python 基础概念整理

正则表达式中 字符串前面加r，表示的意思是禁止字符串转义

>>> print "asfdas\n"

asfdas

>>> print "asfdas\\n"

asfdas\n

>>> print "asfdas\n"

asfdas

>>> print r "asfdas\n"

asfdas\n

urllib  库

import urllib2

 

response = urllib2 . urlopen ( "http://www.baidu.com" )

print response . read ( )

构造request

import urllib2

 

request = urllib2 . Request ( "http://www.baidu.com" )

response = urllib2 . urlopen ( request )

print response . read ( )

post 传数据 模拟登录

3 4 5 6 7 8 9

import urllib import urllib2   values = { "username" : "1016903103@qq.com" , "password" : "XXXX" } data = urllib . urlencode ( values ) url = "https://passport.csdn.net/account/login?from=http://my.csdn.net/my/mycsdn" request = urllib2 . Request ( url , data ) response = urllib2 . urlopen ( request ) print response . read ( )

get传数据

import urllib

import urllib2

 

values = { }

values [ 'username' ] = "1016903103@qq.com"

values [ 'password' ] = "XXXX"

data = urllib . urlencode ( values )

url = "http://passport.csdn.net/account/login"

geturl = url + "?" + data

request = urllib2 . Request ( geturl )

response = urllib2 . urlopen ( request )

print response . read ( )

设置header

import urllib   

import urllib2   

 

url = 'http://www.server.com/login'

user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'   

values = { 'username' : 'cqc' ,    'password' : 'XXXX' }   

headers = { 'User-Agent' : user _agent }   

data = urllib . urlencode ( values )   

request = urllib2 . Request ( url , data , headers )   

response = urllib2 . urlopen ( request )   

page = response . read ( )

另外headers的一些属性，下面的需要特别注意一下：

User-Agent : 有些服务器或 Proxy 会通过该值来判断是否是浏览器发出的请求
Content-Type : 在使用 REST 接口时，服务器会检查该值，用来确定 HTTP Body 中的内容该怎样解析。
application/xml ： 在 XML RPC，如 RESTful/SOAP 调用时使用
application/json ： 在 JSON RPC 调用时使用
application/x-www-form-urlencoded ： 浏览器提交 Web 表单时使用
在使用服务器提供的 RESTful 或 SOAP 服务时， Content-Type 设置错误会导致服务器拒绝服务

其他的有必要的可以审查浏览器的headers内容，在构建时写入同样的数据即可。

1.URLError

首先解释下URLError可能产生的原因：

• 网络无连接，即本机无法上网
• 连接不到特定的服务器
• 服务器不存在

在代码中，我们需要用try-except语句来包围并捕获相应的异常。下面是一个例子，先感受下它的风骚

import urllib2   requset = urllib2 . Request ( 'http://www.xxxxx.com' ) try :      urllib2 . urlopen ( requset ) except urllib2 . URLError , e :      print e . reason

我们利用了 urlopen方法访问了一个不存在的网址，运行结果如下：

Python

1	[ Errno 11004 ] getaddrinfo failed

它说明了错误代号是11004，错误原因是 getaddrinfo failed

2.HTTPError

HTTPError是URLError的子类，在你利用urlopen方法发出一个请求时，服务器上都会对应一个应答对象response，其中它包含一个数字”状态码”。举个例子，假如response是一个”重定向”，需定位到别的地址获取文档，urllib2将对此进行处理。

