python15正则表达式

正则表达式:正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
1.基本模式
• 字面模式:就是字面长量,就代表其本身
• . 匹配任何字符
• \w       匹配任何字母数字字符，类似[a-zA-Z0-9_]
 \W       匹配任何非字母数字字符，类似[^a-zA-Z0-9_]
  \d      匹配任何十进制数，类似[0-9]
  \D      匹配任何非数字字符，类似[^0-9]
  \s      匹配任何空白字符，类似[\t\n\r\f\v]
  \S      匹配任何非空白字符，类似[^\t\n\r\f\v]
2.次数的匹配
次数的匹配 ,匹配其前面的字符出现的次数 :
• * 0 次或多次
• + 一次或多次
• ? 零次或一次
• {n} 出现 n次
• {m,n} 出现 m 到 n次
3.中括号
• 中括号用于指向一个字符集合
• 中括号可以使用元字符
• 中括号中的.表示其字面意思
[a-z] [A-Z] [0-9] [A-Za-z]中括号
• [0-9a-zA-Z\_] 可以匹配一个数字、字母或者下划线;
• [0-9a-zA-Z\_]+ 可以匹配至少由一个数字、字母或者下划线组成的字符串;
• [a-zA-Z\_][0-9a-zA-Z\_]{0, 19} 更精确地限制了变量的长度是 1­20个字符;
•A|B 可以匹配 A或 B
•^\d 表示必须以数字开头
• \d$ 表示必须以数字结束思考
• 判断一个字符串是否是合法的 Email 的方法;

• 判断满足029-1234567这样要求的电话号码的方法;

4.re 模块
r = r'hello'
re.match(r, 'hello')
re.match(r, 'westos')
match() 方法判断是否匹配,如果匹配成功,返回一个 Match
对象,否则返回 None 。
5.分组
m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
m.group(0)
m.group(1)
m.group(2)
下载指定网站符合的图片
import re
import urllib,urllib2

def getHtml(url):
   try:
       page = urllib.urlopen(url)
       html = page.read()
   except urllib2.URLError,e:
       print 'Download error... %s' %e
   return html

def getImg(html):
   img_re =r'src="(.+\.jpg)"'
   img_recom = re.compile(img_re)
   imglist = re.findall(img_recom,html)
   x = 1
   for imgurl in imglist:
       urllib.urlretrieve(imgurl,"%s.png" %x)
       x += 1

html = getHtml('http://172.25.254.252/')
getImg(html)
6.贪婪匹配
正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
• \d+ 采用贪婪匹配,直接把后面的 0 全部匹配了,结果 0* 只能匹配空字符串
• 必须让 \d+采用非贪婪匹配(也就是尽可能少匹配),才能把后面的 0 匹配出
来,加个 ? 就可以让 \d+采用非贪婪匹配
7.编译
当我们在 Python中使用正则表达式时,re模块内部会干两件事情:
1. 编译正则表达式,如果正则表达式的字符串本身不合法,会报错;
2. 用编译后的正则表达式去匹配字符串。
重复使用几千次,出于效率的考虑,我们可以预编译该正则表达式。
r = r'hello'
r_compile = r.compile(r)
r_compile .match()

总结
• re.match(p,text) :p 为正则表达式模式, text要查找的字符串,会返回一个match对象
• re.search(p,text) : 只要在 text中匹配到了 p就返回,只返回第一个匹配到的
• re.findall(p,text) :将能匹配上的全返回,会返回一个 list
• re.split(p,text) : 按照 p匹配,并且以匹配到的字符为分隔符切割 text,返回一个切割后的list
• re.sub(p,s,text) : 替换,将 p 匹配到的字符替换为 s.
• pattern = re.compile(p) 先编译 p模式,当正则表达式模式比较复杂的时候,会先编译,然后再使用