python正则

特殊字符

1. \b \B
   \b用于匹配一个单词的边界，如 \bthe表示任意以the开头的字符串，\bthe\b匹配the
   \B将匹配单词中间的模式，如\B表示任何包含但不以the作为起始的字符串
2. [a-zA-Z]\w* 第一个字符是字母，第二个如果存在是字母或者数字
3. \d{3}-\d{3}-\d{4}: 匹配美国电话号码，前面是区号
4. \w+@\w+\.com : 匹配电子邮件地址

扩展

1. (?:\w+\.)* 以句点作为结尾的字符串，如google. twitter.
2. (?=.com) 如果一个字符串以'.com'结尾才做匹配
3. (?!.net) 如果一个字符串不以'.net'结尾才匹配
4. (?<=800-) 如果字符串前为"800-"才匹配
5. (?<!192\.168\.) 如果字符串前不为'192.168.'才匹配，用于过滤掉一组c类ip地址
6. (?(1)y|x) 用于匹配组1，如存在就与y匹配，否则与x匹配

方法

re.match re.search
match方法从字符串起始部份开始匹配，如果起始位置不符，就失败，结果为None
search方法不但会搜索字符串第一次出现的位置，而且严格地对字符串从左到右搜索 例子：

1.>>> m = re.match('foo','food')
>>> m.group()
'foo'
>>>
2. >>> m = re.match('foo','seefood')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
匹配失败
3. >>> m = re.search('foo','seefood')
>>> m.group()
'foo'

匹配电子邮件：

>>> import re
>>> patt = '(\w+@\w+\.\w+)'
>>> m = re.match(patt,'178919347@qq.com')
>>> m.group()
'178919347@qq.com'

分组：
>>> import re
>>> patt = '(\w+)@(\w+\.\w+)'
>>> m = re.match(patt,'178919347@qq.com')
>>> m.groups()
('178919347', 'qq.com')
>>> m.group(1)
'178919347'

匹配字符串的起始和结尾以及单词边界

该操作一般用re.search,不用re.match，因为match()总是从字符串开始位置进行匹配

>>> m = re.search('^The','The end.')    # 匹配开头
>>> if m is not None:m.group()
...
'The'

>>> m = re.search('^The','end. The')  #不作为起始，匹配不到
>>> if m is not None:m.group()
...

>>> m = re.search(r'\bthe','bite the dog')  #  在边界
>>> if m is not None:m.group()
...
'the'

>>> m = re.search(r'\bthe','bitethe dog')  # 有边界
>>> if m is not None:m.group()
...

>>> m = re.search(r'\Bthe','bitethe dog')  # 没有边界
>>> if m is not None:m.group()
...
'the'

使用findall()查找每一次出现的位置

findall()查询字符串中某个正则表达式模式全部的非重复出现的情况，与search()类似，但findall()总是返回一个列表，如没有匹配到内容，则返回空列表。

>>> re.findall(r'car','carry the barcardi to the car')
['car', 'car', 'car']

扩展符号

(?iLmsux)系列选项 i. (?i)忽略大小写

>>> re.findall(r'(?i)the','The biggest one is the lion!')
['The', 'the']

ii. (?m) 实现多行混合

>>> re.findall('(?im)(^th[\w ]+)',"""
... This line is the first,
... another line,
... that line, it's the best
... """)
['This line is the first', 'that line']

iii) (?s) 表示点号(.)能够用来表示\n符号（反之其通常用于表示出了\n之外的符号）

>>> re.findall(r'th.+',"""
... The first line
... the second line
... the third line
... """)
['the second line', 'the third line']

>>> re.findall(r'(?s)th.+',"""
... The first line
... the second line
... the third line
... """)
['the second line\nthe third line\n']

iv. (?:...) 表示使用该符号，可以对部分正则表达式进行分组，但是不会保存

>>> re.findall(r'http://(?:\w+\.)*(\w+\.com)','http://google.com http://www.google.com http://code.google.com')
['google.com', 'google.com', 'google.com']

>>> re.search(r'\((?P<areacode>\d{3})\) (?P<prefix>\d{3})-(?:\d{4})','(800) 555-1212').groupdict()
{'areacode': '800', 'prefix': '555'}

(?P<name>)和(?P=name)符号，前者通过使用一个名称标识符而不是从1开始增加到N的数字来保存匹配，如果使用数字来保存匹配结果，我们就可以使用\1,\2...\N来检索。
v. (?=...)和(?!...)实现前视匹配，前者是正向前视断言，后者是负向前视断言。

---

匹配ip地址

IP地址格式可表示为：XXX.XXX.XXX.XXX，XXX取值范围是0-255，前三段加一个.重复了三次，在与最后一段合并及组成IP地址的完整格式。 所以IP地址的正则表示法如下：
((25[0-5]|2[0-4]\d|((1\d{2})|([1-9]?\d)))\.){3}(25[0-5]|2[0-4]\d|((1\d{2})|([1-9]?\d)))

---

匹配oabt004美剧网中首页的美剧名字和magnet地址，保存在dict中返回

#!/usr/bin/env python
# coding:utf-8
import requests
import re

class GetMag(object):
    def __init__(self):
        self.result = dict()
        self.res = None
        self.mag = None
        self.name = None
    def getText(self,url):
        self.res = requests.get(url).text
    def getMag(self):
        name_pat = re.compile(r'''class="name">(.*?)-''')
        mag_pat = re.compile(r'''data-magnet="(.*?)"''')
        self.mag = re.findall(mag_pat,self.res)
        self.name = re.findall(name_pat,self.res)
        for n in self.name:
            for m in self.mag:
                self.result.update({n:m})
        print(self.result)


def main():
    getmag = GetMag()
    getmag.getText(url='http://oabt004.com/index/index?cid=1')
    getmag.getMag()

if __name__ == "__main__":
    main()

转载于:https://my.oschina.net/u/3822958/blog/1795903