正則表達式
一。正則表達式語法javascript
推薦網站：java
©️ http://regexr.com/ 邊寫邊測試正則python
RegExr是一個在線工具，能夠編輯並測試正則表達式。它提供了一個簡單的界面來輸入正則表達式，且能夠在實時可編輯源文本窗口能夠看到匹配的內容 還有側邊欄，提供了正則表達式的描述和用例，幫助學習程序員
©️ https://regexper.com/ 對現有的正則作圖形化解釋正則表達式
用圖形來解釋正則表達式編程
©️ http://www.txt2re.com/ 對現有文本，自動生成正則表達式框架
Txt2re是一個在視覺上經過單擊篩選的文本項提取任意文本的工具。它很是簡單，適用於各類類型的輸入，包括HTML和其餘相似的腳本語言的輸入。ide
1. 正則語法表函數
| 字符 | 描述 |
|---|---|
| \ | 將下一個字符標記爲一個特殊字符、或一個原義字符、或一個向後引用、或一個八進制轉義符。例如，「n"匹配字符"n"。"\n"匹配一個換行符。串行"\\"匹配"\"而"\("則匹配"("。 |
| ^ | 匹配輸入字符串的開始位置。若是設置了RegExp對象的Multiline屬性，^也匹配「\n"或"\r"以後的位置。 |
| $ | 匹配輸入字符串的結束位置。若是設置了RegExp對象的Multiline屬性，$也匹配「\n"或"\r"以前的位置。 |
| * | 匹配前面的子表達式零次或屢次。例如，zo*能匹配「z"以及"zoo"。*等價於{0,}。 |
| + | 匹配前面的子表達式一次或屢次。例如，「zo+"能匹配"zo"以及"zoo"，但不能匹配"z"。+等價於{1,}。 |
| ? | 匹配前面的子表達式零次或一次。例如，「do(es)?"能夠匹配"does"或"does"中的"do"。?等價於{0,1}。 |
| {n} | n是一個非負整數。匹配肯定的n次。例如，「o{2}"不能匹配"Bob"中的"o"，可是能匹配"food"中的兩個o。 |
| {n,} | n是一個非負整數。至少匹配n次。例如，「o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的全部o。"o{1,}"等價於"o+"。"o{0,}"則等價於"o*"。 |
| {n,m} | m和n均爲非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，「o{1,3}"將匹配"fooooood"中的前三個o。"o{0,1}"等價於"o?"。請注意在逗號和兩個數之間不能有空格。 |
| ? | 當該字符緊跟在任何一個其餘限制符（*,+,?，{n}，{n,}，{n,m}）後面時，匹配模式是非貪婪的。非貪婪模式儘量少的匹配所搜索的字符串，而默認的貪婪模式則儘量多的匹配所搜索的字符串。例如，對於字符串「oooo"，"o+?"將匹配單個"o"，而"o+"將匹配全部"o"。 |
| . | 匹配除「\n"以外的任何單個字符。要匹配包括"\n"在內的任何字符，請使用像"(.|\n)"的模式。 |
| (pattern) | 匹配pattern並獲取這一匹配。所獲取的匹配能夠從產生的Matches集合獲得，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字符，請使用「\("或"\)"。 |
| (?:pattern) | 匹配pattern但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供之後使用。這在使用或字符「(|)"來組合一個模式的各個部分是頗有用。例如"industr(?:y|ies)"就是一個比"industry|industries"更簡略的表達式。 |
| (?=pattern) | 正向確定預查，在任何匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不須要獲取供之後使用。例如，「Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配以後當即開始下一次匹配的搜索，而不是從包含預查的字符以後開始。 |
