正则表达式（三）

re模块的高级用法

• search

  • 需求：匹配出文章阅读的次数

  import re
  
  ret = re.search(r"\d+", "阅读次数为 9999")
  ret.group()
  >>>
  9999
  

• findall

  • 需求：统计出python、c、c++相应文章阅读的次数

  import re
  
  ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
  print(ret)
  >>>
  ['9999', '7890', '12345']
  
  

• sub 将匹配到的数据进行替换

  • 需求将匹配到的阅读次数+1
    1. 方法一

    import re
    
    ret = re.sub(r"\d+", '998', "python = 997")
    print(ret)
    >>>
    python = 998
    

    2. 方法二

    import re
    
    def add(temp):
        strNum = temp.group()
        num = int(strNum) + 1
        return str(num)
    
    ret = re.sub(r"\d+", add, "python = 997")
    print(ret)
    >>>
    python = 998
    
    ret = re.sub(r"\d+", add, "python = 99")
    print(ret)
    >>>
    python = 100
    

  • 从下面的字符串中取出文本

    <div>
    <p>岗位职责：</p>
    <p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p>
    <p><br></p>
    <p>必备要求：</p>
    <p>良好的自我驱动力和职业素养，工作积极主动、结果导向</p>
    <p>&nbsp;<br></p>
    <p>技术要求：</p>
    <p>1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式</p>
    <p>2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架</p>
    <p>3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种<br></p>
    <p>4、掌握NoSQL、MQ，熟练使用对应技术解决方案</p>
    <p>5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js</p>
    <p>&nbsp;<br></p>
    <p>加分项：</p>
    <p>大数据，数理统计，机器学习，sklearn，高性能，大并发。</p>
    
    </div>
    

    1. 首先将此文本编辑到名为01.txt文档中

       <div>
       <p>岗位职责：</p>
       <p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p>
       <p><br></p>
       <p>必备要求：</p>
       <p>良好的自我驱动力和职业素养，工作积极主动、结果导向</p>
       <p>&nbsp;<br></p>
       <p>技术要求：</p>
       <p>1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式</p>
       <p>2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架</p>
       <p>3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种<br></p>
       <p>4、掌握NoSQL、MQ，熟练使用对应技术解决方案</p>
       <p>5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js</p>
       <p>&nbsp;<br></p>
       <p>加分项：</p>
       <p>大数据，数理统计，机器学习，sklearn，高性能，大并发。</p>
       
       </div>
       

  2. 接下来在01.py文件中编辑

     import re
     
     f = open('01.txt','r')
     d = str(f.read())
     f.close()
     a = r'\n|<\w*>|</\w*>|&nbsp;'
     ret =re.split(a,d)
     
     for c in ret:
         if len(c) != 0:
             print(c)
     

  3. 运行得到

  岗位职责：
  完成推荐算法、数据统计、接口、后台等服务器端相关工作
  必备要求：
  良好的自我驱动力和职业素养，工作积极主动、结果导向
  技术要求：
  1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式
  2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架
  3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种
  4、掌握NoSQL、MQ，熟练使用对应技术解决方案
  5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js
  加分项：
  大数据，数理统计，机器学习，sklearn，高性能，大并发。
  

• split根据匹配进行切割字符串，并返回一个列表

  • 需求：切割字符串“info:xiaoZhang 33 shandong”

    import re
  
    ret = re.split(r":| ","info:xiaoZhang 33 shandong")
    print(ret)
    >>>
    ['info', 'xiaozhang', '33', 'shandong']
  
  

贪婪与非贪婪

Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；
非贪婪则相反，总是尝试匹配尽可能少的字符。

在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。

s="This is a number 234-235-22-423">>> r=re.match(".+(\d+-\d+-\d+-\d+)",s)
r.group(1)
>>>
'4-235-22-423'

r=re.match(".+?(\d+-\d+-\d+-\d+)",s)
r.group(1)
>>>
'234-235-22-423'

正则表达式模式中使用到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满足匹配最长字符串，在我们上面的例子里面，“.+”会从字符串的启始处抓取满足模式的最长字符，其中包括我们想得到的第一个整型字段的中的大部分，“\d+”只需一位字符就可以匹配，所以它匹配了数字“4”，而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。

解决方式：
非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。

re.match(r"aa(\d+)","aa2343ddd").group(1)
>>>
'2343'

re.match(r"aa(\d+?)","aa2343ddd").group(1)
>>>
'2'

re.match(r"aa(\d+)ddd","aa2343ddd").group(1)
>>>
'2343'

re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)
>>>
'2343'

正则表达式.png

---

结束语

如果您对这篇文章有什么意见或者建议,请评论与我讨论.
如果您觉得还不错的话~可以点个喜欢鼓励我哦.
如果您想和我一起学习,请毫不吝啬的私信我吧~