python中的正则表达式,python

# coding=utf-8
'''
Created on 2017年2月5日

@author: chenkai

就把正则表达式的相关内容到这里填充一下。 今天说说元字符是什么东西。 
\     ^    $   *    +     .    |    ?    {}    []    ()        
这就是元字符了，学会这些应该就够你用的了。
python中的正则表达式通过import re 来使用。
www.iplaypython.com python教程
'''
#正则表达式是引入re包
import re
s = r"abc" # 定义一个字符串规则，加r为了保持字符串愿意
text ="abcderg,bcdea,cba,abcd"
textre= re.findall(s, text)#re.findall可以获取字符串中所有匹配的字符串，本例表示在text中匹配"abc"
print textre#匹配结果为list列表


text2="top tip tcp ttp tpp tlp topit"
res=r"t[oci]p"
textre2=re.findall(res, text2)
print "匹配:%s"%textre2

res3=r"t[^oci]p"
textre3=re.findall(res3, text2)
print "取反:%s"%textre3

'''
[a-z]表示 从字母a到z所有的字母。 
[0-9]等价于[0123456789] 也可以用\d 表示。   所有其它的元字符在[]中将失去原有的意义，比如示例中的^在[]表示取反。 

2，^ 表示匹配字符串的开头。在多行模式下匹配每一行的开头。
注：^一般放在字符串开头 
'''
s2="hello world hello hello"
s3="a hello world hello "
ress2=r"^hello"
print re.findall(ress2, s2)
print re.findall(ress2, s3) # hello 不再开头 所以没有结果

'''
$ 表示匹配字符串的结尾。在多行模式下匹配每一行的尾部。
'''
s4="a hello world hello"
ress3=r"hello$"
print re.findall(ress3, s4)


'''
\反斜杠后面可以加不同的字符以表示特殊意义。 也可用于取消所有元字符，变为普通符号。
\d  匹配任何十进制数：相当于[0-9] 
\D 匹配任何非数字字符：相当于 [^0-9]
\s 匹配任何空白字符：相当于 [\t\n\r\f\v]
\S 匹配任何非空白字符：相当于 [^\t\n\r\f\v]
\w 匹配任何字母数字下划线字符：相当于[a-zA-Z0-9_]
\W 匹配任何非字母数字下划线字符：相当于[^a-zA-Z0-9_]   

'''
s111="hf_jadlfhj343 l 433 45jj h5 4 3 2 5kjh54354@#$%^__"
res111=r"\d"#取0-9
print re.findall(res111,s111)

res222=r"\D"#取非0-9
print re.findall(res222,s111)

res333=r"\s"#取空白符
print re.findall(res333,s111)

res444=r"\S"#取非空白符
print re.findall(res444,s111)

res555=r"\w" #取任何字母数字下划线字符
print re.findall(res555,s111)

res666=r"\W" #取任何非字母数字下划线字符
print re.findall(res666,s111)

'''
正则表达式可以匹配不定长的字符集，另外也可以指定字符串的重复次数。
* （星号） 指定前一个字符可以匹配0次或者多次，而不是只有1次，匹配结果会尽可能的重复多次最大不超过20亿次。
（后面若加问号？变为非贪婪模式仅匹配0次：ab*? 结果为a）
+ （加号）   匹配前一个字符1次或者多次。
（后面若加问号？变为非贪婪模式仅匹配1次：ab+? 结果为ab）
？ （问号） 匹配前一个字符0次或者1次。
（后面若加问号？变为非贪婪模式仅匹配0次：ab?? 结果为a） ？可以是python原本的贪婪模式变为非贪婪模式。 
{m} （花括号） m是数字，表示重复前一个字符m次。
{m,n} 表示重复前一个字符m-n次。若省略m则表示0-n次，若省略n表示m到无限次。
（后面若加问号？变为非贪婪模式仅匹配0次：ab{2,100}? 结果为abb）
'''

tellphoneNumber="010-12345678 01067896523 010987654321 010-363636363636  0755-56859866"
restell = r"010-\d*" #\d表示[0-9] *表示重复0次或者无限次
print re.findall(restell,tellphoneNumber)

restell2 = r"010-\d+" #\d表示[0-9] +表示重复1次或者无限次
print re.findall(restell2,tellphoneNumber)


restell3 = r"010-?\d+" #\d表示[0-9] ?表示重复1次或者0次  在这里表示 “-” 字符可有可无
print re.findall(restell3,tellphoneNumber)

restell4 = r"010-?\d{8}" #\d表示[0-9] ?表示重复1次或者0次  在这里表示 “-” 字符可有可无 {8} 表示匹配到后面八位字符
print re.findall(restell4,tellphoneNumber) #11位电话号码，格式正确

#匹配开头是 3到4 为的电话号码
restell5 = r"\d{3,4}-?\d{8}" #\d表示[0-9] ?表示重复1次或者0次  在这里表示 “-” 字符可有可无 {8} 表示匹配到后面八位字符
print re.findall(restell5,tellphoneNumber) #11位电话号码，格式正确

'''
下面是个三个元字符。这三个在爬虫的正则表达式中常被用到，请爱它们。  
( )  |  .   . 它匹配除了换行字符外的任何字符，在 alternate 模式（re.DOTALL）下它甚至可以匹配换行 

| 代表左右表达式任意匹配一个。a|b 匹配a或者匹配b 。   如果没有被(...)括起来它的范围是整个正则表达式。
 
(...) 将正则表达式分组，每个分组为一个整体，将优先返回分组内的数据。   接下来我们来匹配一个玩蛇网的title html代码
'''
html=" <title>玩蛇网论坛-Python编程开发主题学习社区 -  Powered by Discuz!</title> "
rest=r"<title>(.+)</title>"
print re.findall(rest,html)

s666="qiaodaimababiekanle"
res666=r"a|i" #匹配a或i
print re.findall(res666,s666)