| (?!pattern) | 正向否認預查，在任何不匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不須要獲取供之後使用。例如「Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配以後當即開始下一次匹配的搜索，而不是從包含預查的字符以後開始 |
| (?<=pattern) | 反向確定預查，與正向確定預查類擬，只是方向相反。例如，「(?<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的"Windows"。 |
| (?<!pattern) | 反向否認預查，與正向否認預查類擬，只是方向相反。例如「(?<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。 |
| x|y | 匹配x或y。例如，「z|food"能匹配"z"或"food"。"(z|f)ood"則匹配"zood"或"food"。 |
| [xyz] | 字符集合。匹配所包含的任意一個字符。例如，「[abc]"能夠匹配"plain"中的"a"。 |
| [^xyz] | 負值字符集合。匹配未包含的任意字符。例如，「[^abc]"能夠匹配"plain"中的"p"。 |
| [a-z] | 字符範圍。匹配指定範圍內的任意字符。例如，「[a-z]"能夠匹配"a"到"z"範圍內的任意小寫字母字符。 |
| [^a-z] | 負值字符範圍。匹配任何不在指定範圍內的任意字符。例如，「[^a-z]"能夠匹配任何不在"a"到"z"範圍內的任意字符。 |
| \b | 匹配一個單詞邊界，也就是指單詞和空格間的位置。例如，「er\b"能夠匹配"never"中的"er"，但不能匹配"verb"中的"er"。 |
| \B | 匹配非單詞邊界。「er\B"能匹配"verb"中的"er"，但不能匹配"never"中的"er"。 |
| \cx | 匹配由x指明的控制字符。例如，\cM匹配一個Control-M或回車符。x的值必須爲A-Z或a-z之一。不然，將c視爲一個原義的「c"字符。 |
| \d | 匹配一個數字字符。等價於[0-9]。 |
| \D | 匹配一個非數字字符。等價於[^0-9]。 |
| \f | 匹配一個換頁符。等價於\x0c和\cL。 |
| \n | 匹配一個換行符。等價於\x0a和\cJ。 |
| \r | 匹配一個回車符。等價於\x0d和\cM。 |
| \s | 匹配任何空白字符，包括空格、製表符、換頁符等等。等價於[ \f\n\r\t\v]。 |
| \S | 匹配任何非空白字符。等價於[^ \f\n\r\t\v]。 |
| \t | 匹配一個製表符。等價於\x09和\cI。 |
| \v | 匹配一個垂直製表符。等價於\x0b和\cK。 |
| \w | 匹配包括下劃線的任何單詞字符。等價於「[A-Za-z0-9_]"。 |
| \W | 匹配任何非單詞字符。等價於「[^A-Za-z0-9_]"。 |
| \xn | 匹配n，其中n爲十六進制轉義值。十六進制轉義值必須爲肯定的兩個數字長。例如，「\x41"匹配"A"。"\x041"則等價於"\x04&1"。正則表達式中可使用ASCII編碼。. |
| \num | 匹配num，其中num是一個正整數。對所獲取的匹配的引用。例如，「(.)\1"匹配兩個連續的相同字符。 |
| \n | 標識一個八進制轉義值或一個向後引用。若是\n以前至少n個獲取的子表達式，則n爲向後引用。不然，若是n爲八進制數字（0-7），則n爲一個八進制轉義值。 |
| \nm | 標識一個八進制轉義值或一個向後引用。若是\nm以前至少有nm個得到子表達式，則nm爲向後引用。若是\nm以前至少有n個獲取，則n爲一個後跟文字m的向後引用。若是前面的條件都不知足，若n和m均爲八進制數字（0-7），則\nm將匹配八進制轉義值nm。 |
| \nml | 若是n爲八進制數字（0-3），且m和l均爲八進制數字（0-7），則匹配八進制轉義值nml。 |
| \un | 匹配n，其中n是一個用四個十六進制數字表示的Unicode字符。例如，\u00A9匹配版權符號（©）。 |
