今天學習測試了一下Python中的正則表達式的模塊用法。初學 Python ，對 Python 的文字處理能力有很深的印象，除了 str 對象自帶的一些方法外，就是正則表達式這個強大的模塊了。但是對於初學者來說，要用好這個功能還是有點難度，由於我記性不好，很容易就忘事，所以還是寫下來比較好一些，同時也可以加深印象，整理思路。
由於我是初學，所以肯定會有些錯誤，還望高手不吝賜教，指出我的錯誤。
一、Python中轉義字符
正則表達式使用反斜槓" \ "來代表特殊形式或用作轉義字符，這裡跟Python的語法沖突，因此，Python用" \\\\ "表示正則表達式中的" \ "，因為正則表達式中如果要匹配" \ "，需要用\來轉義，變成" \\ "，而Python語法中又需要對字符串中每一個\進行轉義，所以就變成了" \\\\ "。
上面的寫法是不是覺得很麻煩，為了使正則表達式具有更好的可讀性，Python特別設計了原始字符串(raw string)，需要提醒你的是，在寫文件路徑的時候就不要使用raw string了，這裡存在陷阱。raw string就是用'r'作為字符串的前綴，如 r"\n"：表示兩個字符"\"和"n"，而不是換行符了。Python中寫正則表達式時推薦使用這種形式。
二、正則表達式元字符說明：
. 匹配除換行符以外的任意字符
^ 匹配字符串的開始
$ 匹配字符串的結束
[] 用來匹配一個指定的字符類別
？ 對於前一個字符字符重復0次到1次
* 對於前一個字符重復0次到無窮次
{} 對於前一個字符重復m次
{m，n} 對前一個字符重復為m到n次
\d 匹配數字，相當於[0-9]
\D 匹配任何非數字字符，相當於[^0-9]
\s 匹配任意的空白符，相當於[ fv]
\S 匹配任何非空白字符，相當於[^ fv]
\w 匹配任何字母數字字符，相當於[a-zA-Z0-9_]
\W 匹配任何非字母數字字符，相當於[^a-zA-Z0-9_]
\b 匹配單詞的開始或結束
三、導入正則表達式模塊
3.1、導入正則表達式模塊
>>> import re
3.2、查看正則表達式模塊方法
>>> 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、常用的正則表達式處理函數
4.1、re.search
re.search 函數會在字符串內查找模式匹配，只到找到第一個匹配然後返回，如果字符串沒有匹配，則返回None。
提示：當我們不會用模塊方法的時候用help
>>> help(re.search)
search(pattern, string, flags=0)
第一個參數：規則
第二個參數：表示要匹配的字符串
第三個參數：標致位，用於控制正則表達式的匹配方式
實例：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 嘗試從字符串的開始匹配一個模式，也等於說是匹配第一個單詞
12 >>> help(re.match)
match(pattern, string, flags=0)
第一個參數：規則
第二個參數：表示要匹配的字符串
第三個參數：標致位，用於控制正則表達式的匹配方式
實例：下面的例子匹配Hello單詞
>>> 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與re.search的區別：re.match只匹配字符串的開始，如果字符串開始不符合正則表達式，則匹配失敗，函數返回None；而re.search匹配整個字符串，直到找到一個匹配。
4.3、re.findall
re.findall 在目標字符串查找符合規則的字符串
12 >>> help(re.findall)
findall(pattern, string, flags=0)
第一個參數：規則
第二個參數：目標字符串
但三個參數：後面還可以跟一個規則選擇項
返回的結果是一個列表，建中存放的是符合規則的字符串，如果沒有符合規則的字符串呗找到，就會返回一個空值。
實例：查找郵件賬號
>>> mail='<[email protected]> <[email protected]> [email protected]' #第3個故意沒有尖括號
>>> re.findall(r'(\w+@m....[a-z]{3})',mail)
['[email protected]', '[email protected]', '[email protected]']
4.4、re.sub
re.sub 用於替換字符串的匹配項
12 >>> help(re.sub)
sub(pattern, repl, string, count=0)
第一個參數：規則
第二個參數：替換後的字符串
第三個參數：字符串
第四個參數：替換個數。默認為0，表示每個匹配項都替換
實例：將空白處替換成-
>>> 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) #替換至第5個
'Hi,-nice-to-meet-you-where are you from?'
>>>
4.5、re.split
re.split 用於來分割字符串
12 >>> help(re.split)
split(pattern, string, maxsplit=0)
第一個參數：規則
第二個參數：字符串
第三個參數：最大分割字符串，默認為0，表示每個匹配項都分割
實例：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) #分割前三個
['Hi,', 'nice', 'to', 'meet you where are you from?']
>>>
4.6、re.compile
re.compile 可以把正則表達式編譯成一個正則對象
12 >>> help(re.compile)
compile(pattern, flags=0)
第一個參數：規則
第二個參數：標志位
實例：
>>> test="Hi, nice to meet you where are you from?"
>>> k=re.compile(r'\w*o\w*') #匹配帶o的字符串
>>> dir(k)
['__copy__', '__deepcopy__', 'findall', 'finditer', 'match', 'scanner', 'search', 'split', 'sub', 'subn']
>>> print k.findall(test) #顯示所有包涵o的字符串
['to', 'you', 'you', 'from']
>>> print k.sub(lambda m: '[' + m.group(0) + ']',test) # 將字符串中含有o的單詞用[]括起來
Hi, nice [to] meet [you] where are [you] [from]?
>>>
五、用urllib2、re、os 模塊下載文件的腳本
#!/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"
