Python re模块详解

发布时间：2019-09-10 09:18:46编辑：auto阅读（1638）

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	>>> importre

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) >>> ifk: ...     printk.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) >>> ifk: ...      printk.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'] >>> printk.findall(test)     #显示所有包涵o的字符串 ['to', 'you', 'you', 'from'] >>> printk.sub(lambdam: '['+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 importurllib2 importre importos 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) fori inurls: 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: printurl,"url error"

关键字：