今天学习测试了一下Python中的正则表达式的模块用法。初学 Python ，对 Python 的文字处理能力有很深的印象，除了 str 对象自带的一些方法外，就是正则表达式这个强大的模块了。但是对于初学者来说，要用好这个功能还是有点难度，由于我记性不好，很容易就忘事，所以还是写下来比较好一些，同时也可以加深印象，整理思路。
由于我是初学，所以肯定会有些错误，还望高手不吝赐教，指出我的错误。
一、Python中转义字符
正则表达式使用反斜杠" \ "来代表特殊形式或用作转义字符，这里跟Python的语法冲突，因此，Python用" \\\\ "表示正则表达式中的" \ "，因为正则表达式中如果要匹配" \ "，需要用\来转义，变成" \\ "，而Python语法中又需要对字符串中每一个\进行转义，所以就变成了" \\\\ "。
上面的写法是不是觉得很麻烦，为了使正则表达式具有更好的可读性，Python特别设计了原始字符串(raw string)，需要提醒你的是，在写文件路径的时候就不要使用raw string了，这里存在陷阱。raw string就是用'r'作为字符串的前缀，如 r"\n"：表示两个字符"\"和"n"，而不是换行符了。Python中写正则表达式时推荐使用这种形式。
二、正则表达式元字符说明：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
. 匹配除换行符以外的任意字符
^ 匹配字符串的开始
$ 匹配字符串的结束
[] 用来匹配一个指定的字符类别
？ 对于前一个字符字符重复
0
次到
1
次
*
对于前一个字符重复
0
次到无穷次
{} 对于前一个字符重复m次
{m，n} 对前一个字符重复为m到n次
\d 匹配数字，相当于[
0
-
9
]
\D 匹配任何非数字字符，相当于[^
0
-
9
]
\s 匹配任意的空白符，相当于[ fv]
\S 匹配任何非空白字符，相当于[^ fv]
\w 匹配任何字母数字字符，相当于[a
-
zA
-
Z0
-
9_
]
\W 匹配任何非字母数字字符，相当于[^a
-
zA
-
Z0
-
9_
]
\b 匹配单词的开始或结束
|
三、导入正则表达式模块
3.1、导入正则表达式模块
|
1
|
>>>
import
re
|
3.2、查看正则表达式模块方法
|
1
2
3
|
>>>
dir
(re)
[
'DEBUG'
,
'DOTALL'
,
'I'
,
'IGNORECASE'
,
'L'
,
'LOCALE'
,
'M'
,
'MULTILINE'
,
'S'
,
'Scanner'
,
'T'
,
'TEMPLATE'
,
'U'
,
'UNICODE'
,
'VERBOSE'
,
'X'
,
'_MAXCACHE'
,
'__all__'
,
'__builtins__'
,
'__doc__'
,
'__file__'
,
'__name__'
,
'__package__'
,
'__version__'
,
'_alphanum'
,
'_cache'
,
'_cache_repl'
,
'_compile'
,
'_compile_repl'
,
'_expand'
,
'_pattern_type'
,
'_pickle'
,
'_subx'
,
'compile'
,
'copy_reg'
,
'error'
,
'escape'
,
'findall'
,
'finditer'
,
'match'
,
'purge'
,
'search'
,
'split'
,
'sre_compile'
,
'sre_parse'
,
'sub'
,
'subn'
,
'sys'
,
'template'
]
>>>
|
四、常用的正则表达式处理函数
4.1、re.search
re.search 函数会在字符串内查找模式匹配，只到找到第一个匹配然后返回，如果字符串没有匹配，则返回None。
提示：当我们不会用模块方法的时候用help
|
1
2
|
>>>
help
(re.search)
search(pattern, string, flags
=
0
)
|
第一个参数：规则
第二个参数：表示要匹配的字符串
第三个参数：标致位，用于控制正则表达式的匹配方式
实例：下面的例子kuangl
|
1
2
3
4
5
6
7
8
|
>>> name
=
"Hello,My name is kuangl,nice to meet you..."
>>> k
=
re.search(r
'k(uan)gl'
,name)
>>>
if
k:
...
print
k.group(
0
),k.group(
1
)
...
else
:
...
print
"Sorry,not search!"
...
kuangl uan
|
4.2、re.match
re.match 尝试从字符串的开始匹配一个模式，也等于说是匹配第一个单词
|
1
2
|
>>>
help
(re.match)
match(pattern, string, flags
=
0
)
|
第一个参数：规则
第二个参数：表示要匹配的字符串
第三个参数：标致位，用于控制正则表达式的匹配方式
实例：下面的例子匹配Hello单词
|
1
2
3
4
5
6
7
8
9
10
|
>>> name
=
"Hello,My name is kuangl,nice to meet you..."
