1.正則表達(dá)式基礎(chǔ)

1.1正則表達(dá)式概念

正則表達(dá)式并不是Python的一部分。正則表達(dá)式是用于處理字符串的強(qiáng)大工具，擁有自己獨(dú)特的語法以及一個(gè)獨(dú)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(qiáng)大。得益于這一點(diǎn)，在提供了正則表達(dá)式的語言里，正則表達(dá)式的語法都是一樣的，區(qū)別只在于不同的編程語言實(shí)現(xiàn)支持的語法數(shù)量不同。

下圖為使用正則表達(dá)式進(jìn)行匹配的流程圖：

1.2正則表達(dá)式

1：使用單個(gè)字符串來描述匹配一系列符合某個(gè)句法規(guī)則的字符串

2：是對字符串操作的一種邏輯公式

3：應(yīng)用場景：處理文本和數(shù)據(jù)

4：正則表達(dá)式過程：依次拿出表達(dá)式和文本中的字符比較，如果每一個(gè)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(dá)式元字符和語法

2.1 數(shù)量詞的貪婪模式與非貪婪模式

正則表達(dá)式通常用于在文本中查找匹配的字符串。Python里數(shù)量詞默認(rèn)是貪婪的(在少數(shù)語言里也可能是默認(rèn)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(dá)式"ab*"如果用于查找"abbbc"，將找到"abbb"。而如果使用非貪婪的數(shù)量詞"ab*?"，將找到"a"。

2.2 反斜杠的困擾

多數(shù)編程語言相同，正則表達(dá)式里使用"\"作為轉(zhuǎn)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(dá)式里將需要4個(gè)反斜杠"\\\\"：前兩個(gè)和后兩個(gè)分別用于在編程語言里轉(zhuǎn)義成反斜杠，轉(zhuǎn)換成兩個(gè)反斜杠后再在正則表達(dá)式里轉(zhuǎn)義成一個(gè)反斜杠。Python里的原生字符串很好地解決了這個(gè)問題，這個(gè)例子中的正則表達(dá)式可以使用r"\\"表示。同樣，匹配一個(gè)數(shù)字的"\\d"可以寫成r"\d"。有了原生字符串，你再也不用擔(dān)心是不是漏寫了反斜杠，寫出來的表達(dá)式也更直觀。

2.3 匹配模式

表達(dá)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(nèi)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(gè)正則表達(dá)式

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

re.compile(strPattern[, flag]):

這個(gè)方法是Pattern類的工廠方法，用于將字符串形式的正則表達(dá)式編譯為Pattern對象。 第二個(gè)參數(shù)flag是匹配模式，取值可以使用按位或運(yùn)算符'|'表示同時(shí)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(jià)的。

可選值有：re.I(re.IGNORECASE): 忽略大小寫(括號(hào)內(nèi)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(diǎn)任意匹配模式，改變'.'的行為

L(LOCALE): 使預(yù)定字符類 \w \W \b \B \s \S 取決于當(dāng)前區(qū)域設(shè)定

U(UNICODE): 使預(yù)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(xì)模式。這個(gè)模式下正則表達(dá)式可以是多行，忽略空白字符，并可以加入注釋。以下兩個(gè)正則表達(dá)式是等價(jià)的：

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

3.2 match

match對象是一次匹配的結(jié)果，包含了很多關(guān)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(jié)果，包含了很多關(guān)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(shí)使用的文本。

re: 匹配時(shí)使用的Pattern對象。

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

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

lastindex: 最后一個(gè)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(gè)被捕獲的分組的別名。如果這個(gè)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(gè)或多個(gè)分組截獲的字符串；指定多個(gè)參數(shù)時(shí)將以元組形式返回。group1可以使用編號(hào)也可以使用別名；編號(hào)0代表整個(gè)匹配的子串；不填寫參數(shù)時(shí)，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(dāng)于調(diào)用group(1,2,…last)。default表示沒有截獲字符串的組以這個(gè)值替代，默認(rèn)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(nèi)。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(gè)字符的索引)。group默認(rèn)值為0。

end([group]):返回指定的組截獲的子串在string中的結(jié)束索引(子串最后一個(gè)字符的索引+1)。group默認(rèn)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(hào)0。\id與\g是等價(jià)的；但\10將被認(rèn)為是第10個(gè)分組，如果你想表達(dá)\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(dá)式——re模塊實(shí)例方法

1：search(pattern,string,flags=0)

個(gè)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(gè)數(shù)值相加

270

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

將字符串中匹配正則表達(dá)式的部分替換為其他值

參數(shù)：repl :如果是字符串那么就是個(gè)字符串，如果是一個(gè)函數(shù)就是替換的值就是這個(gè)函數(shù)返回的字符串。

String：被替換的字符串。

Count=0：對替換的一個(gè)限制

如果repl為一個(gè)字符串

>>>str3='imooc videonum = 1000'

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

>>> info

'imooc videonum = 1002'

如果repl為一個(gè)函數(shù)

>>> str3='imooc videonum = 1000'

>>>def add1(match):?????????? #repl函數(shù)是pattern匹配string時(shí)返回的一個(gè)mach對象，用函數(shù)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(jù)匹配分割字符串，返回分割字符串組成的列表

參數(shù)：maxsplit=0字符串分割的次數(shù)

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

>>> import re

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

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

Python正則表達(dá)式——練習(xí)

1：抓取網(wǎng)頁

2：獲取圖片地址

3：抓取圖片內(nèi)容保存到本地

import re

import urllib

import time

import os

def schedule(a,b,c):

'''''

a:已經(jīng)下載的數(shù)據(jù)塊

b:數(shù)據(jù)塊的大小

c:遠(yuǎn)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(jié)

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(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。