x))
    print(df_text)
    print('------------------')
    # 清洗掉一些符号
    """ (function) def sub(
        pattern: str | Pattern[str],
        repl: str | ((Match[str]) -> str),
        string: str,
        count: int = 0,
        flags: _FlagsType = 0
    ) -> str """
    df_text['sentence']=df_text.sentence.astype('str').apply(
        lambda x: re.sub('[0-9+,，.。…、“”^_?:：’‘''""（）#()；;【】!！*？]+', '', x))
    print(df_text)

#compile(pattern, flags=0) 
    #    Compile a regular expression pattern, returning a pattern object.
     
    #从compile()需要和findall(), search(), match(）搭配使用。 
    #compile()与findall()一起使用，返回一个列表。
     
    import re
         
    def main():
            content = 'Hello, I am Jerry, from Chongqing, a montain city, nice to meet you……'
            regex = re.compile('\w*o\w*')
            x = regex.findall(content)
            print(x)
         
         
    if __name__ == '__main__':
            main()
        # ['Hello', 'from', 'Chongqing', 'montain', 'to', 'you']

# 将数字替换为'xx'
    s = '@23ab45cd'
    p = r'\d+'
    res = re.sub(p, 'xx', s) #使用正则替换字符串——re.sub
    print('替换结果：', res)
     
    # 输出：替换结果： @xxabxxcd

#search搜索整个字符串，直到遇到第一个匹配的值。如果没有匹配值，返回None。
    s = '@23ab45cd'
    p = r'\d+'
    res = re.search(p, s) #匹配第一个符合的字符串片段——re.serach
    if res:
        print('匹配结果：', res.group())
     
    # 输出：匹配结果： 23

import re
    s = '23ab45cd'
    p = r'\d+'
    res = re.match(p, s) 
    #re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
    #相当于你的正则表达式要和整个字符串匹配，遇到不匹配的字符直接返回None。
    print(res) # 输出：   <re.Match object; span=(0, 2), match='23'>
    if res:
        print('匹配开始位置：', res.start()) # 输出：匹配开始位置： 0
        print('匹配结束位置：', res.end())#匹配结束位置： 2
        print('匹配结果：', res.group())#匹配结果： 23

#匹配所有符合的值——re.findall
    #返回所有的匹配结果，以列表形式返回。
    #re.findall优先考虑组()而不是匹配项，它还会返回列表中的结果
    s = '@23ab45cd'
    p = r'\d+'
    res = re.findall(p, s)
    if res:
        print('匹配结果：', res)
     
    # 输出：匹配结果： ['23', '45']

import re
     
    line = "Cats are smarter than dogs"
    # .* 表示任意匹配除换行符（\n、\r）之外的任何单个或多个字符
    # (.*?) 表示"非贪婪"模式，只保存第一个匹配到的子串
    #re.match 只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回 None，
    # 而 re.search 匹配整个字符串，直到找到一个匹配。
    matchObj = re.match( r'(.*) are (.*?) ', line, re.M|re.I)
    if matchObj:
       print ("matchObj.group() : ", matchObj.group())
       print ("matchObj.group(1) : ", matchObj.group(1))
       print ("matchObj.group(2) : ", matchObj.group(2))
    else:
       print ("No match!!")
    # matchObj.group() :  Cats are smarter than dogs
    # matchObj.group(1) :  Cats
    # matchObj.group(2) :  smarter

import re
    #re.finditer
    #和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。
    it = re.finditer(r"\d+","12a32bc43jf3") 
    for match in it: 
        print (match.group(),end="   " ) #输出: 12   32   43   3

import re
    phone = '0110-12345679;0220-123456790000'
    result = re.findall(r'(\d{4}-\d{8})',phone)  #(variable) result: list
    print(result) #  ['0110-12345679', '0220-12345679']
    for match in result: 
        print(match)
    # 0110-12345679
    # 0220-12345679

import re
    reg = re.match(r"hello", "hello world，hello Ms peng!")
    print(reg) #<re.Match object; span=(0, 5), match='hello'>
    #使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
    print(reg.group()) #hello
    
    #re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
    reg2 = re.match(r"([a-zA-Z0-9]{4,20})@(163|126|qq)\.com$", "hmh990506@163.com")
    print('match: ',reg2.group()) #匹配的整个表达式的字符串
    print(reg2.groups()) #('hmh990506', '163')
    
    
    #re.search 扫描整个字符串并返回第一个成功的匹配。
    reg3 = re.search(r"([a-zA-Z0-9]{4,20})@(163|126|qq)\.com$", "My Email:hmh990506@163.com")
    print('search: ',reg3.group())
        
    #re.search 扫描整个字符串并返回第一个成功的匹配
    print(re.search(r"\d+", "阅读次数为99 99R9999").group()) 
    
    #re.findall寻找所有符合正则的项,并返回匹配列表list[]
    #'list' object has no attribute 'group',不需要用.group()
    print('findall: ',re.findall(r"\d+", "python：7777，C：456321，C++：9999"))
    
    #re.sub方法将匹配到的项进行替换
    print('sub: ',re.sub("\\d+", "998", "python=997，C++=10245"))
    
    #re.split方法根据匹配进行切割字符串，并返回一个列表list[]
    print('split: ',re.split(r":| ", "info:hanmh- 21 shanxi"))