前面已經(jīng)初步介紹了正則式的語法規(guī)則和re模塊的方法。
這次主要舉了幾個例子，看看re模塊在實際工作中的使用。

1. re.match

設定一個字符串

    content = '2005-2018 douban.com, all rights reserved 北京豆網(wǎng)科技有限公司'

• 常規(guī)匹配

    result = re.match('2005-\d{4}\s\w{6}\W\w{3}\W{2}\w{3}\s\w{6}\s\w{8}\s.*司$', content)
    print(result.group())

輸出結果

> 2005-2018 douban.com, all rights reserved 北京豆網(wǎng)科技有限公司

• 泛匹配

    result = re.match('^2005.*司$', content)
    print(result.group())

輸出結果

> 2005-2018 douban.com, all rights reserved 北京豆網(wǎng)科技有限公司

• 目標匹配(括號及group的用法)

    content = '2005-2018 douban.com, all rights reserved 北京豆網(wǎng)科技有限公司'
    result = re.match('^(\d{4})-(\d{4}).*司$', content)
    print(result.group())
    print(result.group(1))
    print(result.groups(), type(result.groups()))
    print(result.group(2))

輸出結果

> 2005-2018 douban.com, all rights reserved 北京豆網(wǎng)科技有限公司
> 2005
> ('2005', '2018') <class 'tuple'>
> 2018

• re.match從字符串的開頭匹配
  （將常規(guī)匹配中表達式 改成 005-\d{4}...都不能匹配成功）
• group與groups的用法：
  1. group()查看正則式所匹配內容
  2. group(1)查看正則式中第一個括號里面的內容
  3. groups()將正則式中所有括號里面的內容組成一個tuple，提取字符串要用切片的方法result.groups()[0]
  4. group() 里面的參數(shù)是從1開始的，不是0。
• 匹配模式的參數(shù)使用 （re.S舉例）
  將content內容中增加換行符‘\n'

content1 = '2005-2018 douban.com, all rights reserved \n 北京豆網(wǎng)科技有限公司'

使用匹配模式的參數(shù)re.S，忽略換行符匹配
(具體參數(shù)規(guī)則請查閱上次的內容)

    result = re.match('^2005.*司$', content1, re.S)
    result_error = re.match('^2005.*司$', content1)

    print(result.group())
    print(result_error)

原本正則式.*不會匹配換行符，但是填寫參數(shù)re.S后，
輸出結果就能匹配到字符串中的換行符了

> 2005-2018 douban.com, all rights reserved 
 北京豆網(wǎng)科技有限公司
> None

2. re.search

!!! 為匹配方便，能用search就不用match !!!

• 貪婪匹配

    result1 = re.search('2018.*(\w{6})', content)
    print(result1.group(1))

輸出結果

> 科技有限公司

• 非貪婪匹配

    result2 = re.search('2018.*?(\w{6})', content)
    print(result2.group(1))

輸出結果

> douban

區(qū)別：
匹配目標(\w{6})是想截取2018以后的連續(xù)6個字母數(shù)字及下劃線
貪婪匹配中.*，盡可能多的匹配到中間的字符，只剩下最后6個字符作為匹配目標
非貪婪匹配.*?，卻截取與匹配目標最接近的6個字符

3. re.findall

案例：正則式爬取豆瓣圖書相關信息
先獲得單個html源碼

url = 'https://book.douban.com/top250?icn=index-book250-all'
response = requests.get(url)
content = response.text

這里只截取書名和價格

網(wǎng)頁源碼

注意使用非貪婪匹配，否則不能截取所有信息

    results = re.findall('title="(\w+)".*?<p class="pl">.*?(\d{2}\.\d{2}).*?</p>', content, re.S)
    print(results)

輸出結果是由tuple組成的list

[('追風箏的人', '29.00'), ('小王子', '22.00'), ('圍城', '19.00'), ('解憂雜貨店', '39.50'), ('活著', '12.00'), ('白夜行', '29.80'), ('挪威的森林', '18.80'), ('嫌疑人X的獻身', '28.00'), ('三體', '23.00'), ('不能承受的生命之輕', '23.00'), ('紅樓夢', '59.70'), ('夢里花落知多少', '20.00'), ('看見', '39.80'), ('百年孤獨', '39.50'), ('何以笙簫默', '15.00'), ('可試讀', '19.50'), ('白夜行', '39.50'), ('三體Ⅱ', '32.00'), ('飄', '40.00'), ('送你一顆子彈', '25.00'), ('三體Ⅲ', '38.00')]

4. re.finditer

和 findall 類似，在字符串中找到正則表達式所匹配的所有子串，并把它們作為一個迭代器返回

    results = re.finditer('title="(\w+)".*?<p class="pl">.*?(\d{2}\.\d{2}).*?</p>', content, re.S)
    print(results)

返回一個迭代器的對象
<callable_iterator object at 0x000001D2FDA98EB8>
要用循環(huán)語句才能調用：

    for result in results:
        print(result.groups())

5. re.compile

用于編譯正則表達式，生成一個正則表達式(Pattern)對象，作為參數(shù)供其他re模塊函數(shù)使用

• 以findall改編一下：

    pattern = re.compile('title="(\w+)".*?<p class="pl">.*?(\d{2}\.\d{2}).*?</p>', re.S)
    results = re.finditer(pattern, content)

6. re.sub

用于替換字符串中的匹配項

• 找出連續(xù)4個數(shù)字，替換為hello welcome

    content = '2005-2018 douban.com, all rights reserved 北京豆網(wǎng)科技有限公司'
    result = re.sub('\d{4}', 'hello welcome', content, 1)
    print(result)

輸出結果為

> hello welcome-2018 douban.com, all rights reserved 北京豆網(wǎng)科技有限公司

• 1表示匹配一次，所以只有2005替換了
• 參數(shù)默認為0，表示符合條件的，全部替換

• 替換括號內的內容

    result = re.sub('(\d{4})-(\d{4})', r'\2 welcome', content)
    print(result)

輸出結果為:

> 2018 welcome douban.com, all rights reserved 北京豆網(wǎng)科技有限公司

• 按照括號順序，可以將匹配內容調用到替換內容中, eg. r'\2 ...'