Day17-总结

1.什么是正则

正则表达式就是字符匹配的工具；是由正则符号和普通字符组成，来匹配不同规律的字符串

2.python对正则表达式的支持

python中提供了一个re模块，用来支持正则表达式
fullmath（正则表达式，字符串） - 用正则表达式去完全匹配字符串，如果匹配成功返回匹配结果，失败返回None
python中的正则表达式的写法：将正则内容写在字符串中，一般这个字符串的最前面会加r/R

import re

1.普通字符

普通字符在正则表达式中，代表字符本身

# 匹配一个字符串，第一个字符是'a'，第二个字符是'b',第三个字符也是最后一个字符是'c'
re_str = r'abc'
result =re.fullmatch(re_str,'abc')
print(result)

2.( . 匹配任意字符 )

在正则表达式中， . 出现的位置，可以匹配任意字符
注意：一个 . 只能一个政府

# 匹配一个长度是3的字符串，并且第一个字符是'a',最后一个字符是'c'，中间是任意字符
re_str = r'a.c'
result = re.fullmatch(re_str,'a#c')
print(result)

3. \w(匹配字母数字或者下划线)

在正则表达式中，\w出现的位置，可以匹配一个任意的字母、数字或者下划线(其实也可以匹配Unicode编码中除了ASCII码剩下的部分)
注意：一个\w只能匹配一个字符，中文也能匹配

# 匹配一个长度是5的字符串，并且字符串的前两位是数字、字母、下划线，后面是三个任意字符
re_str = r'\w\w...'
result = re.fullmatch(re_str,'_张123')
print(result)

4.\s(匹配空白字符)

空白字符包括：空格、字符表、换行符(空格，\t,\r,\n)

# 匹配一个长度是4的字符串，并且字符串的前两位是字母数字或者下划线（中文），中间一个空白，再一个字母数字或者下划线（中文）
re_str = r'\w\w\s\w'
result = re.fullmatch(re_str,'hj 8')
print(result)

5. \d (匹配数字字符)

# 匹配一个长度是5的字符串，字符串的前三位是数字字符，后面两位是任意字符
re_str = '\d\d\d..'
result = re.fullmatch(re_str,'082de')
print(result)

6.\b (检测单词边界)

注意：检测\b出现的位置是否是单词的边界，不会对字符进行匹配。
当正则表达式中出现了\b,匹配的时候去掉\b,匹配成功后再看\b出现的位置是否是单词边界

单词边界：单词开头、单词结尾、标点符号、空白符号等（只要能够将单词区分开的符号都属于单词边界）

# 匹配字符串'hello，world',并且要求w前面是单词边界，h前面也是单词边界
re_str = r'\bhello,\bworld'
result = re.fullmatch(re_str,'hello,world')
print(result)

7. ^(检测字符串开头)

在match和fullmatch中没有意义，search、findall等中有意义

# 匹配一个字符串前面三个字符是'the',后面任意两个字符串
re_str = r'^the..'
result = re.fullmatch(re_str,'thei9')
print(result)

8 $(检测字符串结尾)

在match和fullmatch中没有意义，search、findall等中有意义

# 匹配一个字符串，只有三位，分别是'the'，并且e后面是字符串结尾
re_str = r'the$'
result = re.fullmatch(re_str,'the')
print(result)

9. \大写字母

'\大写字母'对应的功能是'\小写字母'功能取反

\W - 匹配非数字、字母、下划线
\D - 匹配非数字字符
\S - 匹配非空白字符
\B - 检测非单词边界

# 匹配一个字符串，第一个字符是数字、第二个是非数字，第三个是空白，第四个是数字字母下划线，最后一个是a；并且要求a前面不是单词边界

re_str = r'\d\D\s\S\Ba'
result = re.fullmatch(re_str,'9H\tAa')
print(result)

10. [字符集]（匹配中括号出现的任意一个字符）

1.[字符集] - 匹配中括号出现的任意一个字符

例如：[abc] - 匹配一个字符是a或者b或者c
注意：a.一个中括号只能匹配一个字符
b.正则中有特殊功能的单个符号例如：. $ ^ + * |等没原来功能，就是符号本身
c.匹配字符的组合符号，在中括号中保持原来的功能，例如：\w \d \s \W \D \S

2.[字符 - 字符2] - 表示字符1到字符2（注意：要求字符1的编码值要小于字符2）

[a-z] - 匹配所有的小写字母
[A-Z] - 匹配所有的大写字母
[a-zA-Z] - 匹配所有的字母
[1-7] - 匹配数字字符1到7
[\u4e00-\u9fa5] - 匹配所有的中文

