1.正則表達式基礎

1.1正則表達式概念

正則表達式并不是Python的一部分。正則表達式是用于處理字符串的強大工具，擁有自己獨特的語法以及一個獨立的處理引擎，效率上可能不如str自帶的方法，但功能十分強大。得益于這一點，在提供了正則表達式的語言里，正則表達式的語法都是一樣的，區別只在于不同的編程語言實現支持的語法數量不同。

下圖為使用正則表達式進行匹配的流程圖：

1.2正則表達式

1：使用單個字符串來描述匹配一系列符合某個句法規則的字符串

2：是對字符串操作的一種邏輯公式

3：應用場景：處理文本和數據

4：正則表達式過程：依次拿出表達式和文本中的字符比較，如果每一個字符串都能匹配，則匹配成功；否則匹配失敗。

2.python支持的正則表達式元字符和語法

2.1 數量詞的貪婪模式與非貪婪模式

正則表達式通常用于在文本中查找匹配的字符串。Python里數量詞默認是貪婪的(在少數語言里也可能是默認非貪婪)總是嘗試匹配盡可能多的字符；非貪婪的則相反，總是嘗試匹配盡可能少的字符。例如：正則表達式"ab*"如果用于查找"abbbc"，將找到"abbb"。而如果使用非貪婪的數量詞"ab*?"，將找到"a"。

2.2 反斜杠的困擾

多數編程語言相同，正則表達式里使用"\"作為轉義字符，這就可能造成反斜杠困擾。假如你需要匹配文本中的字符"\"，那么使用編程語言表示的正則表達式里將需要4個反斜杠"\\\\"：前兩個和后兩個分別用于在編程語言里轉義成反斜杠，轉換成兩個反斜杠后再在正則表達式里轉義成一個反斜杠。Python里的原生字符串很好地解決了這個問題，這個例子中的正則表達式可以使用r"\\"表示。同樣，匹配一個數字的"\\d"可以寫成r"\d"。有了原生字符串，你再也不用擔心是不是漏寫了反斜杠，寫出來的表達式也更直觀。

2.3 匹配模式

表達式提供了一些可用的匹配模式，比如忽略大小寫、多行匹配等，這部分內容將在Pattern類的工廠方法re.compile(pattern[, flags])中一起介紹。

3. re模塊

3.1 python第一個正則表達式

Python通過re模塊提供對正則表達式的支持。使用re的一般步驟是先將正則表達式的字符串形式編譯為Pattern實例，然后使用Pattern實例處理文本并獲得匹配結果(一個Match實例)，最后使用Match實例獲得信息，進行其他的操作。

re.compile(strPattern[, flag]):

這個方法是Pattern類的工廠方法，用于將字符串形式的正則表達式編譯為Pattern對象。 第二個參數flag是匹配模式，取值可以使用按位或運算符'|'表示同時生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)與re.compile('(?im)pattern')是等價的。

可選值有：re.I(re.IGNORECASE): 忽略大小寫(括號內是完整寫法，下同)

M(MULTILINE): 多行模式，改變'^'和'$'的行為(參見上圖)

S(DOTALL): 點任意匹配模式，改變'.'的行為

L(LOCALE): 使預定字符類 \w \W \b \B \s \S 取決于當前區域設定

U(UNICODE): 使預定字符類 \w \W \b \B \s \S \d \D 取決于unicode定義的字符屬性

X(VERBOSE): 詳細模式。這個模式下正則表達式可以是多行，忽略空白字符，并可以加入注釋。以下兩個正則表達式是等價的：

re提供了眾多模塊方法用于完成正則表達式的功能。這些方法可以使用Pattern實例的相應方法替代，唯一的好處是少寫一行re.compile()代碼，但同時也無法復用編譯后的Pattern對象。這些方法將在Pattern類的實例方法部分一起介紹。如上面這個例子可以簡寫為：

3.2 match

match對象是一次匹配的結果，包含了很多關于此次匹配的信息，可以使用Match提供的可讀屬性或方法來獲取這些信息。

Match對象是一次匹配的結果，包含了很多關于此次匹配的信息，可以使用Match提供的可讀屬性或方法來獲取這些信息。

屬性：string: 匹配時使用的文本。

re: 匹配時使用的Pattern對象。

pos: 文本中正則表達式開始搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。

endpos: 文本中正則表達式結束搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。

lastindex: 最后一個被捕獲的分組在文本中的索引。如果沒有被捕獲的分組，將為None。

lastgroup: 最后一個被捕獲的分組的別名。如果這個分組沒有別名或者沒有被捕獲的分組，將為None。

方法：group([group1, …]):