其他不能处理的，urlopen会产生一个HTTPError，对应相应的状态吗，HTTP状态码表示HTTP协议所返回的响应的状态。下面将状态码归结如下：

100：继续 客户端应当继续发送请求。客户端应当继续发送请求的剩余部分，或者如果请求已经完成，忽略这个响应。

101： 转换协议 在发送完这个响应最后的空行后，服务器将会切换到在Upgrade 消息头中定义的那些协议。只有在切换新的协议更有好处的时候才应该采取类似措施。

102：继续处理 由WebDAV（RFC 2518）扩展的状态码，代表处理将被继续执行。

200：请求成功 处理方式：获得响应的内容，进行处理

201：请求完成，结果是创建了新资源。新创建资源的URI可在响应的实体中得到 处理方式：爬虫中不会遇到

202：请求被接受，但处理尚未完成 处理方式：阻塞等待

204：服务器端已经实现了请求，但是没有返回新的信 息。如果客户是用户代理，则无须为此更新自身的文档视图。 处理方式：丢弃

300：该状态码不被HTTP/1.0的应用程序直接使用， 只是作为3XX类型回应的默认解释。存在多个可用的被请求资源。 处理方式：若程序中能够处理，则进行进一步处理，如果程序中不能处理，则丢弃
301：请求到的资源都会分配一个永久的URL，这样就可以在将来通过该URL来访问此资源 处理方式：重定向到分配的URL

302：请求到的资源在一个不同的URL处临时保存 处理方式：重定向到临时的URL

304：请求的资源未更新 处理方式：丢弃

400：非法请求 处理方式：丢弃

401：未授权 处理方式：丢弃

403：禁止 处理方式：丢弃

404：没有找到 处理方式：丢弃

500：服务器内部错误 服务器遇到了一个未曾预料的状况，导致了它无法完成对请求的处理。一般来说，这个问题都会在服务器端的源代码出现错误时出现。

501：服务器无法识别 服务器不支持当前请求所需要的某个功能。当服务器无法识别请求的方法，并且无法支持其对任何资源的请求。

502：错误网关 作为网关或者代理工作的服务器尝试执行请求时，从上游服务器接收到无效的响应。

503：服务出错 由于临时的服务器维护或者过载，服务器当前无法处理请求。这个状况是临时的，并且将在一段时间以后恢复。

HTTPError实例产生后会有一个code属性，这就是是服务器发送的相关错误号。
因为urllib2可以为你处理重定向，也就是3开头的代号可以被处理，并且100-299范围的号码指示成功，所以你只能看到400-599的错误号码。

下面我们写一个例子来感受一下，捕获的异常是HTTPError，它会带有一个code属性，就是错误代号，另外我们又打印了reason属性，这是它的父类URLError的属性。

Python

1 2 3 4 5 6 7 8

import urllib2   req = urllib2 . Request ( 'http://blog.csdn.net/cqcre' ) try :      urllib2 . urlopen ( req ) except urllib2 . HTTPError , e :      print e . code      print e . reason

运行结果如下

Python

1 2	403 Forbidden

错误代号是403，错误原因是Forbidden，说明服务器禁止访问。

我们知道，HTTPError的父类是URLError，根据编程经验，父类的异常应当写到子类异常的后面，如果子类捕获不到，那么可以捕获父类的异常，所以上述的代码可以这么改写

Python

1 2 3 4 5 6 7 8 9 10 11

import urllib2   req = urllib2 . Request ( 'http://blog.csdn.net/cqcre' ) try :      urllib2 . urlopen ( req ) except urllib2 . HTTPError , e :      print e . code except urllib2 . URLError , e :      print e . reason else :      print "OK"

如果捕获到了HTTPError，则输出code，不会再处理URLError异常。如果发生的不是HTTPError，则会去捕获URLError异常，输出错误原因。

另外还可以加入 hasattr属性提前对属性进行判断，代码改写如下

Python

1 2 3 4 5 6 7 8 9 10 11 12

import urllib2   req = urllib2 . Request ( 'http://blog.csdn.net/cqcre' ) try :      urllib2 . urlopen ( req ) except urllib2 . URLError , e :      if hasattr ( e , "code" ) :          print e . code      if hasattr ( e , "reason" ) :          print e . reason else :      print "OK"

首先对异常的属性进行判断，以免出现属性输出报错的现象。

为什么要使用Cookie呢？

Cookie，指某些网站为了辨别用户身份、进行session跟踪而储存在用户本地终端上的数据（通常经过加密）

比如说有些网站需要登录后才能访问某个页面，在登录之前，你想抓取某个页面内容是不允许的。那么我们可以利用Urllib2库保存我们登录的Cookie，然后再抓取其他页面就达到目的了。

1.Opener

当你获取一个URL你使用一个opener(一个urllib2.OpenerDirector的实例)。在前面，我们都是使用的默认的opener，也就是urlopen。它是一个特殊的opener，可以理解成opener的一个特殊实例，传入的参数仅仅是url，data，timeout。

