python学习笔记二（正则表达式）

在爬取网页信息的时候，是否是用循环截取字符串的方法？至少我之前是这么做的。我比较懒，直接在字符串里搜关键字、用分片拿到想要的信息，想到要写正则表达式就有点矗。今天看了下正则表达式，小小的总结下。今天就不讲怎么写正则表达式了，得依照需求来（自己写的正则曾经被人鄙视过），今天的主题是怎么用python的re模块。

个人理解的正则表达式的执行流程是这样的：编写正则表达式-->compile成Pattern对象-->调用match、search、findall等方法匹配文本-->得到结果。

1、compile

正则引擎会将字符串形式的正则表达式编译成Pattern对象，可选择flag的参数，指定搜索时的一些规则，如忽略大小写等。

2、match

match(string[, pos[, endpos]]) | re.match(pattern, string[, flags])，该方法和后面的几个方法一样，都有两种传参形式。直接将正则表达式传入的时候，可以减少compile这一行代码，编译过程在matc方法内完成。不多说，上代码

import re
m = re.match(r'(\w+) (\w+)(?P<sign>.*)', 'hello world!')
 
print "m.string:", m.string
print "m.re:", m.re
print "m.pos:", m.pos
print "m.endpos:", m.endpos
print "m.lastindex:", m.lastindex
print "m.lastgroup:", m.lastgroup
 
print "m.group(1,2):", m.group(1, 2)
print "m.groups():", m.groups()
print "m.groupdict():", m.groupdict()
print "m.start(2):", m.start(2)
print "m.end(2):", m.end(2)
print "m.span(2):", m.span(2)
print r"m.expand(r'\2 \1\3'):", m.expand(r'\2 \1\3')

该方法返回一个Match对象，group()可以返回匹配到的字符串，groups()则返回一个元组，包含各组匹配到的字符串。

另外，search这个方法跟match一样返回一个Match对象，感觉用法差不多。但两者有本质的区别：match函数只检测是不是在string的开始位置匹配，search会扫描整个string查找匹配。

3、findall

这个可能是我用的最多的一个方法，以列表的形式返回正则表达式匹配到的所有字符串。

import re
 
p = re.compile(r'\d+')
print p.findall('one1two2three3four4')
 
### output ###
# ['1', '2', '3', '4']

通常我会用search方法去看某文本是否包含一个正则对应的字符串，写爬虫的时候可能用到findall对多一些，至于其他的方法这里就不介绍了。
小结

总结后发现：只要花心思看了，一切都会变简单；如果不敢尝试新的东西，则会停滞不前！