pythonre例子

① 谁用过python中的re来抓取网页，能否给个例子，谢谢

这是我写的一个非常简单的抓取页面的脚本，作用为获得指定URL的所有链接地址并获取所有链接的标题。

===========geturls.py================
#coding:utf-8
import urllib
import urlparse
import re
import socket
import threading

#定义链接正则
urlre = re.compile(r"href=[\"']?([^ >\"']+)")
titlere = re.compile(r"<title>(.*?)</title>",re.I)

#设置超时时间为10秒
timeout = 10
socket.setdefaulttimeout(timeout)

#定义最高线程数
max = 10
#定义当前线程数
current = 0

def gettitle(url):
global current
try:
content = urllib.urlopen(url).read()
except:
current -= 1
return
if titlere.search(content):
title = titlere.search(content).group(1)
try:
title = title.decode('gbk').encode('utf-8')
except:
title = title
else:
title = "无标题"
print "%s: %s" % (url,title)
current -= 1
return

def geturls(url):
global current,max
ts = []
content = urllib.urlopen(url)
#使用set去重
result = set()
for eachline in content:
if urlre.findall(eachline):
temp = urlre.findall(eachline)
for x in temp:
#如果为站内链接，前面加上url
if not x.startswith("http:"):
x = urlparse.urljoin(url,x)
#不记录js和css文件
if not x.endswith(".js") and not x.endswith(".css"):
result.add(x)
threads = []
for url in result:
t = threading.Thread(target=gettitle,args=(url,))
threads.append(t)
i = 0
while i < len(threads):
if current < max:
threads[i].start()
i += 1
current += 1
else:
pass

geturls("http://www..com")

使用正则表达式（re）只能做到一些比较简单或者机械的功能，如果需要更强大的网页分析功能，请尝试一下beautiful soup或者pyquery,希望能帮到你

② Python正则表达式之re.match()

我们在面对生物数据，比如序列信息（比如碱基序列、氨基酸序列等）的时候， 会时常要问，这其中是否包含着且含有多少某种已知的模式，一段DNA中是否包含转录起始特征TATA box、一段RNA中是否包含某种lncRNA、一段肽链中是否包含锌指结构等等；另一方面，我们在操作数据时，会时常遇到诸如把某个字符（对象）换成另一种字符（对象）的替换操作，而其本质还是如何搜索符合某种（替换）模式的对象。

在这些几乎天天都可以碰到的 模式匹配/搜索问题中，正则表达式就是一把解决问题的利剑！
在Python的re模块中，常用的有四个方法(match、search、findall、finditer)都可以用于匹配字符串，今天我们先来了解一下re.match()。

re.match()必须从字符串开头匹配！ match方法尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。主要参数如下：

举个栗子来理解一下它的用法：

运行结果：

从例子中我们可以看出，re.match()方法返回一个匹配的对象，而不是匹配的内容。通过调用span()可以获得匹配结果的位置。而如果从起始位置开始没有匹配成功，即便其他部分包含需要匹配的内容，re.match()也会返回None。

一般一个小括号括起来就是一个捕获组。我们可以使用group()来提取每组匹配到的字符串。
group()会返回一个包含所有小组字符串的元组，从 0 到 所含的小组号。

直接调用groups()则直接返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。
再举一个栗子：

运行结果：

③ python re 正则表达式 怎么用

1、re.search()
匹配 TS开头跟一个空格后跟若干个数字。
2、re.split()
拆分字符串是很常见的需求，通常使用split方法，但是一次指定多个分割符，split方法不支持，只能用re

④ Python re匹配

按照你的要求编写匹配英文字典的Python3程序如下

importre

s='400buy买DIRECTION&PREPOSITION方向介词490something某物
446beside在……旁边401arrive到达
491every每个
402come来447above在……上面
ANIMALS动物
403hurt伤;刺痛448below在……下面
492chicken鸡'

regex=r'([0-9]+s+[A-Za-z_-]+s+(在……[u4e00-u9fa5]+|S+))'

result=re.findall(regex,s)

foriinresult:

print(i[0])

源代码(注意源代码的缩进)