如果我们需要用到Cookie，只用这个opener是不能达到目的的，所以我们需要创建更一般的opener来实现对Cookie的设置。

2.Cookielib

cookielib模块的主要作用是提供可存储cookie的对象，以便于与urllib2模块配合使用来访问Internet资源。 Cookielib模块非常强大，我们可以利用本模块的CookieJar类的对象来捕获cookie并在后续连接请求时重新发送，比如可以实现模拟登录 功能。该模块主要的对象有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。

它们的关系：CookieJar —-派生—->FileCookieJar —-派生—–>MozillaCookieJar和LWPCookieJar

1）获取Cookie保存到变量

首先，我们先利用CookieJar对象实现获取cookie的功能，存储到变量中，先来感受一下

Python

1 2 3 4 5 6 7 8 9 10 11 12 13

import urllib2 import cookielib #声明一个CookieJar对象实例来保存cookie cookie = cookielib . CookieJar ( ) #利用urllib2库的HTTPCookieProcessor对象来创建cookie处理器 handler = urllib2 . HTTPCookieProcessor ( cookie ) #通过handler来构建opener opener = urllib2 . build_opener ( handler ) #此处的open方法同urllib2的urlopen方法，也可以传入request response = opener . open ( 'http://www.baidu.com' ) for item in cookie :      print 'Name = ' + item . name      print 'Value = ' + item . value

我们使用以上方法将cookie保存到变量中，然后打印出了cookie中的值，运行结果如下

Python

1 2 3 4 5 6 7 8 9 10

Name = BAIDUID Value = B07B663B645729F11F659C02AAE65B4C : FG = 1 Name = BAIDUPSID Value = B07B663B645729F11F659C02AAE65B4C Name = H_PS_PSSID Value = 12527_11076_1438_10633 Name = BDSVRTM Value = 0 Name = BD_HOME Value = 0

2）保存Cookie到文件

在上面的方法中，我们将cookie保存到了cookie这个变量中，如果我们想将cookie保存到文件中该怎么做呢？这时，我们就要用到

FileCookieJar这个对象了，在这里我们使用它的子类MozillaCookieJar来实现Cookie的保存

Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

import cookielib import urllib2   #设置保存cookie的文件，同级目录下的cookie.txt filename = 'cookie.txt' #声明一个MozillaCookieJar对象实例来保存cookie，之后写入文件 cookie = cookielib . MozillaCookieJar ( filename ) #利用urllib2库的HTTPCookieProcessor对象来创建cookie处理器 handler = urllib2 . HTTPCookieProcessor ( cookie ) #通过handler来构建opener opener = urllib2 . build_opener ( handler ) #创建一个请求，原理同urllib2的urlopen response = opener . open ( "http://www.baidu.com" ) #保存cookie到文件 cookie . save ( ignore_discard = True , ignore_expires = True )

3）从文件中获取Cookie并访问

那么我们已经做到把Cookie保存到文件中了，如果以后想使用，可以利用下面的方法来读取cookie并访问网站，感受一下

Python

1 2 3 4 5 6 7 8 9 10 11 12 13

import cookielib import urllib2   #创建MozillaCookieJar实例对象 cookie = cookielib . MozillaCookieJar ( ) #从文件中读取cookie内容到变量 cookie . load ( 'cookie.txt' , ignore_discard = True , ignore_expires = True ) #创建请求的request req = urllib2 . Request ( "http://www.baidu.com" ) #利用urllib2的build_opener方法创建一个opener opener = urllib2 . build_opener ( urllib2 . HTTPCookieProcessor ( cookie ) ) response = opener . open ( req ) print response . read ( )

设想，如果我们的 cookie.txt 文件中保存的是某个人登录百度的cookie，那么我们提取出这个cookie文件内容，就可以用以上方法模拟这个人的账号登录百度。

