1. 使用单个字符串来描述匹配一系列符合某个句法规则的字符串。

2. 是对字符串操作的一种逻辑公式

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， 则匹配成功；否则匹配失败。

1. `import re`：正则表达式模块：Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的操作。r代表进行匹配的是元字符串， 不使用元字符串则需要注意转译的情况。

使用正则表达式匹配字符串开头是否为指定的字符或字符串：

|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1次|

|{m}/{m,n}|匹配前一个字符m次或者n次|

|{m,}|匹配前一个字符m次或更多次|

|\*? / +? / ??|匹配模式变为非贪婪(尽可能少匹配字符|)

|^|匹配字符串开头|

|$|匹配字符串结尾|

|\A / \Z|指定的字符串匹配必须出现在开头/结尾|

|\||匹配左右任意一个表达式|

|(ab)|括号中表达式作为一个分组|

|\\\<number>|引用编号为num的分组匹配到的字符串|

|(?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|

1. search(pattern, string, flags=0)在一个字符串中查找匹配

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

3. sub(pattern, repl, string, count=0, flags=0)将字符串中匹配正则表达式的部分替换为其它值

4. 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

利用正则表达式尝试抓取了20160711[腾讯网](http://www.qq.com/)上的jpg和png图像。

str1 = 'test python'

print(str1.find('1'))

print(str1.find('test'))

print(str1.startswith('test'))

import re

pa = re.compile(r'test') # pa已经成为一个pattern实例

print(type(pa))

ma = pa.match(str1) # 若匹配成功, ma成为一个match对象

print(ma)

print(ma.group()) # group()返回一个str或者tuple

print(ma.span()) # 返回字符串的索引

print(ma.re) # pattern的实例

pa2 = re.compile(r'_')

ma2 = pa2.match('_value')

print(ma2.group())

pa3 = re.compile(r'_')

ma3 = pa3.match('value_')

pa = re.compile(r'test', re.I) # re.I 忽略大小写, I=ignore

print(pa)

ma = pa.match('Test python')

print(ma.group())

ma = re.match(r'test', 'Test Python', re.I)

print(ma.group())

import re

str1 = 'study time = 1000'

print(str1.find('1000'))

info = re.search(r'\d+', str1)

print(info.group())

str1 = 'study time = 10000'

info = re.search(r'\d+', str1)

print(info.group())

str2 = 'python code num = 100, swift code num = 50, c++ code num = 10'

info = re.findall(r'\d+', str2)

print(info)

print(sum([int(x) for x in info]))

str3 = 'python num = 1000'

info = re.sub(r'\d+', '1001', str3) # 将str3中的数字替换为1001

print(info)

def add(match):

val = match.group()

num = int(val) + 1

return str(num)

info = re.sub(r'\d+', add, str3)

print(info)

str4 = 'class=C C++ Java Python, C#'

info = re.split(r'=| |,', str4)

print(info)

import requests

def getdata():

url = 'http://www.qq.com/'

buf = requests.get(url)

return buf

buf = getdata()

import re

from numpy import *

listurl1 = re.findall(r'src="http://.*\.png', buf.text)

listurl2 = re.findall(r'src="http://.*\.jpg', buf.text)

listURL = []

for url in listurl1:

listURL.append(re.findall(r'http:.*\.png', url))

for url in listurl2:

listURL.append(re.findall(r'http:.*\.jpg', url))

i = 0

for url in listURL:

f = open(str(i)+'.png', 'wb')

buf = requests.get(url[0], stream=True)

for chunk in buf.iter_content(chunk_size=1024):

if chunk:

f.write(chunk)

f.flush()

f.close()

i += 1

import re

ma = re.match(r'a', 'a')

print(ma.group())

ma = re.match(r'.', 'b')

print(ma.group())

ma = re.match(r'{.}', '{a}') # 匹配大括号中的任意一个字符

print(ma.group())

ma = re.match(r'{..}', '{ab}') # 匹配大括号中的任意两个字符

print(ma.group())

ma = re.match(r'{[abc]}', '{a}') # 匹配大括号中为a或b或c的值

print(ma.group())

ma = re.match(r'{[a-z]}', '{d}') # 匹配a-z的任意一个字符

print(ma.group())

ma = re.match(r'{[a-zA-Z]}', '{Z}')

print(ma.group())

ma = re.match(r'{[\w]}', '{0}') # 使用`\w`匹配a-zA-Z0-9的任意一个字符

print(ma.group())

ma = re.match(r'\[[\w]\]', '[a]') # '\['和'\]'用来转意

print(ma.group())

ma = re.match(r'[A-Z][a-z]', 'Aa')

print(ma.group())

ma = re.match(r'[A-Z][a-z]*', 'A') # 匹配一个大写字母和0个或无穷多个小写字母

print(ma.group())

ma = re.match(r'[A-Z][a-z]*', 'Aa')

print(ma.group())

ma = re.match(r'[A-Z][a-z]*', 'Aafdsfdsb')

print(ma.group())

ma = re.match(r'[A-Z][a-z]*', 'Aafdsfdsbadfas154154') # 此例子只匹配数字前的字符

print(ma.group())

ma = re.match(r'[_a-zA-Z]+[_\w]*', '__init')

print(ma.group())

ma = re.match(r'[1-9]?[0-9]', '99') # 按照正常显示0-99的匹配, 09匹配不上, 9可以匹配上。?代表匹配一次或者0次

print(ma.group())

ma = re.match(r'[1-9]?[0-9]', '09') # 返回 0 , 不是09

print(ma.group())

ma = re.match(r'[a-zA-Z0-9]{6}', 'bac123') # a-zA-Z0-9匹配六次

print(ma.group())

ma = re.match(r'[a-zA-Z0-9]{6}', 'bac1234') # bac123

print(ma.group())

ma = re.match(r'[a-zA-Z0-9]{6}@163.com', 'abc123@163.com')

print(ma.group())

ma = re.match(r'[a-zA-Z0-9]{6,10}@163.com', 'abc123gd@163.com')

print(ma.group())

ma = re.match(r'[0-9][a-z]*?', '1bc') # 只匹配第一个1, 采取非贪婪模式, 尽可能少匹配

print(ma.group())

ma = re.match(r'[0-9][a-z]+?', '1bc') # 1b

print(ma.group())

ma = re.match(r'[\w]{4,10}@163.com', 'abc123gd@163.comabc') # abc123gd@163.com 但是原始字符串不是我们想要的

print(ma.group())

ma = re.match(r'^[\w]{4,10}@163.com$', 'abc123gd@163.com') # 前面加上 ^ , 必须以[\w]开头

print(ma.group())

ma = re.match(r'\Aabc[\w]{4,10}@163.com$', 'abc123gd@163.com') # \A 限定了开头必须以 abc 开头

print(ma.group())