python正则表达式(2)-Python教程
本节我们来学习Python的内置re模块，re模块用于实现正则表达的操作，它里面提供了很多方法，例如search()、match()、findall()、split()、sub()等，下面我们依次进行学习。
1. search()方法
search方法在输入的字符串中查找，返回第一个匹配的内容，在找到之后返回match对象，未找到返回None。
语法格式如下：
1 | re.search(pattern,string,[flags]) |
pattern表示需要匹配的模式，即以正则表达式来转换string字符串，flags为标志位，用于控制匹配方式。
Flags常用参数如下：
1) A
对于\w、\b、\d等只进行ASCII匹配
2) I
匹配的时候不区分大小写
3) S
使用‘.’字符匹配所有字符
4) X
忽略字符串中为转移的空格及注释
我们通过例题来了解一下，代码如下：
1 2 3 4 | import restring = 'this is www.DOTcpp.com'pattern = r'dotcpp'print(re.search(pattern,string,re.I))#不区分大小写的方式匹配 |
输出结果为：
1 | <re.Match object; span=(12, 18), match='DOTcpp'> |
这个例子中我们以不区分大小写的方式在string字符串中搜索‘dotcpp’，输出的信息为它的位置及搜索信息。
2. match()方法
match方法从字符串的开始位置查询匹配内容，如果找到则返回一个match对象，未找到返回None。
语法格式如下：
1 | re.match(pattern,string,[flags]) |
具体参数同search相同，可以参看上面的内容。
如果我们把上面例子中的方法改为match，输出结果为None。
1 2 3 4 | import restring = 'this is www.DOTcpp.com'pattern = r'dotcpp'print(re.match(pattern,string,re.I))#不区分大小写的方式匹配 |
输出结果：
1 | None |
我们对代码进行修改，把正则表达式修改为字符串开始处的内容，代码如下：
1 2 3 4 | import restring = 'this is www.DOTcpp.com'pattern = r'Th'print(re.match(pattern,string,re.I))#不区分大小写的方式匹配 |
输出结果为：
1 | <re.Match object; span=(0, 2), match='th'> |
一定要注意search用法和match用法的区别，一般推荐大家使用research方法。
3. findall()方法
findall方法会在整个字符串中搜索出符合条件的字符串，然后以列表的形式返回。
语法格式如下：
1 | re.findall(pattern,string,[flags]) |
具体参数一致。
我们继续修改上面的代码来进行了解，我们把字符串中内容更改一下：
1 2 3 4 | import restring = 'this is www.DOTcpp.com dotcpp'pattern = r'dotcpp'print(re.findall(pattern,string,re.I))#不区分大小写的方式匹配 |
输出结果为：
1 | ['DOTcpp', 'dotcpp'] |
这种方式就匹配到了string字符串中所有符合pattern条件的内容，然后存放在一个列表中，也可以通过遍历的方式输出这些内容。
4. split()方法
split()方法又被称作分割方法，它能够以正则表达式的相关格式分割字符串，并返回列表，它的语法格式如下：
1 | re.split(pattern,string,[maxsplit],[flags]) |
这里多了一个maxsplit参数，用于表示最多的拆分次数，其余参数与上面一致。
我们通过最简单的例子来看一下：
1 2 3 | import restring = 'this is www.dotcpp.com 'pattern = r' 'print(re.split(pattern,string,re.I))输出结果为：['this', 'is', 'www.dotcpp.com '] |
我们通过通过分割把字符串中的信息存放到了一个列表中，此用法在学习中会经常用到。
还可以通过数字来分割字符串，例如：
1 2 3 4 | import restring = 'A123456B789C'pattern = r'\d*'print(re.split(pattern,string,maxsplit=10)) |
输出结果为：
1 | ['', 'A', '', 'B', '', 'C', ''] |
在这个例子中，从输出结果可以看出通过数字分割了整个字符串，如果我们更改了\d*为\d?还会出现不同的内容，具体使用可以多多参考上一节的内容。
5. sub()方法
Sub方法可以替换字符串中的内容，语法格式如下：
1 | re.sub(pattern,repl,string,count,[flags]) |
repl为替换的字符串，count为替换的最大次数，默认为0，其余参数与上面一致。
我们在生活中经常会隐藏手机号的信息来保护隐私，我们通过sub方法来进行了解一下，代码如下：
1 2 | import restring = '号码为：18812345678'#假定手机号为18812345678pattern = r'\d'print(re.sub(pattern,'x',string)) |
输出结果为：
1 | 号码为：xxxxxxxxxxx |
这样就把我们输入的手机号内容给替换掉了。
6. 总结
关于正则表达式我们就简单的介绍到这里，实际上正则表达式中的内容还有很多，有兴趣的可以去参考re模块去进一步了解，上一节我们汇总的元字符结合这一节学习的几种方法，可以从字符串中筛选出各种各样的信息，大家可以通过下面习题进行简单的练习。
7. 习题
1. 匹配一个0-9之间任意数字
2. <div>中国</div>，用正则匹配出标签里面的内容（“中国”），其中class的类名是不确定的
3. 字符串a = "not 404 found 编程 99 苏州 dotcpp"，每个词中间是空格，用正则过滤掉英文和数字，最终输出"编程 苏州"
8. 题解
1. 代码：
1 2 3 4 5 | import restring="""13\n122\n95\n669\n132\n072\n093\n4d"""test = re.compile('(?<![0-9])[0-9]{1,3}(?!\w)')t = test.findall(string)print( t ) |
输出：
1 | ['13', '122', '95', '669', '132', '072', '093'] |
2. 代码：
1 2 3 4 | import restring = '<div>中国</div>'test = re.findall(r'<div class=".*">(.*?)</div>',string)#.*?为提取文本print(test) |
输出：
1 | ['中国'] |
3. 代码：
1 2 3 4 5 6 7 8 9 | import restring = 'not 404 found 编程 99 苏州 dotcpp'list = string.split(' ')test = re.findall('\d+|[a-zA-Z]+',string)for i in test: if i in list: list.remove(i)new = ' '.join(list)print(new) |
输出：
1 | 编程 苏州 |
