简单理解正则表达式
我理解的正則表達式：
正則表達式就是用于字符（串）匹配時的一種描述字符串的表達式。
關于正則表達式：
預定義的字符類
- 用\d可以匹配一個數字；
- 用\D表示非數字字符[^\d]
- 用\w可以匹配一個字母或數字；
- 用\W表示非單詞字符[^\w]
- \s表示空白字符[空格\t\n\f\v]
- \S非空白字符[^\s]
數量詞
- 用. ?可以匹配任意除換行（\n）字符；因此匹配的只能同一行的字符；再點任意匹配模式下可以匹配換行符
- 用*表示任意個字符（包括0個）；
- 用+表示至少一個字符；
- 用?表示0個或1個字符；還可以使 +，.，？，*，{n，m}數量詞變成非貪婪模式
- 用{n}表示n個字符；
- 用{n,m}表示n-m個字符；
- 如‘\d+\-\w*\s{2-8}\w?描述的就是：123-a ?2或1-________(_表示空格）；
字符集
- [0-9a-zA-Z\_]可以匹配一個數字、字母或者下劃線；
- [0-9a-zA-Z\_]+可以匹配至少由一個數字、字母或者下劃線組成的字符串，比如'a100'，'0_Z'，'Py3000'等等；
- [a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下劃線開頭，后接任意個由一個數字、字母或者下劃線組成的字符串，也就是Python合法的變量；
- [a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精確地限制了變量的長度是1-20個字符（前面1個字符+后面最多19個字符）；
- A|B可以匹配A或B，所以(A|a)m可以匹配'Am'或者'am'；
邊界匹配
- ^表示行的開頭，^\d表示必須以數字開頭；
- $表示行的結束，\d$表示必須以數字結束；
- \A僅匹配字符串開頭
- \Z僅匹配字符串末尾
- \b匹配\w和\W之間的 ？？？？？？？？？？？？？？？？？？？
- \B ? ?匹配[^\b]
- \表示為轉義字符，在python的原生字符串r‘’里應用比較直觀方便
Python內的正則表達式運用re模塊
檢驗正則表達式最好用的函數match()
- 判斷是否匹配，如果匹配成功，返回一個Match對象，否則返回None；
- re模塊的匹配過程：正則表達式文本----編譯----->正則表達式對象----匹配---->待匹配文本---->匹配結果。
- patternr =re.compile（r‘正則表達式’） ----------編譯?
- math = pattern.match('待匹配字符串') ----------匹配
- print match.group() ? ? ? ? ? ? ? ? ? ? ? ? ? ? ----------結果
re.compile(strPattern[, flag]):
這個方法是Pattern類的工廠方法，用于將字符串形式的正則表達式編譯為Pattern對象。 第二個參數flag是匹配模式，取值可以使用按位或運算符'|'表示同時生效，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')是等價的。?
可選值有：
- re.I(re.IGNORECASE): 忽略大小寫
- re.M(MULTILINE): 多行模式，改變'^'和'$'的行為
- re.S(DOTALL): 點任意匹配模式，改變'.'的行為
- re.L(LOCALE): 使預定字符類 \w \W \b \B \s \S 取決于當前區域設定
- re.U(UNICODE): 使預定字符類 \w \W \b \B \s \S \d \D 取決于unicode定義的字符屬性
re.X(VERBOSE): 詳細模式。這個模式下正則表達式可以是多行，忽略空白字符，并可以加入注釋。以下兩個正則表達式是等價的：
re.compile(r"""\d + # the integral part\. # the decimal point\d * # some fractional digits""", re.X)re.compile(r"\d+\.\d*")Match
Match對象是一次匹配的結果，包含了很多關于此次匹配的信息，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: 匹配時使用的文本。
- re: 匹配時使用的Pattern對象。
- pos: 文本中正則表達式開始搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。
- endpos: 文本中正則表達式結束搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數相同。
- lastindex: 最后一個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: 最后一個被捕獲的分組的別名。如果這個分組沒有別名或者沒有被捕獲的分組，將為None。
方法：
- group([group1, …]):?