⑤ 强烈推荐！Python 这个宝藏库 re 正则匹配

Python 的 re 模块（Regular Expression 正则表达式）提供各种正则表达式的匹配操作。

在文本解析、复杂字符串分析和信息提取时是一个非常有用的工具 ，下面总结了 re 模块的常用方法。

d 匹配所有的十进制数字 0-9

D 匹配所有的非数字，包含下划线

s 匹配所有空白字符（空格、TAB等）

S 匹配所有非空白字符，包含下划线

w 匹配所有字母、汉字、数字 a-z A-Z 0-9

W 匹配所有非字母、汉字、数字，包含下划线

备注：符号.* 贪婪，符号.*? 非贪婪

[abc]：能匹配其中的单个字符

[a-z0-9]：能匹配指定范围的字符，可取反（在最前面加入^）

[2-9] [1-3]：能够做组合匹配

4.{ }：用于标记前面的字符出现的频率，有如下情况：

{n，m}：代表前面字符最少出现n次，最多出现m次

{n，}：代表前面字符最少出现n次，最多不受限制

{，m}：代表前面字符最多出现n次，最少不受限制

{n}：前面的字符必须出现n次

字符串中有反斜杠的，需要对反斜杠做转义

()：分组字符，可以为匹配到的内容分组，快速获取到分组中的数据 在正则里面 "()" 代表的是分组的意思，一个括号代表一个分组，你只能匹配到 "()" 中的内容。

group：用于查看指定分组匹配到的内容

groups：返回一个元组，组内为所有匹配到的内容

groupdict：返回一个字典，包含分组的键值对，需要为分组命名

作用：可以将字符串匹配正则表达式的部分割开并返回一个列表

flags定义包括：

re.I：忽略大小写

re.L：表示特殊字符集 w, W, b, B, s, S 依赖于当前环境

re.M：多行模式

re.S：’.’并且包括换行符在内的任意字符（注意：’.’不包括换行符）

re.U：表示特殊字符集 w, W, b, B, d, D, s, S 依赖于 Unicode 字符属性数据库

在 Python 中使用正则表达式之前，先使用以下命令导入 re 模块

例如：

‘(d)(a)1’ 表示：匹配第一是数字，第二是字符a，第三 1 必须匹配第一个一样的数字重复一次，也就是被引用一次。

如 “9a9” 被匹配，但 “9a8” 不会被匹配，因为第三位的 1 必须是 9 才可以。

‘(d)(a)2’ 表示：匹配第一个是一个数字，第二个是a，第三个 2 必须是第二组（）中匹配一样的。

如 “8aa” 被匹配，但 “8ab”，“7a7” 不会被匹配，第三位必须是第二组字符的复制版，也是就引用第二组正则的匹配内容。

⑥ python正则表达式re.findall(r"\b\w+\b", s)中的r是什么意思

Python中字符串前面加上
r
表示原生字符串，
与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。同样，匹配一个数字的"\\d"可以写成r"\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

⑦ Python re正则表达式模块及其用法

1.第一个参数是正则表达式,这里为"(\w+)\s",如果匹配成功,则返回一个Match,否则返回一个None;
2.第二个参数表示要匹配的字符串;
3.第三个参数是标致位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。 re.search函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回,如果...
4.第四个参数指替换个数。默认为0,表示每个匹配项都替换。 re.sub还允许使用函数对匹配...

⑧ Python 标准库模块 - re

正则表达式引擎对正则表达式文本进行编译生成正则表达式对象，再由正则表达式对象对目标文本进行匹配，后返回匹配结果。

正则表达式中一共包含 2 中字符： 普通字符 、 元字符

匹配单个字符的元字符及其含义：

匹配重复性的元字符及其含义：

匹配位置的元字符及其含义：

分组匹配的元字符及其含义：

表示或运算的元字符：

转义元字符：

在 Python 中使用正则表达式，我们需要借助 re 模块提供的强大 API，下面我们就来学习几个 re 模块常用的接口吧~

参数说明： findall("正则表达式", "要匹配的字符串", flags=标志1|标志2|...)
返回值：以列表形式返回匹配到的字符串。

下面，我们用 findall 返回 Python 之禅中首尾用到的反义词：

运行结果：

当正则表达式中含有一个以上分组时， findall 返回的列表由元组构成，元组中包含每个分组匹配到的内容。如果只有一个分组，则返回由该分组匹配到的内容组所构成的列表：

