正则表达式 代表的匹配字符

[0-9] 0123456789任意之一

[a-z] 小写字母任意之一

[A-Z] 大写字母任意之一

\d 等同于[0-9]

\D 等同于[^0-9]匹配非数字

\w 等同于[a-z0-9A-Z_]匹配大小写字母、数字和下划线
\W 等同于[^a-z0-9A-Z_]等同于上一条取非


. 代表任意字符

| 逻辑或操作符

[ ] 匹配内部的任一字符或子表达式

[^] 对字符集和取非

- 定义一个区间

\ 对下一字符取非（通常是普通变特殊，特殊变普通）

* 匹配前面的字符或者子表达式0次或多次

*? 惰性匹配上一个

+ 匹配前一个字符或子表达式一次或多次

+? 惰性匹配上一个

? 匹配前一个字符或子表达式0次或1次重复

{n} 匹配前一个字符或子表达式

{m,n} 匹配前一个字符或子表达式至少m次至多n次

{n,} 匹配前一个字符或者子表达式至少n次

{n,}? 前一个的惰性匹配

^ 匹配字符串的开头

\A 匹配字符串开头

$ 匹配字符串结束

[\b] 退格字符

\c 匹配一个控制字符

\t 匹配制表符

例：re.match()函数
# -*- coding:UTF-8 -*-

import re


pattern = re.compile(r'hello')    #re.compile(strPattern[,flage])是Pattern的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象

match= pattern.match('hello world!')  #match对象是一次匹配的结果

if match:

    print match.group()

#等同于：

print re.match(r'hello','hello world').group()  #使用该语句缺点是不可复用Pattern对象

输出：hello
match函数详解
属性：

string: 匹配时使用的文本。

re: 匹配时使用的Pattern对象。

pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。

lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

方法：

group([group1, …]): 

获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。

groups([default]): 

以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。

groupdict([default]): 

返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。

start([group]): 

返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。

end([group]): 

返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。

span([group]): 

返回(start(group), end(group))。

expand(template): 

将匹配到的分组代入template中然后返回。template中可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。\id与\g<id>是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能使用\g<1>0。




例：re.search()函数
#re.search 扫描整个字符串并返回第一个匹配成功的位置

print re.search(r'suf','fjkhskf456sufgwh215').span()

输出结果：(10, 13)


两函数的区别：
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。



替换：re.sub('正则表达式'，'替换的字符串','被替换的字符串')
print re.sub(r'abc','','woprjabcwuryweorabc')    #将'woprjabcwuryweorabc'字符串中的‘abc’替换为空

输出：woprjwuryweor


---------------------------------------------利用正则爬取网页上的图片---------------------------------------------------
#coding=utf-8



import urllib          #urllib模块提供了读取Web页面数据的接口

import re              #re模块主要包含了正则表达式


#定义一个getHtml()函数

def getHtml(url):

    page = urllib.urlopen(url)                                       #urllib.urlopen()方法用于打开一个URL地址

    html = page.read()                                                  #read()方法用于读取URL上的数据

    return html



def getImg(html):

    reg = r'src="(.+?\.jpg)" alt='                                     #正则表达式，得到图片地址

    imgre = re.compile(reg)                                         #re.compile() 可以把正则表达式编译成一个正则表达式对象.

    imglist = re.findall(imgre,html)                              #re.findall() 方法读取html 中包含 imgre（正则表达式）的    数据

                                                                                       

                                                                                         

    x = 0


    for imgurl in imglist:                                                       #把筛选的图片地址通过for循环遍历并保存到本地

         urllib.urlretrieve(imgurl,'F:\图片\%s.jpg' % x)       # 核心是urllib.urlretrieve()方法,直接将远程数据下载到本地，图片通过x依次递增命名‘’F:\图片‘保存图片的文件夹

         x+=1

        

   

html = getHtml("http://pic.yxdown.com/list/0_0_1.html")

print getImg(html)

	
python(正则表达式)
	
	

	
Python 正则表达式
	

以几个具体的例子来总结下如何使用python写正则表达式实现文本匹配。