http://www.regexlab.com/zh/regref.htm工具
| 用戶名 | /^[a-z0-9_-]{3,16}$/ |
|---|---|
| 密碼 | /^[a-z0-9_-]{6,18}$/ |
| 密碼2 | (?=^.{8,}$)(?=.*\d)(?=.*\W+)(?=.*[A-Z])(?=.*[a-z])(?!.*\n).*$ (由數字/大寫字母/小寫字母/標點符號組成，四種都必有，8位以上) |
| 十六進制值 | /^#?([a-f0-9]{6}|[a-f0-9]{3})$/ |
| 電子郵箱 | /^([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})$/ /^[a-z\d]+(\.[a-z\d]+)*@([\da-z](-[\da-z])?)+(\.{1,2}[a-z]+)+$/或\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* |
| URL | /^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$/ 或 [a-zA-z]+://[^\s]* |
| IP 地址 | /((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)/ /^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$/ 或 ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) |
| HTML 標籤 | /^<([a-z]+)([^<]+)*(?:>(.*)<\/\1>|\s+\/>)$/或<(.*)(.*)>.*<\/\1>|<(.*) \/> |
| 刪除代碼\\註釋 | (?<!http:|\S)//.*$ |
| 匹配雙字節字符(包括漢字在內) | [^\x00-\xff] |
| 漢字(字符) | [\u4e00-\u9fa5] |
| Unicode編碼中的漢字範圍 | /^[\u2E80-\u9FFF]+$/ |
| 中文及全角標點符號(字符) | [\u3000-\u301e\ufe10-\ufe19\ufe30-\ufe44\ufe50-\ufe6b\uff01-\uffee] |
| 日期(年-月-日) | (\d{4}|\d{2})-((0?([1-9]))|(1[1|2]))-((0?[1-9])|([12]([1-9]))|(3[0|1])) |
| 日期(月/日/年) | ((0?[1-9]{1})|(1[1|2]))/(0?[1-9]|([12][1-9])|(3[0|1]))/(\d{4}|\d{2}) |
| 時間(小時:分鐘, 24小時制) | ((1|0?)[0-9]|2[0-3]):([0-5][0-9]) |
| 中國大陸固定電話號碼 | (\d{4}-|\d{3}-)?(\d{8}|\d{7}) |
| 中國大陸手機號碼 | 1\d{10} |
| 中國大陸郵政編碼 | [1-9]\d{5} |
| 中國大陸身份證號(15位或18位) | \d{15}(\d\d[0-9xX])? |
| 非負整數(正整數或零) | \d+ |
| 正整數 | [0-9]*[1-9][0-9]* |
| 負整數 | -[0-9]*[1-9][0-9]* |
| 整數 | -?\d+ |
| 小數 | (-?\d+)(\.\d+)? |
| 空白行 | \n\s*\r 或者 \n\n(editplus) 或者 ^[\s\S ]*\n |
| QQ號碼 | [1-9]\d{4,} |
| 不包含abc的單詞 | \b((?!abc)\w)+\b |
| 匹配首尾空白字符 | ^\s*|\s*$ |
| 編輯經常使用 |
如下是針對特殊中文的一些替換(editplus)
^[0-9].*\n
^[^第].*\n
^[習題].*\n
^[\s\S ]*\n
^[0-9]*\.
^[\s\S ]*\n
<p[^<>*]>
href="javascript:if\(confirm\('(.*?)'\)\)window\.location='(.*?)'"
