Python 学习笔记之：正则表达式

一、正则表达式的概念

1.使用单个字符串来描述匹配一系列符合某个句法规则的字符串；

2.是对字符串操作的一种逻辑公式；

3.其应用场景为处理文本和数据；

4.正则表达式的执行过程：依次拿出表达式和文本中的字符串比较，如果每个字符都能匹配成功，则匹配成功；否则匹配失败。

二、re模块

1.编写第一个正则表达式：

（1）import re  #导入正则表达式模块

（2）正则表达式执行 过程及关键函数（涉及两个对象：规则对象、匹配对象）

           使用compile函数创建正则表达式对象

           使用match或search等简单方法实现匹配和搜索

           检查匹配结果

（3）示例：

import re
pattern = re.compile(r'^q')  #是否以q开头，r表示为原生字符串
result = pattern.match('qazxs')   #如果没有匹配成功，则会返回空
result.group()  #匹配结果放在元组中
print result.string

三、语法

1.匹配字符

                 字符                               作用

（1）字符匹配

                   .                                    匹配任意字符

                [……]                              中括号中任选一个，可写为[123456]  或[1-6]含义相同

               \d  /  \D                            匹配数字   /     非数字

              \w  /  \W                            匹配字母数字   /    匹配除过字母数字的内容

              \s   /   \S                            匹配空格          /     匹配除空格外的其他字符

（2）次数匹配

                  *                                    匹配前一个字符0次或多次

                  +                                   匹配前一个字符1次或多次

                 ？                                  匹配前一个字符0次或1次

              {m}  /   {m,n}                   匹配前一个字符m次，或[m,n] 次（少于匹配次数匹配失败；多余匹配字数，则只匹配限定个字符）

            *？   /   +?    /   ??             匹配模式变为非贪婪模式（尽可能少匹配字符）（只要前面匹配上，则后面能不匹配就不匹配）

（3）边界匹配

                ^                                     匹配字符串开头

                $                                    匹配字符串结尾

         \A      /     \Z                           指定的字符串必须出现在开头/结尾

                |                                      匹配左右任意一个表达式

            （ab）                              括号中表达式作为一个分组

      \<number>                            引用编号为number的分组匹配到的字符串

    (?\P<number>)                      为分组起一个别名

       (?P=name)                          引用别名为name的分组匹配的字符串

#(?p<name>)与（?p=name）示例

import re
ma = re.match(r'<([\w]+>)[\w]+</\1',"<book>python</book>")
ma.group()   #输出存入分组的结果

ma = re.match(r'<(?P<bookname>[\w]+>)[\w]+</(?P=bookname)',"<book>python</book>")
ma.group()


四、re模块相关方法使用
1.search（pattern,str,flags）    #用于查找模式串在str中第一次出现的位置
#匹配字符串中一部分数据

str1 = 'videonum = 1000'
ma = re.search(r'\d+',str1)
ma.group()
# 输出：1000


2.findall（pattern,str,flags）     # 找到匹配返回所有匹配的列表    
str1 = "c++=100,java=99,python=80"
ma = re.findall(r'[\d]+',str1)
ma
#['100', '99', '80']





3. sub（pattern,repl,string,count=0,flags=0）    #将字符串中匹配正则表达式的部分替换为其他值

4.split（pattern,string,maxsplit=0,flags=0）       #根据匹配分割字符串，返回分割字符串组成的列表

五、re模块相关练习（抓取网页中的图片到本地）
1.抓取网页地址
import urllib2
req = urllib2.urlopen("http://www.imooc.com/course/list")
buf = req.read()
2.获取图片地址
import re
listurl = re.findall(r'http:.+\.jpg',buf)





3.抓取图片内容保存到本地    
i = 0
for url in listurl:
    f = open(str(i)+'.jpg','w')
    req = urllib2.urlopen(url)
    buf = req.read()
    f.write(buf)
    i+=1