Python中re（正则表达式）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" "：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：. 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_]
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
>>> import re3.2、查看正则表达式模块方法
>>> 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
>>> 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
>>> 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 uan4.2、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
12 >>> 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
>>> name="Hello,My name is kuangl,nice to meet you..."
>>> k=re.match（r"（H....）",name）
>>> if k:
... print k.group（0）," ",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
12 >>> 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
>>> 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
12 >>> 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-
>>> 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
12 >>> 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
>>> 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
12 >>> help（re.compile）
compile（pattern, flags=0）第一个参数：规则
第二个参数：标志位
实例：
>>> test="Hi, nice to meet you where are you from？"
>>> k=re.compile（r"w*ow*"） #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
#！/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="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"推荐阅读：Python脚本获取Linux系统信息 http://www.linuxidc.com/Linux/2013-08/88531.htmPython文件处理：读取文件 http://www.linuxidc.com/Linux/2013-08/88496.htm如何发布自定义的Python模块 http://www.linuxidc.com/Linux/2013-08/88495.htmPython爬虫多线程抓取代理服务器 http://www.linuxidc.com/Linux/2013-07/87289.htm