<span style=".[^"]*rgb\(255,255,255\)">.[^<>]*</span>
<DIV class="xs0">[\s\S]*?</DIV> |
3.如何寫出高效率的正則表達式
若是純粹是爲了挑戰本身的正則水平，用來實現一些特效（例如使用正則表達式計算質數、解線性方程），效率不是問題；若是所寫的正則表達式只是爲了知足一兩次、幾十次的運行，優化與否區別也不太大。可是，若是所寫的正則表達式會百萬次、千萬次地運行，效率就是很大的問題了。我這裏總結了幾條提高正則表達式運行效率的經驗（工做中學到的，看書學來的，本身的體會），貼在這裏。若是您有其它的經驗而這裏沒有說起，歡迎賜教。
爲行文方便，先定義兩個概念。
誤匹配：指正則表達式所匹配的內容範圍超出了所須要範圍，有些文本明明不符合要求，可是被所寫的正則式「擊中了」。例如，若是使用\d{11}來匹配11位的手機號，\d{11}不單能匹配正確的手機號，它還會匹配98765432100這樣的明顯不是手機號的字符串。咱們把這樣的匹配稱之爲誤匹配。
漏匹配：指正則表達式所匹配的內容所規定的範圍太狹窄，有些文本確實是所須要的，可是所寫的正則沒有將這種狀況囊括在內。例如，使用\d{18}來匹配18位的身份證號碼，就會漏掉結尾是字母X的狀況。
寫出一條正則表達式，既可能只出現誤匹配（條件寫得極寬鬆，其範圍大於目標文本），也可能只出現漏匹配（只描述了目標文本中多種狀況種的一種），還可能既有誤匹配又有漏匹配。例如，使用\w+\.com來匹配.com結尾的域名，既會誤匹配abc_.com這樣的字串（合法的域名中不含下劃線，\w包含了下劃線這種狀況），又會漏掉ab-c.com這樣的域名（合法域名中能夠含中劃線，可是\w不匹配中劃線）。
精準的正則表達式意味着既無誤匹配且無漏匹配。固然，現實中存在這樣的狀況：只能看到有限數量的文本，根據這些文本寫規則，可是這些規則將會用到海量的文本中。這種狀況下，儘量地（若是不是徹底地）消除誤匹配以及漏匹配，並提高運行效率，就是咱們的目標。本文所提出的經驗，主要是針對這種狀況。
掌握語法細節。正則表達式在各類語言中，其語法大體相同，細節各有千秋。明確所使用語言的正則的語法的細節，是寫出正確、高效正則表達式的基礎。例如，perl中與\w等效的匹配範圍是[a-zA-Z0-9_]；perl正則式不支持確定逆序環視中使用可變的重複（variable repetition inside lookbehind，例如(?<=.*)abc），可是.Net語法是支持這一特性的；又如，JavaScript連逆序環視（Lookbehind,如(?<=ab)c）都不支持，而perl和python是支持的。《精通正則表達式》第3章《正則表達式的特性和流派概覽》明確地列出了各大派系正則的異同，這篇文章也簡要地列出了幾種經常使用語言、工具中正則的比較。對於具體使用者而言，至少應該詳細瞭解正在使用的那種工做語言里正則的語法細節。
先粗後精，先加後減。使用正則表達式語法對於目標文本進行描述和界定，能夠像畫素描同樣，先大體勾勒出框架，再逐步在局步實現細節。仍舉剛纔的手機號的例子，先界定\d{11}，總不會錯；再細化爲1[358]\d{9}，就向前邁了一大步（至於第二位是否是三、五、8，這裏無心深究，只舉這樣一個例子，說明逐步細化的過程）。這樣作的目的是先消除漏匹配（剛開始先儘量多地匹配，作加法），而後再一點一點地消除誤匹配（作減法）。這樣有先有後，在考慮時纔不易出錯，從而向「不誤不漏」這個目標邁進。
留有餘地。所能看到的文本sample是有限的，而待匹配檢驗的文本是海量的，暫時不可見的。對於這樣的狀況，在寫正則表達式時要跳出所能見到的文本的圈子，開拓思路，做出「戰略性前瞻」。例如，常常收到這樣的垃圾短信：「發*票」、「發#漂」。若是要寫規則屏蔽這樣煩人的垃圾短信，不但要能寫出能夠匹配當前文本的正則表達式 發[*#](?:票|漂)，還要可以想到 發.(?:票|漂|飄)之類可能出現的「變種」。這在具體的領域或許會有針對性的規則，很少言。這樣作的目的是消除漏匹配，延長正則表達式的生命週期。
