Python re模块详解

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=\'#\'" //.+?.js">' ) urls = re.findall(pat,read) for i  in urls: url = i.replace( 'src=\'#\'" /code>,'').replace('">','') try: iread=urllib2.urlopen(url).read() name=os.path.basename(url) with open(name,'wb') as jsname: jsname.write(iread) except: printurl,"url error"