Python中re（正则表达式）模块详解

最新推荐文章于 2025-09-02 00:04:43 发布

转载最新推荐文章于 2025-09-02 00:04:43 发布 · 966 阅读

本文介绍了Python中正则表达式的使用方法，包括基本概念、常用函数如re.search、re.match等的用法示例，并提供了一个使用urllib2、re、os模块下载文件的脚本案例。

转载，感觉蛮实用的。

http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

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：

.   
 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'\w*o\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"