2 Apr 2017

Python中re(正则表达式)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.match(r”(\H….)”,name) >>> if k: … print k.group(0),’\n’,k.group(1) … else: … print “Sorry,not match!” … Hello Hello >>>

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

>>> 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"

原文链接:Python中re(正则表达式)模块详解


Tags:
Stats:
0 comments