4）利用cookie模拟网站登录

下面我们以我们学校的教育系统为例，利用cookie实现模拟登录，并将cookie信息保存到文本文件中，来感受一下cookie大法吧！

注意：密码我改了啊，别偷偷登录本宫的选课系统 o(╯□╰)o

Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

import urllib import urllib2 import cookielib   filename = 'cookie.txt' #声明一个MozillaCookieJar对象实例来保存cookie，之后写入文件 cookie = cookielib . MozillaCookieJar ( filename ) opener = urllib2 . build_opener ( urllib2 . HTTPCookieProcessor ( cookie ) ) postdata = urllib . urlencode ( { 'stuid' : '201200131012' , 'pwd' : '23342321' } ) #登录教务系统的URL loginUrl = 'http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bks_login2.login' #模拟登录，并把cookie保存到变量 result = opener . open ( loginUrl , postdata ) #保存cookie到cookie.txt中 cookie . save ( ignore_discard = True , ignore_expires = True ) #利用cookie请求访问另一个网址，此网址是成绩查询网址 gradeUrl = 'http://jwxt.sdu.edu.cn:7890/pls/wwwbks/bkscjcx.curscopre' #请求访问成绩查询网址 result = opener . open ( gradeUrl ) print result . read ( )

以上程序的原理如下

创建一个带有cookie的opener，在访问登录的URL时，将登录后的cookie保存下来，然后利用这个cookie来访问其他网址。

如登录之后才能查看的成绩查询呀，本学期课表呀等等网址，模拟登录就这么实现啦，是不是很酷炫？

1.了解正则表达式

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

正则表达式是用来匹配字符串非常强大的工具，在其他编程语言中同样有正则表达式的概念，Python同样不例外，利用了正则表达式，我们想要从返回的页面内容提取出我们想要的内容就易如反掌了。

正则表达式的大致匹配过程是：
1.依次拿出表达式和文本中的字符比较，
2.如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。
3.如果表达式中有量词或边界，这个过程会稍微有一些不同。

2.正则表达式的语法规则

下面是Python中正则表达式的一些匹配规则，图片资料来自CSDN

3.正则表达式相关注解

（1）数量词的贪婪模式与非贪婪模式

正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字 符；非贪婪的则相反，总是尝试匹配尽可能少的字符。例如：正则表达式”ab*”如果用于查找”abbbc”，将找到”abbb”。而如果使用非贪婪的数量 词”ab*?”，将找到”a”。

注：我们一般使用非贪婪模式来提取。

（2）反斜杠问题

与大多数编程语言相 同，正则表达式里使用”\”作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”\”，那么使用编程语言表示的正则表达式里将需要4个反 斜杠”\\\\”：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r”\\”表示。同样，匹配一个数字的”\\d”可以写成r”\d”。有了原生字符串，妈妈也不用担心是不是漏写了反斜杠，写出来的表达式也更直观勒。

4.Python Re模块

Python 自带了re模块，它提供了对正则表达式的支持。主要用到的方法列举如下

Python

1 2 3 4 5 6 7 8 9 10

#返回pattern对象 re . compile ( string [ , flag ] )    #以下为匹配所用函数 re . match ( pattern , string [ , flags ] ) re . search ( pattern , string [ , flags ] ) re . split ( pattern , string [ , maxsplit ] ) re . findall ( pattern , string [ , flags ] ) re . finditer ( pattern , string [ , flags ] ) re . sub ( pattern , repl , string [ , count ] ) re . subn ( pattern , repl , string [ , count ] )

在介绍这几个方法之前，我们先来介绍一下pattern的概念，pattern可以理解为一个匹配模式，那么我们怎么获得这个匹配模式呢？很简单，我们需要利用re.compile方法就可以。例如

Python

1	pattern = re . compile ( r 'hello' )

在参数中我们传入了原生字符串对象，通过compile方法编译生成一个pattern对象，然后我们利用这个对象来进行进一步的匹配。

另外大家可能注意到了另一个参数 flags，在这里解释一下这个参数的含义：

参数flag是匹配模式，取值可以使用按位或运算符’|’表示同时生效，比如re.I | re.M。

可选值有：

Python

1 2 3 4 5 6

• re . I (全拼： IGNORECASE ) : 忽略大小写（括号内是完整写法，下同） • re . M (全拼： MULTILINE ) : 多行模式，改变 '^'和 '$'的行为（参见上图） • re . S (全拼： DOTALL ) : 点任意匹配模式，改变 '.'的行为 • re . L (全拼： LOCALE ) : 使预定字符类 \ w \ W \ b \ B \ s \ S 取决于当前区域设定 • re . U (全拼： UNICODE ) : 使预定字符类 \ w \ W \ b \ B \ s \ S \ d \ D 取决于 unicode定义的字符属性 • re . X (全拼： VERBOSE ) : 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。

