常用正则表达式
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。
content = '''abc"def"ghi''' re.findall(r'".+"', content) #结果 ['"def"']
（2）、用re.search。
>>> content = '''abc"def"ghi''' >>> re.search(r'"(.+)"', content).group(0) '"def"'
2、提取双引号之间的内容。规则: (pattern)
（1）、用re.findall。
content = '''abc"def"ghi''' re.findall(r'"(.+)"', content) #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。
>>> content = '''abc"def"ghi''' >>> re.search(r'"(.+)"', content).group(1) 'def'
3、效果同2。规则: (?<=pattern)、(?=pattern)
content = '''abc"def"ghi''' re.findall(r'(?<=").+(?=")', content) #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：
#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
>>> 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
>>> re.findall(r'^www.*$', text, re.M) ['www.sina.com.cn', 'www.educ.org', 'www.hao.cc', 'www.baidu.com', 'www.123.com']
（2）、匹配不以www打头的行
>>> re.findall(r'^(?!www).*$', text, re.M) ['', 'sina.com.cn', 'educ.org', 'hao.cc', 'baidu.com', '123.com']
（3）、匹配以cn结尾的行
>>> re.findall(r'^.*?cn$', text, re.M) ['www.sina.com.cn', 'sina.com.cn']
（4）、配不以com结尾的行
>>> re.findall(r'^.*?(?<!com)$', 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
>>> re.findall(r'^.*?com.*?$', text, re.M) ['www.sina.com.cn', 'www.baidu.com', 'www.123.com', 'sina.com.cn', 'baidu.com', '123.com']
(6)、匹配不包含com的行
>>> re.findall(r'^(?!.*com).*$', 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：
>>> strr = 'http://www.baidu.com/abc/d.html' >>> re.findall(r'(http://.+?)/.*', strr) ['http://www.baidu.com']
方法二：
>>> 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）、
>>> 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）、
>>> 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。
>>> 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。
*** walker * Updated 2014-12-09 ***