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) <type '_sre.SRE_Pattern'> >>> m=p.match('imoocabc')#生成match对象 >>> m <_sre.SRE_Match object at 0x7f121d194238> >>> type(m) <type '_sre.SRE_Match'> >>> 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) <type 'NoneType'> >>> m.group() Traceback (most recent call last): File "<stdin>", line 1, in <module> 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) <type '_sre.SRE_Pattern'> >>> 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) <type '_sre.SRE_Match'> >>> 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 "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>> type(m) <type 'NoneType'> >>> 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 "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>> type(m) <type 'NoneType'> >>> 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 "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>> type(m) <type 'NoneType'> >>> 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 "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>> type(m) <type 'NoneType'> >>> 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 "<stdin>", line 1, in <module> 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 "<stdin>", line 1, in <module> 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 "<stdin>", line 1, in <module> 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 "<stdin>", line 1, in <module> 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 "<stdin>", line 1, in <module> 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 "<stdin>", line 1, in <module> 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$','abc1234@163.comkkkk') #指定必须以@163.com结尾 >>> m.group() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>> m=re.match(r'^[\w]{6,10}@163.com$','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 "<stdin>", line 1, in <module> 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 "<stdin>", line 1, in <module> 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 "<stdin>", line 1, in <module> 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>book>') >>> m.group() '<book>book>book>' >>> m.groups() ('book>',) >>> m=re.match(r'<([\w]+>)[\w]+</\1','<book>python</book>') >>> m.groups() ('book>',) >>> m.group() '<book>python</book>'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<mark>[\w]+>)[\w]+</\1','<book>python</book>') #通过编号引用 >>> m.group() '<book>python</book>' >>> m=re.match(r'<(?P<mark>[\w]+>)[\w]+</(?P=mark)','<book>python</book>')#通过别名引用 >>> m.group() '<book>python</book>' 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,re req=urllib2.urlopen('http://www.imooc.com/course/list') buf=req.read() urllist=re.findall(r'http:.+\.jpg',buf) print urllist i=0 for 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》点击打开链接
2》点击打开链接
