正则表达式 -- 高级应用

re.search函数

re.search扫描整个字符串，并返回第一个匹配成功的对象，否则返回None

re.search(pattern, string, flags=0)

• 实例演示

import re
print(re.search('www', 'www.runoob.com').group())  # 在起始位置匹配成功
print(re.search('com', 'www.runoob.com').group())  # 不在起始位置匹配成功 

www
com

re.findall函数

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

• 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']

re.sub函数

用于替换字符串中的匹配项

• 将匹配到的阅读次数加1

方法1：

import re

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

方法2：

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)

ret = re.sub(r"\d+", add, "python = 99")
print(ret)

python = 998
python = 100

re.split函数

按照能够匹配的子串将字符串分割后返回列表

• 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']

re.compile函数

将正则表达式封装成正则表达式对象，并提供match() 、search()、findall()等方法

>>>import re
>>> pattern = re.compile(r'\d+')                    # 用于匹配至少一个数字
>>> m = pattern.match('one12twothree34four')        # 查找头部，没有匹配
>>> print m
None
>>> m = pattern.match('one12twothree34four', 2, 10) # 从'e'的位置开始匹配，没有匹配
>>> print m
None
>>> m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配
>>> print m                                         # 返回一个 Match 对象
<_sre.SRE_Match object at 0x10a42aac0>
>>> m.group(0)   # 可省略 0
'12'
>>> m.start(0)   # 可省略 0
3
>>> m.end(0)     # 可省略 0
5
>>> m.span(0)    # 可省略 0
(3, 5)

正则表达式对象

compile()函数返回 RegexObject 对象。

match()、search()等函数返回MatchObject 对象。

• group() 返回匹配到的内容
• start() 返回匹配开始的位置
• end() 返回匹配结束的位置
• span() 返回一个元组包含匹配 (开始,结束) 的位置

练习：从页面源文件中提取信息

• 页面

• html源码

import re

s = "<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>"

print(re.sub(r"<[^>]*>|&nbsp;|\n", "", s))

- end -