下面的例子默认以python为实现语言，用到python的re模块。
0、正则表达式的文档。
（1）、正则表达式30分钟入门教程
（2）、另一个不错的入门教程。
（3）、揭开正则表达式的神秘面纱，个人觉得这篇文章对Multiline的讲解特别到位，截图如下：
1、提取双引号及之间的内容。
（1）、用re.findall。
|
1
2
3
4
|
text
=
'''abc"def"ghi'''
re.findall(r
'".+"'
, text)
#结果
[
'"def"'
]
|
（2）、用re.search。
|
1
2
3
|
>>> text
=
'''abc"def"ghi'''
>>> re.search(r
'"(.+)"'
, text).group(
0
)
'"def"'
|
2、提取双引号之间的内容。规则: (pattern)
（1）、用re.findall。
|
1
2
3
4
|
text
=
'''abc"def"ghi'''
re.findall(r
'"(.+)"'
, text)
#结果
[
'def'
]
|
与1的区别是在需要返回的内容两边加上了括号。
（2）、用re.search。
|
1
2
3
|
>>> text
=
'''abc"def"ghi'''
>>> re.search(r
'"(.+)"'
, text).group(
1
)
'def'
|
3、效果同2。规则: (?<=pattern)、(?=pattern)
|
1
2
3
4
|
text
=
'''abc"def"ghi'''
re.findall(r
'(?<=").+(?=")'
, text)
#结果
[
'def'
]
|
4、C++中三种正则表达式比较(C regex，C ++regex，boost regex)。
5、查找以某些字符串打头的行。比如查找以+++、---、index打头的行：
|
1
2
3
4
5
6
7
8
|
#方法一，按行匹配
for
i
in
lst:
if
re.match(r
"(---|\+\+\+|index).*"
, i):
print
i
#方法二，一次性匹配
re.findall(r
'^(?:\+\+\+|---|index).*$'
, content, re.M)
#方法二精简版
re.findall(r
'^(?:[-\+]{3}|index).*$'
, content, re.M)
|
6、包含/不包含（参考：利用正则表达式排除特定字符串）
（0）、文本内容
|
1
2
3
4
5
6
7
8
9
10
11
12
|
>>>
print
(text)
www.sina.com.cn
www.educ.org
www.hao.cc
www.baidu.com
www.
123.com
sina.com.cn
educ.org
hao.cc
baidu.com
123.com
|
（1）、匹配以www打头的行
|
1
2
|
>>> re.findall(r
'^www.*$'
, text, re.M)
[
'www.sina.com.cn'
,
'www.educ.org'
,
'www.hao.cc'
,
'www.baidu.com'
,
'www.123.com'
]
|
（2）、匹配不以www打头的行
|
1
2
|
>>> re.findall(r
'^(?!www).*$'
, text, re.M)
['
', '
sina.com.cn
', '
educ.org
', '
hao.cc
', '
baidu.com
', '
123.com
']
|
（3）、匹配以cn结尾的行
|
1
2
|
>>> re.findall(r
'^.*?cn$'
, text, re.M)
[
'www.sina.com.cn'
,
'sina.com.cn'
]
|
（4）、匹配不以com结尾的行
|
1
2
|
>>> re.findall(r
'^.*?(?<!com)$'
, text, re.M)
[
'www.sina.com.cn'
,
'www.educ.org'
,
'www.hao.cc'
, '
', '
sina.com.cn
', '
educ.org
', '
hao.cc']
|
（5）、匹配包含com的行
|
1
2
|
>>> re.findall(r
'^.*?com.*?$'
, text, re.M)
[
'www.sina.com.cn'
,
'www.baidu.com'
,
'www.123.com'
,
'sina.com.cn'
,
'baidu.com'
,
'123.com'
]
|
（6）、匹配不包含com的行
|
1
2
3
4
5
|
>>> re.findall(r
'^(?!.*com).*$'
, text, re.M)
[
'www.educ.org'
,
'www.hao.cc'
, '
', '
educ.org
', '
hao.cc']
>>> re.findall(r
'^(?:(?!com).)*?$'
, text, re.M)
[
'www.educ.org'
,
'www.hao.cc'
, '
', '
educ.org
', '
hao.cc']
|
7、利用分组得到网址的第一级，即去除后面几级。（匹配全部，去除部分）
方法一：
|
1
2
3
|
>>> strr
=
'http://www.baidu.com/abc/d.html'
>>> re.findall(r
'(http://.+?)/.*'
, strr)
[
'http://www.baidu.com'
]
|
方法二：
|
1
2
|
>>> re.sub(r
'(http://.+?)/.*'
, r
'\1'
, strr)
'http://www.baidu.com'
|
8、两个有助于理解正则分组的例子。
（1）、
|
1
2
3
4
5
6
7
8
9
|
>>> strr
=
'A/B/C'
>>> re.sub(r
'(.)/(.)/(.)'
