本文共 11388 字，大约阅读时间需要 37 分钟。

python正则表达式的过程大致如下图：

首先，通过re.compile()函数，生成pattern对象，该对象可以多次使用。

然后调用pattern对象的match（string）方法，在string中进行匹配，匹配成功后，返回 一个match对象，

通过调用match对象的group()方法，可以查看匹配到的信息。。。。

下面，我们简单示例一下：

>>> p=re.compile(r'imooc')#生成pattern对象，该对象可以多次使用>>> p<_sre.SRE_Pattern object at 0x7f121d1a2418>>>> type(p)
   
    >>> m=p.match('imoocabc')#生成match对象>>> m<_sre.SRE_Match object at 0x7f121d194238>>>> type(m)
    
     >>> m.group()#匹配到的子串'imooc'>>> m.string #被匹配的字符串'imoocabc'>>> m.span() #匹配到的子串在原字符串中的索引位置(0, 5)>>> m.re #pattern实例<_sre.SRE_Pattern object at 0x7f121d1a2418>>>> >>> p=re.compile(r'imooc')>>> m=p.match('IMOOcjfjd')#匹配失败，因为区分大小写>>> type(m)
     
      >>> m.group()Traceback (most recent call last):  File "
      
       ", line 1, in 
       
        AttributeError: 'NoneType' object has no attribute 'group'>>> p=re.compile(r'imooc',re.I)#re.I表示忽略（ignore）大小写>>> p<_sre.SRE_Pattern object at 0x7f121d1b71f8>>>> type(p)
        
         >>> m=p.match('imoocjdf')>>> m.group()'imooc'>>> m=p.match('IMOOcjdf')>>> m.group()'IMOOc'>>> >>> p=re.compile(r'(imooc)',re.I)#将imooc放到圆括号中>>> p<_sre.SRE_Pattern object at 0x7f121f265f48>>>> m=p.match('iMOOCidf')>>> m<_sre.SRE_Match object at 0x7f121d1d9198>>>> m.group()'iMOOC'>>> m.groups()#将imooc放到圆括号中，m.groups()会返回一个元组('iMOOC',)>>>
        
       
      
     
    
   

上面的示例，我们都是先调用re.compile()方法，生成一个pattern对象，然后再调用该pattern对象的match()方法，这两步可以合并为一步，如下：

>>> m=re.match(r'imooc','imoocjdf')#先生成pattern对象，再生成match对象，缺点：生成的pattern对象只使用了一次！>>> m<_sre.SRE_Match object at 0x7f121f2c2ac0>>>> type(m)
   
    >>> m.group()'imooc'
   

上面是正则表达式的简单使用，现在，我们学习正则表达式的基础语法：

【1】匹配单个字符

1》

.:用来匹配任意一个字符（不包含'\n'）

>>> m=re.match(r'.','adg')>>> m.group()'a'>>> m=re.match(r'.','123adg')>>> m.group()'1'>>> m=re.match(r'.','@123adg')>>> m.group()'@'>>> m=re.match(r'.','%@123adg')>>> m.group()'%'>>> m=re.match(r'.','\n%@123adg')#  .无法匹配'\n'>>> m.group()Traceback (most recent call last):  File "
   
    ", line 1, in 
    
     AttributeError: 'NoneType' object has no attribute 'group'>>> type(m)
     
      >>> m=re.match(r'{.}','{a}\n%@123adg')>>> m.group()'{a}'>>> m=re.match(r'{.}','{8}\n%@123adg')>>> m.group()'{8}'>>> m=re.match(r'{.}','{8ab}\n%@123adg')>>> m.group()Traceback (most recent call last):  File "
      
       ", line 1, in 
       
        AttributeError: 'NoneType' object has no attribute 'group'>>> type(m)
        
         >>> m=re.match(r'{...}','{8ab}\n%@123adg')>>> m.group()'{8ab}'
        
       
      
     
    
   

2》 [a-z]匹配a-z中的任意一个字符           [0-9]匹配0-9中的任意一个字符

>>> m=re.match(r'{[abc]}','{b}\n%@123adg')>>> m.group()'{b}'>>> m=re.match(r'{[abc]}','{g}\n%@123adg')>>> m.group()Traceback (most recent call last):  File "
   
    ", line 1, in 
    
     AttributeError: 'NoneType' object has no attribute 'group'>>> type(m)
     