在刚才所说的另外几个方法例如 re.match 里我们就需要用到这个pattern了，下面我们一一介绍。

注：以下七个方法中的flags同样是代表匹配模式的意思，如果在pattern生成时已经指明了flags，那么在下面的方法中就不需要传入这个参数了。

（1）re.match(pattern, string[, flags])

这个方法将会从string（我们要匹配的字符串）的开头开始，尝试匹配pattern，一直向后匹配，如果遇到无法匹配的字符，立即返回 None，如果匹配未结束已经到达string的末尾，也会返回None。两个结果均表示匹配失败，否则匹配pattern成功，同时匹配终止，不再对 string向后匹配。下面我们通过一个例子理解一下

Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42

__author__ = 'CQC' # -*- coding: utf-8 -*-   #导入re模块 import re   # 将正则表达式编译成Pattern对象，注意hello前面的r的意思是“原生字符串” pattern = re . compile ( r 'hello' )   # 使用re.match匹配文本，获得匹配结果，无法匹配时将返回None result1 = re . match ( pattern , 'hello' ) result2 = re . match ( pattern , 'helloo CQC!' ) result3 = re . match ( pattern , 'helo CQC!' ) result4 = re . match ( pattern , 'hello CQC!' )   #如果1匹配成功 if result1 :      # 使用Match获得分组信息      print result1 . group ( ) else :      print '1匹配失败！'   #如果2匹配成功 if result2 :      # 使用Match获得分组信息      print result2 . group ( ) else :      print '2匹配失败！'   #如果3匹配成功 if result3 :      # 使用Match获得分组信息      print result3 . group ( ) else :      print '3匹配失败！'   #如果4匹配成功 if result4 :      # 使用Match获得分组信息      print result4 . group ( ) else :      print '4匹配失败！'

运行结果

Python

1 2 3 4

hello hello 3匹配失败！ hello

匹配分析

1.第一个匹配，pattern正则表达式为’hello’，我们匹配的目标字符串string也为hello，从头至尾完全匹配，匹配成功。

2.第二个匹配，string为helloo CQC，从string头开始匹配pattern完全可以匹配，pattern匹配结束，同时匹配终止，后面的o CQC不再匹配，返回匹配成功的信息。

3.第三个匹配，string为helo CQC，从string头开始匹配pattern，发现到 ‘o’ 时无法完成匹配，匹配终止，返回None

4.第四个匹配，同第二个匹配原理，即使遇到了空格符也不会受影响。

我们还看到最后打印出了result.group()，这个是什么意思呢？下面我们说一下关于match对象的的属性和方法
Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。

属性：
1.string: 匹配时使用的文本。
2.re: 匹配时使用的Pattern对象。
3.pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
4.endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
5.lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。
6.lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

方法：
1.group([group1, …]):
获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。
2.groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。
3.groupdict([default]):
返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。
4.start([group]):
返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。
5.end([group]):
返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。
6.span([group]):
返回(start(group), end(group))。
7.expand(template):
将匹配到的分组代入template中然后返回。template中可以使用\id或\g、\g引用分组，但不能使用编号0。\id与\g是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符’0’，只能使用\g0。

下面我们用一个例子来体会一下

Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

# -*- coding: utf-8 -*- #一个简单的match实例   import re # 匹配如下内容：单词+空格+单词+任意字符 m = re . match ( r '(\w+) (\w+)(?P.*)' , '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():" , m . group ( ) 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'\g \g\g'):" , m . expand ( r '\2 \1\3' )   ### output ### # m.string: hello world! # m.re: # m.pos: 0 # m.endpos: 12 # m.lastindex: 3 # m.lastgroup: sign # m.group(1,2): ('hello', 'world') # m.groups(): ('hello', 'world', '!') # m.groupdict(): {'sign': '!'} # m.start(2): 6 # m.end(2): 11 # m.span(2): (6, 11) # m.expand(r'\2 \1\3'): world hello!

