正则表达式笔记

1.所谓组，即你查一次，可以查多种匹配的结果，每种结果即是一组

eg.

import re
pattern = re.compile(r'<div(.*?>)(.*?)</div>')
match = pattern.match('<div class="test">Hello <div>wa haha<div>test xxx</div></div>world</div>')
if match:
  print match.group(2)
  print match.group(1)
  print match.group(0)


>>> ================================ RESTART ================================
>>> 
Hello <div>wa haha<div>test xxx
 class="test">
<div class="test">Hello <div>wa haha<div>test xxx</div>
>>> 

其中group(0)比较特殊，所有组的合集

2.查找一个文件中所有的http（url）地址

import re
import urllib2
f = open('url.txt','r')
string = ""
while 1:
    line = f.readline()
    if not line:break
    string += line

f.close()

urls = re.findall('http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+', string)

3.正则表达式中的空格包括\t\r\n\f\v等几种字符