python正则表达式

正则表示概念

1.使用单个字符串来描述匹配一系列符合某个语法规则的字符串

2.对字符串操作的一种逻辑模式

3.应用场景：处理文本和数据

4.正则表达式过程：依次拿出表达式和文本中的字符比较。如果每一个字符都能匹配成功。则匹配成功，否则匹配失效

要使用re模块

第一个正则表达式

pattern->compile -> match

输入：

import re
str ='imooc study hard'
pattern = re.compile(r'imooc',re.I)(re.I  忽略大小写)
result = pattern.match(str)
result.group()

结果

imooc

语法（通用）：

匹配单个字符

字符	匹配
.	匹配任意字符（除了/n）
[...]	匹配字符集
\d / \D	匹配数字 /非数字
\s / \S	匹配空白/非空白字符
\w / \W	匹配单词字符[a-zA-Z0-9]/非单词字符

匹配多个字符

字符	匹配
*	匹配前一个字符0次或者无限次
+	匹配前一个字符1次或者无限次
？	匹配前一个字符0次或者1次
{m}/{m,n}	匹配前一个字符m到n次
*/ +? / ??	匹配模式变为非贪婪（尽可能少匹配字符）

边界匹配：

字符	匹配
$	匹配字符串结尾
^	匹配字符串开头
\A / \Z	指定的字符串必须出现在开头 /结尾（对于后面的生效）
|	匹配左右任意一个表达式
(ab)	括号中的表达式作为一个分组，返回的也是分组，而不是整个
\<number>	引用编号为num的分组匹配到的字符串（分组为上面的分组）
(?P<name>)	分组起一个别名
(?P=name)	引用别名为name的分组匹配字符串（与楼上一起用）

对于（ab）的说明:

test1:

str ='12aa23'
pattern= re.compile('[0-9]+aa[0-9]+')
result =re.findall(pattern,str)
print(result)

output

['12aa23']

test2:

str ='12aa23'
pattern= re.compile('([0-9]+)aa([0-9]+)')
result =re.findall(pattern,str)
print(result)

output

[('12', '23')]

re模块的方法

1. match(pattern,str,flags=0) 仅从起始部分查找，也就是说第一个字符匹配不上，那一定返回的是空

2. search(pattern,str,flags=0) 从str中查找返回对象，

3. findall(pattern ,str,flags=0) 返回一个list

4. sub(pattern ,repl,string,count,flags=0) 将字符串中匹配正则表达式的部分替换为其他值(subn函数在sub基础上还返回替换的次数)

   str = 'daa100dad200'
   result =re.sub(r'\d+','**',str)
   print(str)
   print(result)
   

   output

   'daa100dad200'
   'daa**dad**'
   

   repl可以是一个函数

def add1(match):
val = match.group()
num = int(val) + 1
return str(num)
stra = 'daa100dad200'
result = re.sub(r'\d+', add1, stra)
print(result)

output

daa101dad201

​

5. split(pattern,string,maxsplit=0,flags=0)  根据匹配分割字符串，返回分割字符串组成的列表

str = 'imooc :C C++ JAVA Python' 分开
re.split(r':| ',str)

#### 简单练习：

```python
import urllib.request
import  re
req =urllib.request.urlopen('https://www.imooc.com/course/list?c=cb')
buf  = req.read()
buf =buf.decode('utf-8')
listurl  = re.findall(r'src=.+\.jpg',buf)
i=0
for url in listurl:
    f =open(r'E:/pythoncode/'+str(i)+'.jpg','ab')
    print(url[7:])
    req = urllib.request.urlopen(r'http://'+url[7:])
    buf  = req.read()
    f.write(buf)
    i+=1

​