python中如何使用正規表示式提取資料

# re.match()函數只能從起始的位置匹配，否則返回None
import re
 
matchObj = re.match('www', 'www.runoob.com')
print(re.match('www', 'www.runoob.com').span())  # 在起始位置匹配
print(re.match('com', 'www.runoob.com'))  # 不在起始位置匹配
# (0, 3)
# None
 
# 使用group(num) 或 groups() 函數來獲取用來匹配的正在表示式提取的值。
if matchObj:
    print("matchObj.group() : ", matchObj.group())
    # 執行結果是matchObj.group() :  www
    # matchObj.group() 等同於 matchObj.group(0)，表示匹配到的完整文字字元
    # print ("matchObj.group(1) : ", matchObj.group(1))
    # print ("matchObj.group(2) : ", matchObj.group(2))
 
# re.search 掃描整個字串並返回第一個成功的匹配。
import re
 
line = "Cats are smarter than dogs";
 
searchObj = re.search(r'(.*) are (.*?) ', line, re.M | re.I)
 
if searchObj:
    print("searchObj.group() : ", searchObj.group())
    print("searchObj.group(1) : ", searchObj.group(1))
    print("searchObj.group(2) : ", searchObj.group(2))
# 執行結果
# searchObj.group() :  Cats are smarter
# searchObj.group(1) :  Cats
# searchObj.group(2) :  smarter
 
# re.sub()用於替換字串中的匹配項
 
import re
 
phone = "2004-959-559 # 這是一個國外電話號碼"
 
# 刪除字串中的 Python註釋,$匹配字串的末尾。
# 把匹配到的字串替換為空字串
num = re.sub(r'#.*$', "", phone)
print("電話號碼是: ", num)
# 電話號碼是:  2004-959-559
# 刪除非數位(-)的字串,D 匹配任意非數位
num = re.sub(r'D', "", phone)
print("電話號碼是 : ", num)
# 電話號碼是 :  2004959559
"""
findall在字串中找到正規表示式所匹配的所有子串，並返回一個列表，如果沒有找到匹配的，則返回空列表。
注意： match 和 search 是匹配一次 findall 匹配所有。
"""
import re
 
pattern = re.compile(r'd+')  # 建立個正著表示式物件，查詢數位
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)
result3 = pattern.search('runoob 123 google 456')
# 123 只匹配了一次，匹配首個符合要求的字串
 
print(result1)
print(result2)
print(result3.group())
 
# 執行結果：
# ['123', '456']
# ['88', '12']
# 123

import re
pattern = re.compile(r'd+')  # 用於匹配至少一個數位
m = pattern.match('one12twothree34four')  # 查詢頭部，沒有匹配
print(m)
# None
m = pattern.match('one12twothree34four', 2, 10)  # 從'e'的位置開始匹配，沒有匹配
print(m)
# None
m = pattern.match('one12twothree34four', 3, 10)  # 從'1'的位置開始匹配，正好匹配
print(m)  # 返回一個 Match 物件
# <re.Match object; span=(3, 5), match='12'>
print(m.group(0))  # 可省略 0,獲得整個匹配的子串時，可直接使用 group() 或 group(0)；
# '12'
print(m.start(0))  # 可省略 0,獲取分組匹配的子串在整個字串中的起始位置（子串第一個字元的索引），引數預設值為 0；
# 3
print(m.end(0))  # 可省略 0,獲取分組匹配的子串在整個字串中的結束位置（子串最後一個字元的索引+1），引數預設值為 0；
5
print(m.span(0))  # 可省略 0,返回 (start(group), end(group))。
# (3, 5)

content = '''蘋果，蘋果是綠色的
橙子，橙子是橙色的
香蕉，香蕉是黃色的'''
 
import re
p = re.compile(r'^(.*)，', re.MULTILINE)
for one in  p.findall(content):
    print(one)

content = '''張三，手機號碼15945678901
李四，手機號碼13945677701
王二，手機號碼13845666901'''
 
import re
 
p = re.compile(r'^(.+)，.+(d{11})', re.MULTILINE)
print(p.findall(content))
#findall()方法返回的是列表
m = p.search(content)
#列表不能呼叫group，因此需使用search()方法，但search方法只能匹配第一個符合的
print(m.group(1))
print(m.group(2))
for one in p.findall(content):
    print(one)
    print(type(one))
 
#執行結果
# [('張三', '15945678901'), ('李四', '13945677701'), ('王二', '13845666901')]
# 張三
# 15945678901
# ('張三', '15945678901')
# <class 'tuple'>
# ('李四', '13945677701')
# <class 'tuple'>
# ('王二', '13845666901')
# <class 'tuple'>
 

import re
p = re.compile(r'^(?P<name>.+)，.+(?P<phone>d{11})', re.MULTILINE)
print(p.finditer(content))
# 返回string中所有與pattern相匹配的全部字串，返回形式為迭代器。
for match in p.finditer(content):
    print(match.group('name'))
    print(match.group('phone'))
 