明確。具體說來，就是謹慎用點號這樣的元字符，儘量不用星號和加號這樣的任意量詞。只要能肯定範圍的，例如\w，就不要用點號；只要可以預測重複次數的，就不要用任意量詞。例如，寫析取twitter消息的腳本，假設一條消息的xml正文部分結構是<span class=」msg」>…</span>且正文中無尖括號，那麼<span class=」msg」>[^<]{1,480}</span>這種寫法的思路要好於<span class=」msg」>.*</span>，緣由有二：一是使用[^<]，它保證了文本的範圍不會超出下一個小於號所在的位置；二是明確長度範圍，{1,480}，其依據是一條twitter消息大體能的字符長度範圍。固然，480這個長度是否正確還可推敲，可是這種思路是值得借鑑的。說得狠一點，「濫用點號、星號和加號是不環保、不負責任的作法」。
不要讓稻草壓死駱駝。每使用一個普通括號()而不是非捕獲型括號(?:…)，就會保留一部份內存等着你再次訪問。這樣的正則表達式、無限次地運行次數，無異於一根根稻草的堆加，終於能將駱駝壓死。養成合理使用(?:…)括號的習慣。
寧簡勿繁。將一條複雜的正則表達式拆分爲兩條或多條簡單的正則表達式，編程難度會下降，運行效率會提高。例如用來消除行首和行尾空白字符的正則表達式s/^\s+|\s+$//g;，其運行效率理論上要低於s/^\s+//g; s/\s+$//g; 。這個例子出自《精通正則表達式》第五章，書中對它的評論是「它幾乎老是最快的，並且顯然最容易理解」。既快又容易理解，何樂而不爲？工做中咱們還有其它的理由要將C==(A|B)這樣的正則表達式拆爲A和B兩條表達式分別執行。例如，雖然A和B這兩種狀況只要有一種可以擊中所須要的文本模式就會成功匹配，可是若是隻要有一條子表達式（例如A）會產生誤匹配，那麼不論其它的子表達式（例如B）效率如何之高，範圍如何精準，C的整體精準度也會因A而受到影響。
巧妙定位。有時候，咱們須要匹配的the，是做爲單詞的the（兩邊有空格），而不是做爲單詞一部分的t-h-e的有序排列（例如together中的the）。在適當的時候用上^，$，\b等等定位錨點，能有效提高找到成功匹配、淘汰不成功匹配的效率。
4. 爲何要用 r’ ..‘ 字符串（ raw 字符串）？
達式的存在。緣由是ASCII 字符和正則表達式特殊字符間所產生的衝突。好比，特殊符號「\b」在
ASCII 字符中表明退格鍵，但同時「\b」也是一個正則表達式的特殊符號，表明「匹配一個單詞邊界」。
爲了讓RE 編譯器把兩個字符「\b」當成你想要表達的字符串，而不是一個退格鍵，你須要用另外一個
反斜線對它進行轉義，便可以這樣寫：「\\b」。
但這樣作會把問題複雜化，特別是當你的正則表達式字符串裏有不少特殊字符時，就更容
易使人困惑了。在第六章，咱們曾介紹過原始字符串，它常常被用於簡化正則表達式的複雜程度。
事實上，不少Python 程序員在定義正則表達式時都只使用原始字符串。
下面的例子用來講明退格鍵「\b」 和正則表達式「\b」(包含或不包含原始字符串)之間的區別：
>>> m = re.match('\bblow', 'blow') # backspace, no match #退格鍵,沒有匹配
>>> if m is not None: m.group()
...
>>> m = re.match('\\bblow', 'blow') # escaped \, now it works #用\轉義後，如今匹
配了
>>> if m is not None: m.group()
...
'blow'
>>> m = re.match(r'\bblow', 'blow') # use raw string instead #改用原始字符串
>>> if m is not None: m.group()
...