, r
'xx'
, strr)
'xx'
>>> re.sub(r
'(.)/(.)/(.)'
, r
'\1xx'
, strr)
'Axx'
>>> re.sub(r
'(.)/(.)/(.)'
, r
'\2xx'
, strr)
'Bxx'
>>> re.sub(r
'(.)/(.)/(.)'
, r
'\3xx'
, strr)
'Cxx'
|
（2）、
|
1
2
3
4
5
6
7
8
9
|
>>> text
=
'AA,BB:222'
>>> re.search(r
'(.+),(.+):(\d+)'
, text).group(
0
)
'AA,BB:222'
>>> re.search(r
'(.+),(.+):(\d+)'
, text).group(
1
)
'AA'
>>> re.search(r
'(.+),(.+):(\d+)'
, text).group(
2
)
'BB'
>>> re.search(r
'(.+),(.+):(\d+)'
, text).group(
3
)
'222'
|
9、提取含有hello字符串的div。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
>>> content
'<div id="abc"><div id="hello1"><div id="def"><div id="hello2"><div id="hij">'
>>>
>>> p
=
r
'<div((?!div).)+hello.+?>'
>>> re.search(p, content).group()
'<div id="hello1">'
>>> re.findall(p, content)
[
'"', '"'
]
>>>
for
iter
in
re.finditer(p, content):
print
(
iter
.group())
<div
id
=
"hello1"
>
<div
id
=
"hello2"
>
>>>
>>> p
=
r
'<div[^>]+hello.+?>'
>>> re.search(p, content).group()
'<div id="hello1">'
>>> re.findall(p, content)
[
'<div id="hello1">'
,
'<div id="hello2">'
]
>>>
for
iter
in
re.finditer(p, content):
print
(
iter
.group())
<div
id
=
"hello1"
>
<div
id
=
"hello2"
>
|
10、据walker猜测：在python3的Unicode字符集下，\s匹配\f\n\r\t\v加全角半角空格，共7个字符。
12、如果所使用的工具支持肯定环视（positive lookahead），同时可以在肯定环视中使用捕获括号（capturing parentheses），就能模拟实现固化分组（atomic grouping）和占有优先量词（possessive quantifiers）。
13、千分位。
（1）、Python
|
1
2
3
4
5
|
>>>
format
(
23456789
,
','
)
'23,456,789'
# 利用肯定逆序环视与肯定顺序环视
>>> re.sub(r
'(?<=\d)(?=(?:\d{3})+$)'
,
','
,
'2345678'
)
'2,345,678'
|
（2）、JavaScript
|
1
2
3
|
//利用肯定顺序环视（因为js不支持肯定逆序环视）
//结果为"23,456,789"
"23456789"
.replace(/(\d)(?=(?:\d{3})+$)/g,
"$1,"
)
|
相关阅读：
1、Python中的re.search和re.findall之间的区别和联系
4、桌面工具：RegexBuddy
4.1、修改注册表：RegexBuddy 4.7.0 x64 评估试用到期，无限试用的办法
*** walker * Updated 2014-12-09 ***
本文转自walker snapshot博客51CTO博客，原文链接http://blog.51cto.com/walkerqt/1246206如需转载请自行联系原作者
RQSLT