      >>> m=re.match(r'{[a-z]}','{g}\n%@123adg')>>> m.group()'{g}'>>> m=re.match(r'{[a-zA-Z]}','{H}\n%@123adg')>>> m.group()'{H}'>>> m=re.match(r'[[a-z]]','[d]g%@123adg')#匹配失败，应用'\['来匹配'['>>> m=re.match(r'([a-z])','(d)kdjkf')    #匹配失败，应用'\('来匹配'('
     
    
   

3》\w代表一个单词字符（等价于）[A-Za-z0-9_]  即 \w 可以匹配 大写字母 小写字母 数字  下划线！！        \W代表一个非单词字符（\w的对立面）

>>> m=re.match(r'{[\w]}','{H}\n%@123adg')>>> m.group()'{H}'>>> m=re.match(r'{[\w]}','{h}\n%@123adg')>>> m.group()'{h}'>>> m=re.match(r'{[\w]}','{9}\n%@123adg')>>> m.group()'{9}'>>> m=re.match(r'{[\w]}','{&}\n%@123adg')>>> m.group()Traceback (most recent call last):  File "
   
    ", line 1, in 
    
     AttributeError: 'NoneType' object has no attribute 'group'>>> type(m)
     
      >>> m=re.match(r'{[\W]}','{&}\n%@123adg')>>> m.group()'{&}'
     
    
   

4》\d匹配一个数字        \D匹配一个非数字

>>> m=re.match(r'\d','9agd')>>> m.group()'9'>>> m=re.match(r'\d','0agd')>>> m.group()'0'>>> m=re.match(r'\d','ghh0agd')>>> m.group()Traceback (most recent call last):  File "
   
    ", line 1, in 
    
     AttributeError: 'NoneType' object has no attribute 'group'>>> m=re.match(r'\D','ghh0agd')>>> m.group()'g'>>> m=re.match(r'\D','Aghh0agd')>>> m.group()'A'>>> m=re.match(r'\D','+Aghh0agd')>>> m.group()'+'>>> m=re.match(r'\D','*+Aghh0agd')>>> m.group()'*'
    
   

5》\s匹配空白（空格，Tab键，‘\n’）        \S匹配非空白字符

>>> m=re.match(r'\s',' *+Aghh0agd')>>> m.group()' '>>> m=re.match(r'\S','*+Aghh0agd')>>> m.group()'*'>>> m=re.match(r'\S','$Aghh0agd')>>> m.group()'$'>>> m=re.match(r'\S','h$Aghh0agd')>>> m.group()'h'

【2】匹配多个字符

1》* 匹配前一个字符0次或者无限次（任意次）

>>> m=re.match(r'[A-Z][a-z]*','H')>>> m.group()'H'>>> m=re.match(r'[A-Z][a-z]*','Hjdkjfksdjkff')>>> m.group()'Hjdkjfksdjkff'>>> m=re.match(r'[A-Z][a-z]*','Hjdkjf98ksdjkff')>>> m.group()'Hjdkjf'>>> m=re.match(r'[_a-zA-Z][\w]*','_this')>>> m.group()'_this'>>> m=re.match(r'[_a-zA-Z][\w]*','_')>>> m.group()'_'>>> m=re.match(r'[_a-zA-Z][\w]*','3abc')>>> m.group()Traceback (most recent call last):  File "
   
    ", line 1, in 
    
     AttributeError: 'NoneType' object has no attribute 'group'
    
   

2》+ 匹配前一个字符1次或者无限次（正整数次）

>>> m=re.match(r'A[0-9]+','A')>>> m.group()Traceback (most recent call last):  File "
   
    ", line 1, in 
    
     AttributeError: 'NoneType' object has no attribute 'group'>>> m=re.match(r'A[0-9]+','A8')>>> m.group()'A8'>>> m=re.match(r'A[0-9]+','A88787gg')>>> m.group()'A88787'
    
   

3》？匹配前一个字符0次或者1次

>>> m=re.match(r'[1-9]?[0-9]','100')>>> m.group()'10'>>> m=re.match(r'[1-9]?[0-9]','990')>>> m.group()'99'>>> m=re.match(r'[1-9]?[0-9]','0990')>>> m.group()'0'

4》{m}/{m,n}匹配起一个字符m次或者m到n次

>>> m=re.match(r'[a-z0-9]{6}','123abckkk')>>> m.group()'123abc'>>> m=re.match(r'[a-z0-9]{6}','123ab')>>> m.group()Traceback (most recent call last):  File "
   