match 函数返回的结果是一个 SRE_Match 对象：

SRE_Match 具有很多的属性，比如 .string 属性可以方便我们我获取在匹配时输入的字符串：

属性 .re 可以获取匹配时使用的编译后的正则表达式模式：

由于默认使用了 re.UNICODE ，所以我们这里的 w 可以匹配中文字符。

属性 .regs 则以列表的形式返回正则表达式匹配到的内容以及各个分组陪陪到的内容，不过请注意，返回的都是索引的形式：

可以使用序列切片来看一下我们的正则表达式及其中的两个分组所匹配到的内容：

SRE_Match 对象也提供了非常多好用的方法，比如 groups 可以获取各个分组匹配到的内容：

group 则可以灵活地获取正则表达式或对应分组匹配到的内容：

如果使用的正则表达式定义了分组的名称， group 还可以通过名称获取相应分组匹配的内容：

在定义了分组的名称之后，还可以方便地使用 groupdict 以字典的形式返回所有分组匹配的结果：

最后需要注意的是， match 从字符串的开头开始匹配，如果开头不符合要求，则直接返回 None 。

与 match 匹配开头不同， search 匹配第一个符合规则的字符串，未成功则返回 None 。参数： re.search(pattern, string, flags=0) ；返回值同 match 。

在介绍 match 的使用时，最后一个例子，由于我们在字符串前面添加了 'PYTHON' 导致 match 使用原来的正则表达式无法匹配，返回 None 。此时，使用 search 就可以迎刃而解啦：

运行结果：

小结：

参数： re.split(pattern, string, maxsplit=0, flags=0) ， split 功能非常强大，以正则表达式匹配到的标志来分隔字符串，比如下面这样一个混乱的字符串，我们要提取其中所有的数字：

下面，我们就来详细介绍一下 split 的用法。

首先，是以单字符切割：

以分号切割时，共产生了 4 个子字符串，放在列表中返回。
下面，还是以单字符切割，但可以使用正则表达式中的 [] 来指定多种字符：

由于字符串 line 中有连续的 2 个分号，逗号或者空格，因此可以使用 [;s,]+ 来切割：

最后，上面的字符串在切割时，分隔符都没有被保留下来，使用括号捕获分组，即可保留分隔符：

re.sub 提供比字符串的 replace 方法更加强大的功能：对于输入的字符串 string ,利用正则表达式 pattern 强大的字符串处理功能，实现复杂的字符串替换处理为 repl ，返回被替换后的字符串。

下面的例子中，我们将句子中多余的空格和数字去掉：

如果想要知道替换过程中，共发生了多少次替换，可以使用 subn ：

小结：

上述的案例中，我们每次都需要传入正则表达式，相应的函数每次在调用时，都需要编译一次正则表达式。如果上述过程需要多次重复，那么每次都去耗费时间编译正则表达式是很不划算的。

re 模块为我们提供了 compile 函数，用来编译正则表达式模式，返回编译好模式。因此，可以把那些常用的正则表达式编译成正则表达式对象，以提高效率。

格式： re.compile(pattern, flags=0) ，其中 pattern 为编译时用的表达式字符串， flags 为编译标志位，用于修改正则表达式的匹配方式，如：是否区分大小写，多行匹配等。常用的 flags 有：

注：使用按位或 | 连接多个 flags 。

我们上述介绍的 re 模块的匹配、分割、替换函数， compile 函数的返回值类提供了相应的方法，使用方式类似，只是不需要传入正则表达式字符串而已。

由于用法几乎一致，这里就不一一举例啦~

贪婪模式 ： * + ? {m,n} ，正则表达式的重复默认总是尽可能多得向后匹配内容。

非贪婪模式 ： *? +? ?? {m,n}? ，尽可能少的匹配内容。

⑨ python中re库的常见用法

. 匹配除换行符外的任意字符
\d 匹配数字
\D 匹配非数字
\w 匹配数字字母下划线，支持中文
\W 小写w的反集

[abc] 匹配abc中任意一个
[a-f] 匹配字母a到f中的任意一个
x|y 匹配x或者y
^ 匹配字符串的开头
$ 匹配字符串的结尾

{3,5} 匹配次数，最少3个，最多5个
{3,} 至少匹配3次
* 匹配前一个字符，0次或多次
+ 匹配前一个字符，1次或多次

? 当前面不是数量表达式时，代表匹配0次或1次

举个栗子：
findall()函数的作用是匹配所有符合条件字符串，并以列表形式返回

由于.是匹配除换行符外的所有字符，{3,5} 匹配次数，最少3个，最多5个，在默认的贪婪模式下会匹配最多的字符，所以在列表中，字母a开头的字符串后面都跟了5个字符。