>>> k
=
re.match(r
"(\H....)"
,name)
>>>
if
k:
...
print
k.group(
0
),
'\n'
,k.group(
1
)
...
else
:
...
print
"Sorry,not match!"
...
Hello
Hello
>>>
|
re.match与re.search的区别：re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。
4.3、re.findall
re.findall 在目标字符串查找符合规则的字符串
|
1
2
|
>>>
help
(re.findall)
findall(pattern, string, flags
=
0
)
|
第一个参数：规则
第二个参数：目标字符串
但三个参数：后面还可以跟一个规则选择项
返回的结果是一个列表，建中存放的是符合规则的字符串，如果没有符合规则的字符串呗找到，就会返回一个空值。
实例：查找邮件账号
|
1
2
3
|
>>> mail
=
'<user01@mail.com> <user02@mail.com> user04@mail.com'
#第3个故意没有尖括号
>>> re.findall(r
'(\w+@m....[a-z]{3})'
,mail)
[
'user01@mail.com'
,
'user02@mail.com'
,
'user04@mail.com'
]
|
4.4、re.sub
re.sub 用于替换字符串的匹配项
|
1
2
|
>>>
help
(re.sub)
sub(pattern, repl, string, count
=
0
)
|
第一个参数：规则
第二个参数：替换后的字符串
第三个参数：字符串
第四个参数：替换个数。默认为0，表示每个匹配项都替换
实例：将空白处替换成-
|
1
2
3
4
5
6
|
>>> test
=
"Hi, nice to meet you where are you from?"
>>> re.sub(r
'\s'
,
'-'
,test)
'Hi,-nice-to-meet-you-where-are-you-from?'
>>> re.sub(r
'\s'
,
'-'
,test,
5
)
#替换至第5个
'Hi,-nice-to-meet-you-where are you from?'
>>>
|
4.5、re.split
re.split 用于来分割字符串
|
1
2
|
>>>
help
(re.split)
split(pattern, string, maxsplit
=
0
)
|
第一个参数：规则
第二个参数：字符串
第三个参数：最大分割字符串，默认为0，表示每个匹配项都分割
实例：分割所有的字符串
|
1
2
3
4
5
6
|
>>> test
=
"Hi, nice to meet you where are you from?"
>>> re.split(r
"\s+"
,test)
[
'Hi,'
,
'nice'
,
'to'
,
'meet'
,
'you'
,
'where'
,
'are'
,
'you'
,
'from?'
]
>>> re.split(r
"\s+"
,test,
3
)
#分割前三个
[
'Hi,'
,
'nice'
,
'to'
,
'meet you where are you from?'
]
>>>
|
4.6、re.compile
re.compile 可以把正则表达式编译成一个正则对象
|
1
2
|
>>> help(re.compile)
compile(pattern, flags=
0
)
|
第一个参数：规则
第二个参数：标志位
实例：
|
1
2
3
4
5
6
7
8
9
|
>>> test
=
"Hi, nice to meet you where are you from?"
>>> k
=
re.
compile
(r
'\w*o\w*'
)
#匹配带o的字符串
>>>
dir
(k)
[
'__copy__'
,
'__deepcopy__'
,
'findall'
,
'finditer'
,
'match'
,
'scanner'
,
'search'
,
'split'
,
'sub'
,
'subn'
]
>>>
print
k.findall(test)
#显示所有包涵o的字符串
[
'to'
,
'you'
,
'you'
,
'from'
]
>>>
print
k.sub(
lambda
m:
'['
+
m.group(
0
)
+
']'
,test)
# 将字符串中含有o的单词用[]括起来
Hi, nice [to] meet [you] where are [you] [
from
]?
>>>
|
五、用urllib2、re、os 模块下载文件的脚本
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
#!/usr/bin/env python
import
urllib2
import
re
import
os
URL
=
'http://image.baidu.com/channel/wallpaper'
read
=
urllib2.urlopen(URL).read()
pat
=
re.
compile
(r
'src="http://.+?.js">'
)
urls
=
re.findall(pat,read)
for
i
in
urls:
url
=
i.replace(
'src="'
,'
').replace('
">
','
')
try
:
iread
=
urllib2.urlopen(url).read()
name
=
os.path.basename(url)
with
open
(name,
'wb'
) as jsname:
jsname.write(iread)
except
:
print
url,
"url error"
|