    ", line 1, in 
    
     AttributeError: 'NoneType' object has no attribute 'group'>>> m=re.match(r'[a-z0-9]{6}@163.com','123abc@163.com')>>> m.group()'123abc@163.com'>>> m=re.match(r'[a-z0-9]{6,10}@163.com','123abc@163.comkkkkk')>>> m.group()'123abc@163.com'>>> m=re.match(r'[a-z0-9]{6,10}@163.com','123abc7890@163.comkkkkk')>>> m.group()'123abc7890@163.com'>>> m=re.match(r'[a-z0-9]{6,10}@163.com','123a@163.comkkkkk')>>> m.group()Traceback (most recent call last):  File "
     
      ", line 1, in 
      
       AttributeError: 'NoneType' object has no attribute 'group'>>> m=re.match(r'[a-z0-9]{6,10}@163.com','123abc789012@163.comkkkkk')>>> m.group()Traceback (most recent call last):  File "
       
        ", line 1, in 
        
         AttributeError: 'NoneType' object has no attribute 'group'
        
       
      
     
    
   

5》*？  +？   ？？匹配模式变为非贪婪（尽可能少的匹配字符）

>>> m=re.match(r'a[0-9]*','a90987abc')>>> m.group()'a90987'>>> m=re.match(r'a[0-9]*?','a90987abc')>>> m.group()'a'>>> m=re.match(r'a[0-9]+','a90987abc')>>> m.group()'a90987'>>> m=re.match(r'a[0-9]+?','a90987abc')>>> m.group()'a9'>>> m=re.match(r'a[0-9]?','a90987abc')>>> m.group()'a9'>>> m=re.match(r'a[0-9]??','a90987abc')>>> m.group()'a'

【3】使用正则表达式进行边界匹配

1》^ 匹配字符串的开头（match默认就是从头开始匹配）

2》$ 匹配字符串的结尾

>>> m=re.match(r'[\w]{6,10}@163.com','abc1234@163.comkkkk') #match默认就是从头开始匹配>>> m.group()'abc1234@163.com'>>> m=re.match(r'^[\w]{6,10}@163.com','abc1234@163.comkkkk') #显式指定从头开始匹配>>> m.group()'abc1234@163.com'>>> m=re.match(r'^[\w]{6,10}@163.com$','abc1234@163.comkkkk') #指定必须以@163.com结尾>>> m.group()Traceback (most recent call last):  File "
   
    ", line 1, in 
    
     AttributeError: 'NoneType' object has no attribute 'group'>>> m=re.match(r'^[\w]{6,10}@163.com$','abc1234@163.com')  #指定必须以@163.com结尾>>> m.group()'abc1234@163.com'
    
   

3》\A    \Z  指定的字符串必须出现在开头/结尾

>>> m=re.match(r'\Aimooc[0-9]+','imooc123')>>> m.group()'imooc123'>>> m=re.match(r'\Aimooc[0-9]+','iimooc123')>>> m.group()Traceback (most recent call last):  File "
   
    ", line 1, in 
    
     AttributeError: 'NoneType' object has no attribute 'group'>>> m=re.match(r'[0-9]+imooc\Z','123imooc')>>> m.group()'123imooc'>>> m=re.match(r'[0-9]+imooc\Z','123imoocbook')>>> m.group()Traceback (most recent call last):  File "
     
      ", line 1, in 
      
       AttributeError: 'NoneType' object has no attribute 'group'
      
     
    
   

【4】其他妙用

1》 | 匹配左右任意一个表达式

>>> m=re.match(r'abc|d','abckkk')>>> m.group()'abc'>>> m=re.match(r'abc|d','dabckkk')>>> m.group()'d'>>> m=re.match(r'[1-9]?[0-9]|100','0')>>> m.group()'0'>>> m=re.match(r'[1-9]?[0-9]|100','59')>>> m.group()'59'>>> m=re.match(r'[1-9]?[0-9]|100','100')>>> m.group()'10'>>> m=re.match(r'[1-9]?[0-9]$|100','100')>>> m.group()'100'

2》（163|126|qq）括号中的表达式作为一个分组，任选其中一个

>>> m=re.match(r'[\w]{4,6}@(163|126|qq).com','abc123@163.comkkk')>>> m.group()'abc123@163.com'>>> m=re.match(r'[\w]{4,6}@(163|126|qq).com','abc123@126.comkkk')>>> m.group()'abc123@126.com'>>> m=re.match(r'[\w]{4,6}@(163|126|qq).com','abc123@qq.comkkk')>>> m.group()'abc123@qq.com'>>> m=re.match(r'[\w]{4,6}@(163|126|qq).com','abc123@xxx.comkkk')>>> m.group()Traceback (most recent call last):  File "
   