# 執行結果
# <callable_iterator object at 0x00000000027C2518>
# 張三
# 15945678901
# 李四
# 13945677701
# 王二
# 13845666901

content = 'a1b2c3d4e5'
 
import re
p = re.compile(r'[^d]' )
for one in  p.findall(content):
    print(one)

names = '關羽; 張飛, 趙雲,馬超, 黃忠  李逵'

import re
 
names = '關羽; 張飛, 趙雲,   馬超, 黃忠  李逵'
 
namelist = re.split(r'[;,s]s*', names)
print(namelist)

names = '''
下面是這學期要學習的課程：
<a href='https://www.bilibili.com/video/av66771949/?p=1' target='_blank'>點選這裡，邊看視訊講解，邊學習以下內容</a>
這節講的是牛頓第2運動定律
<a href='https://www.bilibili.com/video/av46349552/?p=125' target='_blank'>點選這裡，邊看視訊講解，邊學習以下內容</a>
這節講的是畢達哥拉斯公式
<a href='https://www.bilibili.com/video/av90571967/?p=33' target='_blank'>點選這裡，邊看視訊講解，邊學習以下內容</a>
這節講的是切割磁力線
'''

import re
 
names = '''
下面是這學期要學習的課程：
<a href='https://www.bilibili.com/video/av66771949/?p=1' target='_blank'>點選這裡，邊看視訊講解，邊學習以下內容</a>
這節講的是牛頓第2運動定律
<a href='https://www.bilibili.com/video/av46349552/?p=125' target='_blank'>點選這裡，邊看視訊講解，邊學習以下內容</a>
這節講的是畢達哥拉斯公式
<a href='https://www.bilibili.com/video/av90571967/?p=33' target='_blank'>點選這裡，邊看視訊講解，邊學習以下內容</a>
這節講的是切割磁力線
'''
 
newStr = re.sub(r'/avd+?/', '/cn345677/' , names)
print(newStr)

import re
 
names = '''
下面是這學期要學習的課程：
<a href='https://www.bilibili.com/video/av66771949/?p=1' target='_blank'>點選這裡，邊看視訊講解，邊學習以下內容</a>
這節講的是牛頓第2運動定律
<a href='https://www.bilibili.com/video/av46349552/?p=125' target='_blank'>點選這裡，邊看視訊講解，邊學習以下內容</a>
這節講的是畢達哥拉斯公式
<a href='https://www.bilibili.com/video/av90571967/?p=33' target='_blank'>點選這裡，邊看視訊講解，邊學習以下內容</a>
這節講的是切割磁力線
'''
 
# 替換函數，引數是 Match物件
def subFunc(match):
    # Match物件 的 group(0) 返回的是整個匹配上的字串
    src = match.group(0)
    
    # Match物件 的 group(1) 返回的是第一個group分組的內容
    number = int(match.group(1)) + 6
    dest = f'/av{number}/'
 
    print(f'{src} 替換為 {dest}')
 
    # 返回值就是最終替換的字串
    return dest
 
newStr = re.sub(r'/av(d+?)/', subFunc , names)
print(newStr)

# 正規表示式提取
import re
 
content = '''
Python3 高階開發工程師 上海互教教育科技有限公司上海-浦東新區2萬/月02-18滿員
測試開發工程師（C++/python） 上海墨鵾數碼科技有限公司上海-浦東新區2.5萬/每月02-18未滿員
Python3 開發工程師 上海德拓資訊科技股份有限公司上海-徐彙區1.3萬/每月02-18剩餘11人
測試開發工程師（Python） 赫裡普（上海）資訊科技有限公司上海-浦東新區1.1萬/每月02-18剩餘5人
Python高階開發工程師 上海行動教育科技股份有限公司上海-閔行區2.8萬/月02-18剩餘255人
python開發工程師 上海優似騰軟體開發有限公司上海-浦東新區2.5萬/每月02-18滿員
'''
 
for one in  re.findall(r'([d.]+)萬/每{0,1}月', content):
    print(one)
 
 

#非正規表示式提取
content = '''
Python3 高階開發工程師 上海互教教育科技有限公司上海-浦東新區2萬/月02-18滿員
測試開發工程師（C++/python） 上海墨鵾數碼科技有限公司上海-浦東新區2.5萬/每月02-18未滿員
Python3 開發工程師 上海德拓資訊科技股份有限公司上海-徐彙區1.3萬/每月02-18剩餘11人
測試開發工程師（Python） 赫裡普（上海）資訊科技有限公司上海-浦東新區1.1萬/每月02-18剩餘5人
Python高階開發工程師 上海行動教育科技股份有限公司上海-閔行區2.8萬/月02-18剩餘255人
python開發工程師 上海優似騰軟體開發有限公司上海-浦東新區2.5萬/每月02-18滿員
'''
 
# 將文字內容按行分割，放入列表，按rn,r（回車）,n（換行）分割
lines = content.splitlines()
 
# print(lines)
for line in lines:
    # 查詢'萬/月' 在 字串中什麼地方
    # find() 方法檢測字串中是否包含子字串 str ,如果包含的話，返回子字串開始的索引，
    # 不包含的話返回-1
    pos2 = line.find('萬/月')
    # print(pos2)
    if pos2 < 0:
        # 查詢'萬/每月' 在 字串中什麼地方
        pos2 = line.find('萬/每月')
        # 都找不到，滿足條件，觸發continue，不執行後面的程式碼，跳到迴圈開頭進入下一輪迴圈
        if pos2 < 0:
            continue
    # 執行到這裡，說明可以找到薪資關鍵字
    # 接下來分析 薪資 數位的起始位置
    # 方法是 找到 pos2 前面薪資數位開始的位置
    idx = pos2 - 1
 
    # 只要是數位或者小數點，就繼續往前面找
    # isdigit()方法檢測字串是否只由數位組成，如果字串只包含數位則返回 True 否則返回 False
    while line[idx].isdigit() or line[idx] == '.':
        idx -= 1
 
    # 現在 idx 指向 薪資數位前面的那個字，
    # 所以薪資開始的 索引 就是 idx+1
    pos1 = idx + 1
    print(line[pos1:pos2])