獲得一個或多個分組截獲的字符串；指定多個參數時將以元組形式返回。group1可以使用編號也可以使用別名；編號0代表整個匹配的子串；不填寫參數時，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。相當于調用group(1,2,…last)。default表示沒有截獲字符串的組以這個值替代，默認為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。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（子串第一個字符的索引）。group默認值為0。 - end([group]):?
返回指定的組截獲的子串在string中的結束索引（子串最后一個字符的索引+1）。group默認值為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<id>、\g<name>引用分組，但不能使用編號0。\id與\g<id>是等價的；但\10將被認為是第10個分組，如果你想表達\1之后是字符'0'，只能使用\g<1>0。
?
Pattern
Pattern對象是一個編譯好的正則表達式，通過Pattern提供的一系列方法可以對文本進行匹配查找。Pattern不能直接實例化，必須使用re.compile()進行構造。
Pattern提供了幾個可讀屬性用于獲取表達式的相關信息：
- pattern: 編譯時用的表達式字符串。
- flags: 編譯時用的匹配模式。數字形式。
- groups: 表達式中分組的數量。
- groupindex: 以表達式中有別名的組的別名為鍵、以該組對應的編號為值的字典，沒有別名的組不包含在內。
?
實例方法
1、match(string[, pos[, endpos]]) | re.match(pattern, string[, flags])
這個方法將從string的pos下標處起嘗試匹配pattern；如果pattern結束時仍可匹配，則返回一個Match對象；如果匹配過程中pattern無法匹配，或者匹配未結束就已到達endpos，則返回None。?
>>> import re >>> re.match(r'<link rel="(.+)" href="//(.+)" />','<link rel="dns-prefetch" href="//g.alicdn.com" />') <_sre.SRE_Match object at 0x0000000002B6FE88> >>> re.match(r'<link rel="(.+)" href="//(.+)" />','<link reB="dns-prefetch" href="//g.alicdn.com" />') >>>?
2、search(string[, pos[, endpos]]) | re.search(pattern, string[, flags])
這個方法用于查找字符串中可以匹配成功的子串。從string的pos下標處起嘗試匹配pattern，如果pattern結束時仍可匹配，則返回一個Match對象；若無法匹配，則將pos加1后重新嘗試匹配；直到pos=endpos時仍無法匹配則返回None。?
pos和endpos的默認值分別為0和len(string))；re.search()無法指定這兩個參數，參數flags用于編譯pattern時指定匹配模式。
3、split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):?
按照能夠匹配的子串將string分割后返回列表。maxsplit用于指定最大分割次數，不指定將全部分割。
4、findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):?
搜索string，以列表形式返回全部能匹配的子串。
?
5、finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):?
搜索string，返回一個順序訪問每一個匹配結果（Match對象）的迭代器。
?
6、sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):?
使用repl替換string中每一個匹配的子串后返回替換后的字符串。?
當repl是一個字符串時，可以使用\id或\g<id>、\g<name>引用分組，但不能使用編號0。?
當repl是一個方法時，這個方法應當只接受一個參數（Match對象），并返回一個字符串用于替換（返回的字符串中不能再引用分組）。?
count用于指定最多替換次數，不指定時全部替換。?
#print func(re.match(p,s)) 的輸出為I Say
#可見此處函數（sub）的執行特點相當于執行了兩次re.match ###output ### # say i, world hello! # I Say, Hello World!
?
7、subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):?
返回 (sub(repl, string[, count]), 替換次數)。
8、爬蟲常用的幾個函數
def getHtml(url):page = urllib.urlopen(url)html =page.read()return html def GetLink(html): # reg = r'<link rel="(.+)" href="//(.+)" />'#正則表達式模板imgre = re.compile(reg) imglist = re.findall(imgre,html) return imglist?參考：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html
轉載于:https://www.cnblogs.com/w-smile/p/7203502.html
總結
