Python正则表达式 学习笔记

python第一个正则表达式

1. import re : python正则表达式模块

2. 第一个正则表达式

re.compile(r'imooc')

pattern.match('imooc python')

示例：

import re

pa = re.compile(r'imooc') #返回一个Pattern类型对象pa

ma = pa.match('imooc python') #返回一个match对象ma

print ma.group() #获得匹配结果

print ma.span() #获得匹配区间

print ma.string #匹配字符串

print ma.re #pattern对象

 

pa = re.compile(r'imooc', re.I)    # I == ignore,忽略大小写地匹配

ma = pa.match('iMoOc python')

print ma.group()

 

pa = re.compile(r'(imooc)') #加入小括号，放到group里

ma = pa.match('imooc python')

print ma.groups()

 

ma = re.match(r'imooc', 'imooc python') #直接匹配

print ma.group()

 

Python正则表达式语法

字符	匹配
.	匹配任意字符（除了\n）
[...]	匹配字符集
\d / \D	匹配数字/非数字
\s / \S	匹配空白/非空白字符
\w / \W	匹配单词字符[a-zA-Z0-9]/非单词字符

单字符匹配示例：

import re

ma = re.match(r'.', 'abc0')

print ma.group()

ma = re.match(r'{[abc]}', '{b}')

print ma.group()

ma = re.match(r'[a-z]', 'a')

print ma.group()

ma = re.match(r'\[[\w]\]', '[a]')

print ma.group()

 

字符	匹配
*	匹配前一个字符0次或无限次
+	匹配前一个字符1次或无限次
?	匹配前一个字符0次或1次
{m} / {m.n}	匹配前一个字符m次到n次
*? / +? / ??	匹配模式变为非贪婪（尽可能少匹配字符）

示例：

# -*- coding: utf-8 -*-

import re

ma = re.match(r'[A-Z][a-z]*', 'Aa')

print ma.group()

ma = re.match(r'[_a-zA-z]+[_\w]*', '_helloWorld01') #匹配一个变量名

print ma.group()

ma = re.match(r'[0-9]?[0-9]', '28') #匹配0到99

print ma.group()

边界匹配

字符	匹配
^	匹配字符串开头
$	匹配字符串结尾
\A / \Z	指定的字符串必须穿现在开头/结尾

示例：

import re

ma = re.match(r'^[\w]{4,10}@163.com$', 'imooc@163.com')

print ma.group()

ma = re.match(r'\Aimooc[\w]*', 'imooc python')

print ma.group()

分组匹配

字符	匹配
|	匹配左右任意一个表达式
(ab)	括号表达式作为一个分组
\<number>	引用编号为num的分组匹配到的字符串
(?P<name>)	分组起一个别名
(?P=name)	引用别名为name的分组匹配字符串

示例：

# -*- coding: utf-8 -*-

import re

ma = re.match(r'[0-9]?\d$|100', '100') #匹配0到100

print ma.group()

ma = re.match(r'[\w]{4,6}@(163|126).com', 'imooc@126.com')

print ma.group()

ma = re.match(r'<([\w]+>)\1', '<book>book>')

print ma.group()

ma = re.match(r'<([\w]+>)[\w]+</\1', '<book>python</book>') #

print ma.group()

ma = re.match(r'<(?P<mark>[\w]+>)[\w]+</(?P=mark)', '<book>python</book>')

print ma.group()

 

re模块的其他方法

1：search(pattern, string, flags=0)

    在一个字符串中查找匹配

2：findall(pattern, string, flags=0)

    找到匹配，返回所有匹配部分的列表

3：sub(pattern, repl, string, count, flags=0)

    将字符串中匹配正则表达式的部分替换为其他值

4：split(pattern, string, maxsplit=0, flags=0)

    根据匹配分割字符串，返回分割字符串组成的列表

示例：

import re

pa = re.compile('<[\w]+>')

ma = re.search(pa, '<a><b><c><d><efg>h<i>')

print ma.group()

pa = re.compile('<[\w]+>')

L = re.findall(pa, '<a><b><c><d><efg>h<i>')

print L

s = re.sub(r'\d+', '2016', 'I was born in 1993')

print s

 

def add1(match):        # repl位函数的sub函数

    val = match.group()

    num = int(val)+1

    return str(num)

s = re.sub(r'\d+', add1, 'I was born in 1993, you are born in 1992')

print s

 

l = re.split(r':| |,', 'imooc:C C++ Java Python,C#')

print l

 

练习

抓取网页中的图片到本地

1：抓取网页

2：抓取图片地址

3：抓取图片内容并把存到本地