獲得一個或多個分組截獲的字符串；指定多個參數時將以元組形式返回。group1可以使用編號也可以使用別名；編號0代表整個匹配的子串；不填寫參數時，返回group(0)；沒有截獲字符串的組返回None；截獲了多次的組返回最后一次截獲的子串。

groups([default]):

以元組形式返回全部分組截獲的字符串。相當于調用group(1,2,…last)。default表示沒有截獲字符串的組以這個值替代，默認為None。

groupdict([default]):返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典，沒有別名的組不包含在內。default含義同上。

start([group]):

返回指定的組截獲的子串在string中的起始索引(子串第一個字符的索引)。group默認值為0。

end([group]):返回指定的組截獲的子串在string中的結束索引(子串最后一個字符的索引+1)。group默認值為0。

span([group]):返回(start(group), end(group))。

expand(template):

將匹配到的分組代入template中然后返回。template中可以使用\id或\g、\g引用分組，但不能使用編號0。\id與\g是等價的；但\10將被認為是第10個分組，如果你想表達\1之后是字符'0'，只能使用\g<1>0。

代碼：

****output****

3.3匹配python

note：re的match方法從字符串的起始位置開始匹配

4. python正則表達式——re模塊實例方法

1：search(pattern,string,flags=0)

個字符串中查找匹配(任何位置匹配)

>>>str1='imoocvideonum = 1000'

>>>info=re.search(r'\d+',str1)

2:findall(pattern,string,flags=0)

找到匹配，返回所有匹配部分的列表

>>>str2='c++=100,java=90,python=80'

>>> info=re.findall(r'\d+',str2)

>>> info

['100', '90', '80']

>>> sum([int(x)for x in info])? ??#列表解析將三個數值相加

270

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

將字符串中匹配正則表達式的部分替換為其他值

參數：repl :如果是字符串那么就是個字符串，如果是一個函數就是替換的值就是這個函數返回的字符串。

String：被替換的字符串。

Count=0：對替換的一個限制

如果repl為一個字符串

>>>str3='imooc videonum = 1000'

>>> info=re.sub(r'\d+','1002',str3)??? #省略conut默認全部替換

>>> info

'imooc videonum = 1002'

如果repl為一個函數

>>> str3='imooc videonum = 1000'

>>>def add1(match):?????????? #repl函數是pattern匹配string時返回的一個mach對象，用函數改變其值。

val= match.group()

num=int(val)+1

returnstr(num)

>>> info=re.sub(r'\d+',add1,str3)

>>> info

'imooc videonum = 1001'

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

根據匹配分割字符串，返回分割字符串組成的列表

參數：maxsplit=0字符串分割的次數

>>>str4='imooc:c c++ Java Python'

>>> import re

>>> re.split(r':| ',str4)

['imooc', 'c', 'c++', 'Java', 'Python']

Python正則表達式——練習

1：抓取網頁

2：獲取圖片地址

3：抓取圖片內容保存到本地

import re

import urllib

import time

import os

def schedule(a,b,c):

'''''

a:已經下載的數據塊

b:數據塊的大小

c:遠程文件的大小

'''

per= 100.0 * a * b / c

ifper > 100 :

per = 100

print '%.2f%%' % per

req=urllib.urlopen('http://www.imooc.com/course/list')

buf=req.read()

listurl=re.findall(r'http:.+\.jpg',buf)

print listurl

t = time.localtime(time.time())

foldername =str(t.__getattribute__("tm_year"))+"-"+str(t.__getattribute__("tm_mon"))+"-"+str(t.__getattribute__("tm_mday"))

picpath='D:\\toupianDownload\\%s'%(foldername)

if not os.path.exists(picpath):

os.makedirs(picpath)

x=0

for imgurl in listurl:

target=picpath+'\\%s.jpg'%x

print 'Downloading p_w_picpath to location: ' + target + '\nurl=' + imgurl

p_w_picpath = urllib.urlretrieve(imgurl, target, schedule)

x+=1

總結

以上是生活随笔為你收集整理的python re模块下载_python re模块详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。