python 正则表达式深入（十七）

﹏ヽ暗。殇╰゛Y 2023-10-05 00:50 4阅读 0赞

#### python中使用正则表达式的方法： ####

1、match(): 默认匹配开头, 满足匹配就返回, 如果要匹配结尾需要手动加上 $ 符号;  
2、search(): 不匹配开头,而是从开头往后进行搜索,只要匹配到了(一个)满足条件的数据就返回,之后的就不再管了；  
3、findall(): 不匹配开头,而是从开头往后进行搜索, 匹配到所有满足条件的数据,返回一个列表，不能使用group();

**案例1：使用match()或者search(), 数据的提取（1个）熊出没视频点击量:1098484**

str_='熊出没视频点击量是:1098484'
    result = re.match(r'熊出没视频点击量是:(\d+)$',str_)
    print(result)
    print(result.group())
    print(result.group(1))
    
    # 目标: 不想要从头开始匹配视频点击量:1098484
    str_='熊出没视频点击量是:1098484'
    result =re.search(r'\d+',str_)
    print(result)
    print(result.group())

![20210303143203327.png][]

**案例2：使用match()或者search(), 数据的提取（多个） 熊出没视频点击量是:1098484,下载量:168,转发量:987**

str_='熊出没视频点击量是:1098484,下载量:168,转发量:987'
    #注意“，”不能使用中文哦！
    result = re.match(r'熊出没视频点击量是:(\d+),下载量:(\d+),转发量:(\d+)$',str_)
    print(result.group(1))
    print(result.group(2))
    print(result.group(3))
    
    #使用search()只能查找到1个，就返回，之后的数据不管。
    str_='熊出没视频点击量是:1098484,下载量:168,转发量:987'
    result = re.search(r'\d+',str_)
    print(result.group())

![20210303143453924.png][]

**案例3：使用findall()查找所有的数据匹配,返回是列表\[\]，如果没有，则返回空列表\[\]。**

str_='熊出没视频点击量是:1098484,下载量:168,转发量:987'
    result = re.findall(r'\d+',str_)
    #如果匹配不成功时，那么就返回空列表[]
    #result = re.findall(r'[a-z]+',str_)
    print(result)

![20210303143642641.png][]

**案例4：爬虫提取 : 使用findall 与 分组 进行数据提取**

str_='''<div class="font">位置：F-G（23号）
 身高：2.06米/6尺9体重：113公斤/250磅
 生日：1984-12-30
 球队：<a target="_blank" title="洛杉矶湖人" style="color:red" href="https://nba.hupu.com/teams/lakers">洛杉矶湖人</a>
 选秀：2003年第1轮第1顺位
 国籍：美国
 </div>
 '''
 result =re.findall(r'(.*?)',str_)
 print(result)

![20210303144540168.png][]

说明：

1.把想要提取的部分用括号括起来, .\*? 非贪婪 (.\*?) > 代表的是想要被提前的数据

2."(.\*?)" 想要提取的部分前面的数据是 , 后面的数据是

#### **re正则表达式：**    (1) 贪婪: 默认是贪婪的,能取多少就取多少。=>（.\*)   (2) 非贪婪: 变成不贪婪的,尽量少取。 =>（.\*?) ####

import re
 #只提取第一个a后面的mike,第二个a不需要。
 #<img>,,<h1>,<ul>....
 str_='<a>mike<a>http'
 # .* (1) 正则表达式默认的是贪婪的: 能取多少就取多少
 # result = re.match(r'<.*>\w+',str_)
 # .*? (2) 非贪婪的: 能少取尽量少取
 result = re.match(r'<.*?>\w+',str_)
 print(result.group())

![2021030314503969.png][] ![20210303145020318.png][]

#### r的作用: 原生字符串 ####

#起到转义效果
    str_='c:\\pic\\demo\\one'
    print(str_)
    
    #r就是原生的效果，不起转义哦！
    str_=r'c:\\pic\\demo\\one'
    print(str_)

![20210303145230700.png][]

**补充：sub()替换 和split()切割的使用**

'''
     sub(正则表达式，替换值，原字符串） >替换  如：str.replace()
     先正则定位，再替换数据哦！
    '''
    # str_='熊出没视频点击量是:1098484'
    # result = re.sub(r'\d+','123569',str_)
    # print(result)
    
    '''
     split(正则表达式，原字符串） >切割 如：str.split()
    '''
    # str_='peanut>butter,pervent,tattoo>accident>perspective'
    # result=re.split(r',|>',str_)
    # print(result)

![20210303145409178.png][]

[20210303143203327.png]: https://img-blog.csdnimg.cn/20210303143203327.png
[20210303143453924.png]: https://img-blog.csdnimg.cn/20210303143453924.png
[20210303143642641.png]: https://img-blog.csdnimg.cn/20210303143642641.png
[20210303144540168.png]: https://img-blog.csdnimg.cn/20210303144540168.png
[2021030314503969.png]: https://img-blog.csdnimg.cn/2021030314503969.png
[20210303145020318.png]: https://img-blog.csdnimg.cn/20210303145020318.png
[20210303145230700.png]: https://img-blog.csdnimg.cn/20210303145230700.png
[20210303145409178.png]: https://img-blog.csdnimg.cn/20210303145409178.png