'blow'
你可能注意到咱們在正則表達式裏使用「\d」，沒用原始字符串，也沒出現什麼問題。那是由於
ASCII 裏沒有對應的特殊字符，因此正則表達式編譯器可以知道你指的是一個十進制數字
二。python的re模塊
3、導入正則表達式模塊
3.一、導入正則表達式模塊
|
1
|
>>>
import
re
|
3.二、查看正則表達式模塊方法
|
1
2
3
|
>>>
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'
]
>>>
|
4、經常使用的正則表達式處理函數
4.一、re.search
re.search 函數會在字符串內查找模式匹配，只到找到第一個匹配而後返回，若是字符串沒有匹配，則返回None。
提示：當咱們不會用模塊方法的時候用help
|
1
2
|
>>>
help
(re.search)
search(pattern, string, flags
=
0
)
|
第一個參數：規則
第二個參數：表示要匹配的字符串
第三個參數：標緻位，用於控制正則表達式的匹配方式
實例：下面的例子kuangl
|
1
2
3
4
5
6
7
8
|
>>> 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
|
4.二、re.match
re.match 嘗試從字符串的開始匹配一個模式，也等於說是匹配第一個單詞
|
1
2
|
>>>
help
(re.match)
match(pattern, string, flags
=
0
)
|
第一個參數：規則
第二個參數：表示要匹配的字符串
第三個參數：標緻位，用於控制正則表達式的匹配方式
實例：下面的例子匹配Hello單詞
|
1
2
3
4
5
6
7
8
9
10
|
>>> 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與re.search的區別：re.match只匹配字符串的開始，若是字符串開始不符合正則表達式，則匹配失敗，函數返回None；而re.search匹配整個字符串，直到找到一個匹配。
4.三、re.findall
re.findall 在目標字符串查找符合規則的字符串
|
1
2
|
>>>
help
(re.findall)
findall(pattern, string, flags
=
0
)
|
第一個參數：規則
第二個參數：目標字符串
但三個參數：後面還能夠跟一個規則選擇項
返回的結果是一個列表，建中存放的是符合規則的字符串，若是沒有符合規則的字符串唄找到，就會返回一個空值。
實例：查找郵件帳號
|
1
2
3
|
>>> mail
=
'<user01@mail.com> <user02@mail.com> user04@mail.com'
#第3個故意沒有尖括號
>>> re.findall(r
'(\w+@m....[a-z]{3})'
,mail)
[
'user01@mail.com'
,
'user02@mail.com'
,
'user04@mail.com'
]
|
4.四、re.sub
re.sub 用於替換字符串的匹配項
|
1
2
|
>>>
help
(re.sub)
sub(pattern, repl, string, count
=
0
)
|
第一個參數：規則
第二個參數：替換後的字符串
第三個參數：字符串
第四個參數：替換個數。默認爲0，表示每一個匹配項都替換
實例：將空白處替換成-
|
1
2
3
4
5
6
|
>>> 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
)
#替換至第5個
'Hi,-nice-to-meet-you-where are you from?'
>>>
|
4.五、re.split
re.split 用於來分割字符串
|
1
2
|
>>>
help
(re.split)
split(pattern, string, maxsplit
=
0
)
|
第一個參數：規則
第二個參數：字符串
第三個參數：最大分割字符串，默認爲0，表示每一個匹配項都分割
實例：分割全部的字符串
|
1
2
3
4
5
6
|
>>> 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
)
#分割前三個
[
'Hi,'
,
'nice'
,
'to'
,
'meet you where are you from?'
]
>>>
|
4.六、re.compile
re.compile 能夠把正則表達式編譯成一個正則對象
|
1
2
|
>>> help(re.compile)
compile(pattern, flags=
0
)
|
第一個參數：規則
第二個參數：標誌位
實例：
|
1
2
3
4
5
6
7
8
9
|
>>> test
=
"Hi, nice to meet you where are you from?"
>>> k
=
re.
compile
(r
'\w*o\w*'
)
#匹配帶o的字符串
>>>
dir
(k)
[
'__copy__'
,
'__deepcopy__'
,
'findall'
,
'finditer'
,
'match'
,
'scanner'
,
'search'
,
'split'
,
'sub'
,
'subn'
]
>>>
print
k.findall(test)
#顯示全部包涵o的字符串
[
'to'
,
'you'
,
'you'
,
'from'
]
>>>
print
k.sub(
lambda
m:
'['
+
m.group(
0
)
+
']'
,test)
# 將字符串中含有o的單詞用[]括起來
Hi, nice [to] meet [you] where are [you] [
from
]?
>>>
|
5、用urllib二、re、os 模塊下載文件的腳本
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
#!/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"
|
三。re模塊的正則使用
-
每一个你不满意的现在，都有一个你没有努力的曾经。