    ", line 1, in 
    
     AttributeError: 'NoneType' object has no attribute 'group'
    
   

3》\number 引用编号为number的分组所匹配到字符串

>>> m=re.match(r'<([\w]+>)\1\1','
   
    book>book>')>>> m.group()'
    
     book>book>'>>> m.groups()('book>',)>>> m=re.match(r'<([\w]+>)[\w]+
     python
    ')>>> m.groups()('book>',)>>> m.group()'
    
     python
    '
   

4》（?P<name>）给分组起一个别名    （?P=name）引用别名为name的分组所匹配到的字符串

>>> m=re.match(r'<(?P[\w]+>)[\w]+
    python') #通过编号引用>>> m.group()'
    
     python
    '>>> m=re.match(r'<(?P[\w]+>)[\w]+
     python')#通过别名引用>>> m.group()'
     
      python
     '

上面我们学习了，正则表达式的基础语法，接着，我们简单学习一下python中的正则表达式模块-----re模块

使用该模块，首先要导入：import  re

1》search(pattern,string,flags=0) 在一个字符串中查找匹配，返回第一个匹配

>>> s='imooc hours=1000'>>> m=re.search(r'\d+',s)>>> m<_sre.SRE_Match object at 0x7fb4ae3da4a8>>>> m.group()'1000'>>> s='imooc c++=1230,python=1200'>>> m=re.search(r'\d+',s)>>> m<_sre.SRE_Match object at 0x7fb4ae3da4a8>>>> m.group()'1230'

2》findall(pattern,string,flags=0) 找到匹配，返回所有匹配部分的列表

>>> s='c++=100,java=200,python=300'>>> m=re.search(r'\d+',s)#返回第一个匹配>>> m<_sre.SRE_Match object at 0x7fb4ae3da578>>>> m.group()'100'>>> info=re.findall(r'\d+',s) #返回所有匹配部分的列表>>> info['100', '200', '300']

3》sub(pattern,repl,string,count=0,flags=0)   substitute 代替，替换 将字符串中匹配正则表达式的部分替换为其他值

3.1>repl是字符串

>>> s='imooc c++=1000'>>> info=re.sub(r'\d+','1001',s)>>> info'imooc c++=1001'>>> s='imooc c++=1000,python=2000'>>> info=re.sub(r'\d+','1001',s)>>> info'imooc c++=1001,python=1001'

3.2>repl是函数对象 sub(pattern,repl,string,count=0,flags=0) 若果repl是函数对象，则该函数接收的参数是一个match对象， 首先，对正则表达式pattern进行编译，生成一个pattern对象， 然后，使用该pattern对象，在字符串string中进行匹配，匹配成功，返回一个match对象， 最后，将该match对象，传递给repl函数！！！ 【该部分代码可以帮助理解上述说明！！ >>> p=re.compile(r'\d+') >>> p <_sre.SRE_Pattern object at 0x7fb4ae486a48> >>> m=p.match('123sdjf') >>> m <_sre.SRE_Match object at 0x7fb4ae3da4a8> >>> m.group() '123' 】

>>> def add1(match):...     s=match.group()...     value=int(s)+1...     return str(value)... >>> s='imooc c++=1000,java=2000,python=3000'>>> re.sub(r'\d+',add1,s)'imooc c++=1001,java=2001,python=3001'

4》split(pattern,string,maxsplit=0,flags=0)  根据匹配 分割字符串，返回 分割后字符串组成的 列表

>>> s='imooc:c c++ python java'>>> re.split(r':| ',s) #指定 ':'或' '作为分隔符（可以指定多个分隔符！！！）['imooc', 'c', 'c++', 'python', 'java']>>> s='imooc:c c++ python java,c#'>>> re.split(r':| |,',s) #指定 ':'或' '或','作为分隔符['imooc', 'c', 'c++', 'python', 'java', 'c#']

最后，我们通过一个简单实例，来抓取网上的图片：

import urllib2,rereq=urllib2.urlopen('http://www.imooc.com/course/list')buf=req.read()urllist=re.findall(r'http:.+\.jpg',buf)print urllisti=0for url in urllist:    request=urllib2.urlopen(url)    buffer=request.read()    f=open('C:\\Users\\91135\\Desktop\\image\\'+str(i)+'.jpg','w')    f.write(buffer)    f.close()    i+=1

至此，我们对python中的正则表达式有了一个基本的了解，另外两篇介绍正则表达式的文章，推荐学习：

1》

2》