[字符1字符2-] - 这的 - 表示减号本身

# 匹配一个长度是2的字符串，第一个字符是数字，第二个字符是a或b或者c或者=
re_str = r'\d[abc=]'
result = re.fullmatch(re_str,'2=')
print(result)

# 匹配一个长度是3的字符串，第一个字符是数字字符1到7中的一个，第二个字符是a,b,c,-中的人以一个，第三个字符是小写字母
re_str = r'[1-7][abc-][a-z]'
result = re.fullmatch(re_str,'6-z')
print(result)

11.[^字符集] - 匹配不再字符集中的任意一个字符

[^abc] - 匹配除了a，b，c以外的任何一个字符
[^\d] - 匹配数字字符外的任何一个其他字符
[^a-z] - 匹配除了小写字母以外的其他任意一个字符
[abc^] -匹配a,b,c,^中的任意一个字符

re_str = r'[^abc]'
result = re.fullmatch(re_str,'（')
print(result)

import re

1. *(匹配0次或者多次)

a* - a出现0次或者多次，'','a','aa'都可以匹配
\d* - 任意数字出现0次或者多次，'','1','12','37772'等都可以匹配
[abc]* - a，b，c中任意一个字符出现0次或者多次
[A-F]* - A到F中任意字符出现0次或者多次

注意：在[]外面的*需要一个字符或者匹配字符的符号

print(re.fullmatch(r'a*','aaaaa'))
print(re.fullmatch(r'[abc]*','abcabc'))

2. + （匹配1次或者多次）

a+ - a至少出现1次
\d+ - 数字至少出现1次

print(re.fullmatch(r'a+b','ab'))

3. ？（匹配0次或者1次）

a? - a 出现0次或中1次 ，'','a'可以匹配

re_str = r'[-+]?[1-9]\d*'
result = re.fullmatch(re_str,'54')
print(result)

4.{ }

{N} - 匹配N次， a{3}：匹配3个a
{M，N} - 匹配M到N次 ， 例如：a{3，5}，匹配4个a或者5个a
{,N} - 最多匹配N次（0-N）， 例如：a{，3}，匹配0个a或者1个a或者2个a或者3个a
{M，} - 至少匹配M次 例如：a{3，} ， 匹配至少3次a

# 练习：输入密码，要求检测密码输入是否合格（密码由字母和数字组成，数字不开头，6-12位）
password = input('密码：')

re_str = r'[a-zA-Z][\da-zA-Z]{5,11}'
result = re.fullmatch(re_str,password)
if result:
    print('正确')
else:
    print('错误')

import re

1.分之

条件1 | 条件2 - 匹配条件1或者条件2
\d{2} | [a-z] - 匹配两个数字字符或则一个小写字母
a\d{2}|\w{2} - 匹配一个a后面两个数字，或者两个数字字母下划线
注意:正则中的分之也会出现短路，当条件1可以匹配，就不会再使用条件2进行匹配

print(re.fullmatch(r'\d{2}|[a-z]','w'))
print(re.fullmatch(r'a\d{2}|\w{2}','a12'))

# 练习：写一个正则表达式，匹配所有的数字，包括正的、负的、小数、0
re_str =r'[+-]?[1-9]\d*[.]?\d*|[+-]?0[.]\d+|0'
result = re.fullmatch(re_str,'12.3')
print(result)

2. （） - 捕获和分组

a.分组 - 将括号中的内容作为一个整体

# 匹配一个字符串，前三位是'abc'，后面三位是三个数字或者三个大写字母
re_str = r'abc(\d{3}|[A-Z]{3})'
print(re.fullmatch(re_str,'abc123'))

# 匹配一个字符串，以'数字小写字母'的形式出现3次
re_str = r'(\d[a-z]){3}'
print(re.fullmatch(re_str,'2s3z4d'))

b.捕获

通过正则获取符合条件的子串的时候，可以在正则表达式中加括号，匹配后只获取括号里面匹配到的内容

re.findall(正则表达式，字符串) - 在字符串中去获取符合正则表达式条件的所有子串，返回一个列表

str1 = 'fsda2131dkjgrua90+asj23.ds23'
print(re.findall(r'a(\d+)',str1))

"""
c.重复匹配
带多个分组的正则表达式中，分组的后面通过添加'\数字'来重复前面第几个分组中匹配的内容

说明：\数字 - 这的数字代表前面第几个分组；\1代表第一个分族 \2代表第二个分组

re_str = r'(\d{3})([a-z]{2})a\1'
print(re.fullmatch(re_str,'112xxa112'))

