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://p_w_picpath.baidu.com/channel/wallpaper'
read = urllib2.urlopen(URL).read()
pat = re. compile (r 'src="http://.+?.js">' )
urls = re.findall(pat,read)
for i in urls:
url = i.replace( 'src="' ,' ').replace(' "> ',' ')
try :
iread = urllib2.urlopen(url).read()
name = os.path.basename(url)
with open (name, 'wb' ) as jsname:
jsname.write(iread)
except :
print url, "url error"