（2）re.search(pattern, string[, flags])

search方法与match方法极其类似，区别在于match()函数只检测re是不是在string的开始位置匹配，search()会扫描整个string查找匹配，match（）只有在0位置匹配成功的话才有返回，如果不是开始位置匹配成功的话，match()就返回None。同样，search方法的返回对象同样match()返回对象的方法和属性。我们用一个例子感受一下

Python

1 2 3 4 5 6 7 8 9 10 11 12 13

#导入re模块 import re   # 将正则表达式编译成Pattern对象 pattern = re . compile ( r 'world' ) # 使用search()查找匹配的子串，不存在能匹配的子串时将返回None # 这个例子中使用match()无法成功匹配 match = re . search ( pattern , 'hello world!' ) if match :      # 使用Match获得分组信息      print match . group ( ) ### 输出 ### # world

（3）re.split(pattern, string[, maxsplit])

按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数，不指定将全部分割。我们通过下面的例子感受一下。

Python

1 2 3 4 5 6 7

import re   pattern = re . compile ( r '\d+' ) print re . split ( pattern , 'one1two2three3four4' )   ### 输出 ### # ['one', 'two', 'three', 'four', '']

（4）re.findall(pattern, string[, flags])

搜索string，以列表形式返回全部能匹配的子串。我们通过这个例子来感受一下

Python

1 2 3 4 5 6 7

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

（5）re.finditer(pattern, string[, flags])

搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。我们通过下面的例子来感受一下

Python

1 2 3 4 5 6 7 8

import re   pattern = re . compile ( r '\d+' ) for m in re . finditer ( pattern , 'one1two2three3four4' ) :      print m . group ( ) ,   ### 输出 ### # 1 2 3 4

（6）re.sub(pattern, repl, string[, count])

使用repl替换string中每一个匹配的子串后返回替换后的字符串。
当repl是一个字符串时，可以使用\id或\g、\g引用分组，但不能使用编号0。
当repl是一个方法时，这个方法应当只接受一个参数（Match对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。
count用于指定最多替换次数，不指定时全部替换。

Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

import re   pattern = re . compile ( r '(\w+) (\w+)' ) s = 'i say, hello world!'   print re . sub ( pattern , r '\2 \1' , s )   def func ( m ) :      return m . group ( 1 ) . title ( ) + ' ' + m . group ( 2 ) . title ( )   print re . sub ( pattern , func , s )   ### output ### # say i, world hello! # I Say, Hello World!

（7）re.subn(pattern, repl, string[, count])

返回 (sub(repl, string[, count]), 替换次数)。

Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

import re   pattern = re . compile ( r '(\w+) (\w+)' ) s = 'i say, hello world!'   print re . subn ( pattern , r '\2 \1' , s )   def func ( m ) :      return m . group ( 1 ) . title ( ) + ' ' + m . group ( 2 ) . title ( )   print re . subn ( pattern , func , s )   ### output ### # ('say i, world hello!', 2) # ('I Say, Hello World!', 2)

5.Python Re模块的另一种使用方式

在上面我们介绍了7个工具方法，例如match，search等等，不过调用方式都是 re.match，re.search的方式，其实还有另外一种调用方式，可以通过pattern.match，pattern.search调用，这样 调用便不用将pattern作为第一个参数传入了，大家想怎样调用皆可。

函数API列表

Python

1 2 3 4 5 6 7

match ( string [ , pos [ , endpos ] ] ) | re . match ( pattern , string [ , flags ] ) search ( string [ , pos [ , endpos ] ] ) | re . search ( pattern , string [ , flags ] ) split ( string [ , maxsplit ] ) | re . split ( pattern , string [ , maxsplit ] ) findall ( string [ , pos [ , endpos ] ] ) | re . findall ( pattern , string [ , flags ] ) finditer ( string [ , pos [ , endpos ] ] ) | re . finditer ( pattern , string [ , flags ] ) sub ( repl , string [ , count ] ) | re . sub ( pattern , repl , string [ , count ] ) subn ( repl , string [ , count ] ) | re . sub ( pattern , repl , string [ , count ] )