Python中RE模块详解

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:
. 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

import re
3.2、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 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
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),'\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
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
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
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
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'\wo\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

!/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"

此条目发表在Experience分类目录,贴了标签。将固定链接加入收藏夹。

发表评论

电子邮件地址不会被公开。 必填项已用*标注