Python 正則表達式基礎知識點及實例

# re.findall('正則表達式','待匹配的文本')  根據正則匹配出所有符合條件的數據，返回列表
>>> re.findall('[0-9]', "Hello world 123")
['1', '2', '3']
# 如果匹配不到findall返回一個空列表

# re.finditer('正則表達式','待匹配的文本') 根據正則匹配出所有符合條件的數據，返回一個對象
>>> re.finditer('[0-9]', "Hello world 123")     
<callable_iterator object at 0x7f3409296d68>
# 取值：
>>> res = re.finditer('[0-9]', "Hello world 123")
>>> for i in res:
...     print(i.group())
... 
1
2
3

# 如果匹配不到finditer返回空。

# findall 和finditer功能一樣，但是finditer更節省內存。

# re.search('正則表達式','待匹配的文本')   根據正則匹配到一個符合條件的就結束
>>> res = re.search('l', "Hello world 123")     
>>> res
<_sre.SRE_Match object; span=(2, 3), match='l'>
>>> res.group()
'l'
# 匹配到一個就返回，group()返回具體的元素，如果匹配不到search返回None,使用group取值就會報錯:
AttributeError: 'NoneType' object has no attribute 'goup'
    
# re.match('正則表達式','待匹配的文本') 根據正則從頭開始匹配(文本內容必須在開頭匹配上)
>>> res = re.match('e', "Hello world 123")   # e 不在開頭，所以匹配不上，返回None
>>> print(res)
None

>>> res = re.match('H', "Hello world 123")  # H 為開頭能匹配上
>>> print(res)
<_sre.SRE_Match object; span=(0, 1), match='H'>
>>> print(res.group())
H

#如果沒有匹配到，match會返回None 使用group取值的時候也會直接報錯
AttributeError: 'NoneType' object has no attribute 'group'


# search和match匹配不到都會報錯，可以處理一下：
if res:
    print(res.group())
else:
    print('沒有匹配到')
    
# re.split 分割
>>> re.split('[0-9]', "Hello 123 world")    # 按匹配到的分割，返回一個列表   
['Hello ', '', '', ' world'] 

# re.sub('要匹配的'， '要替換的'， '文本')  替換
>>> re.sub('[0-9]','A', "Hello 123 world")  # 默認替換全部
'Hello AAA world'
>>> re.sub('[0-9]','A', "Hello 123 world",1) # 替換一次
'Hello A23 world'
>>> re.sub('[0-9]','A', "Hello 123 world",2) # 替換兩次
'Hello AA3 world'
# re.subn() 和re.sub 功能一樣，但是返回元組 並提示替換瞭幾處
>>> re.subn('[0-9]','A', "Hello 123 world")    
('Hello AAA world', 3)
>>> re.subn('[0-9]','A', "Hello 123 world", 1)
('Hello A23 world', 1)

# 如果一個正則表達式在程序中經常用到，這樣每次都寫太麻煩，可以使用compile將正則表達式的樣式編譯為一個正則表達式對象 （正則對象）
# 例如 正則表達式'^\d{3,6}'經常使用
>>> obj = re.compile('^\d{3,6}')
>>> obj.findall("123 Hello")
['123']
>>> res = obj.search("123 Hello")
>>> res.group()
'123'
# obj還可以使用 finditer，match，split，subn，sub

# 分組
>>> res = re.search('[1-9]\d{16}([0-9x])','37152119841105155x')   
>>> res.group()
'37152119841105155x'
>>> res.group(1)  # 隻打印分組1裡的內容，1為第一個分組，這裡面隻有([0-9x])所以打印x
'x'
>>> res = re.search('[1-9](\d{16})([0-9x])','37152119841105155x')
>>> res.group() 
'37152119841105155x'
>>> res.group(1)   # (\d{16}) 為第1個分組
'7152119841105155'
>>> res.group(2)	# ([0-9x]) 為第2個分組
'x'
# 這種取分組裡的值也為索引取值

# findall優先打印出分組裡的內容
>>> re.findall('[1-9]\d{16}([0-9x])','37152119841105155x')
['x']

# 取消分組： ?:
>>> res = re.findall('[1-9]\d{16}(?:[0-9x])','37152119841105155x')  
>>> res   # (?:[0-9x])
['37152119841105155x']

# 上面的分組為無名分組，分組也可以有名字。
# 有名分組  ?P<分組名稱>
>>> res = re.search('[1-9](?P<first>\d{16})(?P<second>[0-9x])','37152119841105155x')
>>> res.group()
'37152119841105155x'
>>> res.group('first')
'7152119841105155'
>>> res.group('second')
'x'
# 分組後也可以使用索引到值：
>>> res.group(2)       
'x'

import re
import requests 

for i in range(1,11):

    url = 'https://bj.lianjia.com/ershoufang/pg{}srs%E6%97%A7%E5%AE%AB/'.format(i)

    r = requests.get(url)

    title = re.findall('data-is_focus="" data-sl="">(.*?)</a>',r.text)
    price = re.findall('<span>([0-9]{3})</span>',r.text)

    address = re.findall('data-log_index="\d" data-el="region">(.*?)</a>', r.text)
    houseIcon = re.findall('<span class="houseIcon"></span>(.*?)</div>', r.text)



    res = zip(title,price,address,houseIcon)
    for i in res:
    # print("%s \t%s(萬) \t%s\t%s" % (i[0], i[1], i[2], i[3])) 
        print("""
    小區名: %s,
    總價: %s萬,
    地址: %s,
    房型: %s""" % (i[0], i[1], i[2], i[3]))
    
# 執行結果:
[root@hans_tencent_centos82 module]# python3 houses.py 

    小區名: 紅星樓小區 南北通透一居室 滿五唯一商品房,
    總價: 185萬,
    地址: 紅星樓 ,
    房型: 1室1廳 | 46.46平米 | 南 北 | 簡裝 | 頂層(共6層) | 1989年建 | 板樓

    小區名: 舊宮北裡 2室2廳 南 北,
    總價: 469萬,
    地址: 舊宮北裡 ,
    房型: 2室2廳 | 96.55平米 | 南 北 | 精裝 | 高樓層(共9層) | 2004年建 | 板樓

    小區名: 亦莊北岸 3室1廳 南 北,
    總價: 558萬,
    地址: 亦莊北岸 ,
    房型: 3室1廳 | 109.58平米 | 南 北 | 精裝 | 中樓層(共15層) | 2008年建 | 板塔結合