3.贪婪

匹配次数后面加？就是贪婪匹配：*？，+？，？？，{M，N}？，{M，}？表示尽可能少的重复

re_str = 'a.+?b'
str1 = 'xxxahdjbnnlbsssammmb'
print(re.findall(re_str,str1))

4.转义符号

在正则表达式中可以在有特殊意义或者特殊功能的符号前加\来取消其特殊功能
\w - 代表两个字符，分别是'' 和'w'
+ - 代表+字符
* - 代表*字符
? - 代表？字符
[],(),{}表示字符的时候，前面也要加\

注意：在中括号中，\必须加\表示\本身，^{在最前面加\表示}本身，-在两个字符之间加\表示-本身

re_str = r'\\w-\d{3}'
print(re.fullmatch(re_str,'\w-232'))

re_str = r'a\+\(\d{2}\)'
print(re.fullmatch(re_str,'a+(23)'))

import re

1.compile(了解)

compile(正则表达式) - 将正则表达式转换成正则表达式对象
转换成对象可以通过对象调用对象方法

re_str = '\d{3}'
re_obj = re.compile(re_str)
print(re_obj.fullmatch('234'))

fullmatch(正则表达式，字符串) - 完全匹配，从字符串开头匹配到字符串结束
b.match（正则表达式，字符串） - 不安全匹配，只匹配字符串开头

re_str = r'\d([A-Z]{2})'
result1 = re.fullmatch(re_str,'2ZC')
print(result1)

result2 =re.match(re_str,'8XX2315sdf==')
print(result2)

匹配对象

1.获取span - 匹配到的内容的范围，（开始下标，结束下标），结束下标取不到
匹配对象.span（） - 获取整个正则表达式匹配到的范围
匹配对象.span（n） - 获取正则表达式中第n个分组匹配到的范围（前提是有分组）

print(result2.span())
print(result2.span(1))

2.start和end - 获取匹配结果的开始下标和结束下标
匹配对象.start（n）/匹配对象.end(n) - 获取整个正则表达式匹配到的开始下标/结束下标

print(result2.start(),result2.end())
print(result2.start(1),result2.end(1))

3.group - 获取匹配到的内容
匹配对象.group（） - 获取整个正则表达式匹配到的内容
匹配对象.group（n） - 获取正则表达式中第n个分组匹配到的内容

print(result2.group())
print(result2.group(1))

4.string - 获取用来匹配的原字符串
匹配对象.string

print(result2.string)

search

search(正则表达式，字符串) - 匹配字符串中第一个满足正则表达式的子串，如果匹配成功返回匹配对象否则返回None

str1 = 'abc123hks362shjjk990kll'
result =re.search(r'\d{3}[a-z]{2}',str1)
print(result)

4.split

split(正则表达式，字符串) - 在字符串中按照满足正则表达式条件的子串对字符串进行切割

str1 = 'abc7hdjd8jss-sk9sjjs9kk*k'
result = re.split(r'\d+|[+*-]+',str1)
print(result)

5.sub

sub(正则表达式，新子串，字符串) - 用新子串替换字符串中满足正则表达式的子串，返回一个替换后的字符串

str1 = '你丫是傻叉吗？我操你大爷的.Fuck you.'
result = re.sub(r'[丫操]|Fuck|傻叉','*',str1)
print(result)

6.findall

findall(正则表达式，字符串) - 在字符串中获取满足正则表达式的所有的字符，返回一个列表，列表元素是字符

注意：如果这个正则表达式中有一个分组，结果是列表中那个分组匹配到的结果
如果这个正则表达式中分组个数大于1，结果是一个列表，列表中的元素是元祖，元祖中是每个分组匹配到的内容

str1 = 'haja37jjkd89sd324=='
result = re.findall(r'[a-zA-Z]{2,}\d+[a-z]+?',str1)
print(result)

7.finditer

(正则表达式，字符串) - 获取字符串中满足正则表达式的内容，返回的是一个迭代器，迭代器中的元素是匹配对象

result = re.finditer(r'[a-zA-Z]{2,}\d+[a-z]+?',str1)
print(result)
print(next(result))

# 思考：写一个自己finditer
def yt_finditer(pattern,string):
    re1 = re.search(pattern,string)
    while re1:
        yield re1
        string =string[re1.end():]
        re1 = re.search(pattern,string)

result = yt_finditer(r'[a-zA-Z]{2,}\d+[a-z]+?',str1)
print(next(result))
print(next(result))