可以看到在非贪婪模式下，列表中的每一项都匹配最少的字符数。

从前往后，匹配到符合条件的最短的每一个字符串

边界字符：
^ 限定开头
$ 限定结尾

匹配分组：
() 提取出来的只有括号里匹配到的部分

上文中已经用到这个方法了，返回匹配到的字符串行表，如果没有匹配到的内容，则返回空列表。

flags参数是可以省略的，不省略时代表具有其他特殊的功能，如忽略大小写，忽略换行符等，re.S代表匹配时忽略换行符

re.search()和re.findall()的参数是一样的，只是返回结果不同，如果匹配到了，就返回该结果的正则表达式对象；如果没有匹配到，则返回None

使用re.search()返回匹配到的第一个字符串的正则表达式对象，找到了就会停止匹配。因此这个函数比较适合在一个大文本中找第一个出现的字符串。

若想让这个字符串展示出来，还需要借助group()函数。

举个栗子：

这个函数的作用是将正则表达式编译为一个正则表达式对象，如果要多次使用这个正则表达式的话，可以先编译，然后复用，使程序更高效一些，对这个对象继续使用.match(string)就可以显示匹配到的正则表达式对象，后续如果想要获取具体内容的话，和上面是一眼国的，直接使用group(0)就可以啦。

如果不考虑复用的话，和re.mach(pattern, string)的效果是一样的。

从运行结果也可以看出，re.match()和re.search()的区别，虽然二者都会返回匹配到的正则表达式对象，但是re.match()是从字符串的最开始位置开始匹配的，如果最开始的字符不匹配则会直接返回None；而re.search()则会一直往后找，直到找到第一个符合条件的字符串。

re.sub()函数用于替换字符串中的匹配项

举个栗子：

将所有数字替换为了一个空格。

⑩ Python之re模块

re模块是python独有的匹配字符串的模块，该模块中提供的很多功能是基于正则表达式实现的，
而正则表达式是对字符串进行模糊匹配，提取自己需要的字符串部分，他对所有的语言都通用。

1、字符

2、字符集

3、量词
贪婪模式：总是尝试匹配尽可能多的字符
非贪婪则相反，总是尝试匹配尽可能少的字符。

{0,} 匹配前一个字符 0 或多次,等同于 * 元字符
{+,} 匹配前一个字符 1 次或无限次,等同于 + 元字符
{0,1 }匹配前一个字符 0 次或 1 次,等同于 ? 元字符
如果 () 后面跟的是特殊元字符如 (adc)* 那么*控制的前导字符就是 () 里的整体内容，不再是前导一个字符

4、特殊分组用法表：只对正则函数返回对象的有用

5、断言
从断言的表达形式可以看出，它用的就是分组符号，只不过开头都加了一个问号，这个问号就是在说这是一个非捕获组，这个组没有编号，不能用来后向引用，只能当做断言。

匹配 <title>xxx</title> 中 xxx ： (?<=<title>).*(?=</title>)
自己理解就是：

5、例子
（1）非
^(?!.*200).*$ ，只匹配200
^(?!.*[200|400]).*$ ，只匹配200和400
[^a-z] 反取,不含a-z字母的
（2） u4e00-u9fa5 中文
（3） r"([u4e00-u9fa5]s?[u4e00-u9fa5]+)" # 小 明 匹配这种单字中间有空格的

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用

match 尝试从字符串的 起始位置 匹配一个模式，如果不是起始位置匹配成功的话，返回none。

search 扫描 整个字符串 并返回 第一个成功 的匹配。

re.match与re.search的区别:

正则表达式替换函数

替换匹配成功的指定位置字符串,并且返回替换次数，可以用两个变量分别接受

(2) 两个字符以上切割，放在 [ ] 中（不保留分隔符）：

(3) 使用 ( ) 捕获分组（保留分割符）：

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
注意： match 和 search 是匹配一次 ，findall 匹配所有。

用法：

注意1：一旦匹配成，再次匹配，是从前一次匹配成功的，后面一位开始的，也可以理解为匹配成功的字符串，不在参与下次匹配

注意2：如果没写匹配规则，也就是空规则，返回的是一个比原始字符串多一位的，空字符串行表

注意3：正则匹配到空字符的情况，如果规则里只有一个组，而组后面是 * 就表示组里的内容可以是 0 个或者多过，这样组里就有了两个意思：
一个意思是匹配组里的内容，
二个意思是匹配组里 0 内容（即是空白）
所以尽量避免用 * 否则会有可能匹配出空字符串

正则表达式，返回类型为表达式对象的
如：<_sre.SRE_Match object; span=(6, 7), match='a'>
返回对象的，需要用正则方法取字符串，