day17正则表达式

01-正则基本符号

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
fullmatch（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r/R

import re

1.普通字符

普通字符在表达式中，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，可以匹配一个任意字符
注意：一个，只匹配一个字符

# 匹配一个长度上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, 'abc')
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，剩下的都可以)
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，并且字符串的前两个是数字、字母、和下划线，后面是三个任意字符
re_str = r'\w\w...'
result = re.fullmatch(re_str, '12ghg')
print(result)

4.\s(匹配空白字符)

空白字符包括：空格、制表符和换行符

# 匹配一个长度是4的字符串，并且字符串前两位是字母数字或者下划线（中文），
中间一个空白，在一个字母或者数字下划线
re_str = r'\w\w\s\w'
result = re.fullmatch(re_str, '12\t1')
print(result)

\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，后两位是任意字符
re_str = r'\d\d\d..'
result = re.fullmatch(re_str, '132mb')
print(result)

\b(检测单词边界)

注意：检测\b出现的位置是否是单词边界，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的边界

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是属于单词边界）

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

^ (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',后面两个任意字符
re_str = '^The..'
result = re.fullmatch(re_str, 'Thefg')
print(result)

$ (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)

'\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，第二个是非数学，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前面是单词边界
re_str = R'\d\D\s\S\Ba'
result = re.fullmatch(re_str, '9h\t_a')
print(result)

字符集

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在[]都表示符号本身 例如：. $ ^ +  *  ?  |  等
      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
\
# 匹配一个长度是二的字符串，第一个字符是数字，第二个是b或者c或者d
re_str = r'\d[bcd]'
result = re.fullmatch(re_str, '2c')
print(result)

[字符1-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]   -  表示匹配所有的小写字母
[A-Z]    - 表示匹配所有的大写字母
[a-zA-Z] - 表示匹配所有的字母
[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-]  -  这儿的-表示减号本身

# 匹配一个长度是三的字符串，第一个字符是数字字符1到7中的一个，第二个是abc-中的一个，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)

[^字符集] - 匹配不在字符集中的任意一个字符

[^abc]  - 匹配除了'a','b','c'以外的其他任意字符
[^\d]  -  匹配除了数字字符以外的其他任意字符
[^a-z]  - 匹配除了小写字母以外的其他任意字符

[abc^]  - 匹配'a','b','c','^'中的任意字符

---

---

---

02-正则控制匹配次数

import re

1 *（匹配0次或者多次）

a*  - a 出现0次或者多次，'','a','aa','aaa'````都可以匹配
\d*  - 任意数字出现0次或者多次，'','1','12','12134'`````都可以匹配
[abc]*  -  a,b,c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*的前面需要一个字符或者一个匹配字符的符号

print(re.fullmatch(r'a*', ''))

2 +（匹配一次或者多次）

a+  - a至少出现一次
\d+ - 数字至少出现一次

3 ？（匹配0次或者一次）

a? - a出现0次或者一次，‘’，‘a'可以匹配


re_str = r'[+-]?[1-9]\d*'
result = re.fullmatch(re_str, '-42')
print(result)

4 {}

{N}  - 匹配N次，a{3}:匹配三个'a'
{M,N}  -   匹配M到N次，例如：a{3,5},匹配三个'a'或者四个'a',五个'a'
{,n}   -  最多匹配N次（0~N）  例如：a{,3},'','a','aa','aaa'
{M,}   -   至少匹配M次  例如：a{3,},'aaa','aaaa'```````

passworld= input('请输入密码（6-12位）：')
re_str = r'[a-zA-Z][\da-zA-Z]{5,11}'
result=re.fullmatch(re_str,passworld)
if result:
    print('密码输入合格！！')
else:
    print('密码格式输入错误！！！')

---

---

---

03-分之、捕获、贪婪

import re

1.分支

条件1  |  条件2    -  匹配条件1或者条件2
\d | [a-z]    -  匹配两个数字字符，或者一个小写字母
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]', 'z'))
print(re.fullmatch(r'a\d{2}|\w{2}', 'sh'))

# 练习：写一个正则表达式，匹配所有的数字，包括正的，负的，整数，小数，o
# 例如：100，+100，-100,12.5，-12.5，0,0.23,0.012
"""
12,12.34:  [+-]?[1-9]\d*[.]?\d*
0.12  :  [+-]?0[.]\d+
0  :  0
"""

re_str = r'[-+]?[1-9]\d*[.]?\d*|[+-]?0[.]\d+|0'
print(re.fullmatch(re_str, '14242'))

分组和捕获

a.分组 - 将括号中的内容作为一个整体

'abc123'
'abcHJS'
# 匹配一个字符串，前三位是'abc',后三位是数字或者三个大写字母
re_str = r'abc(\d{3}|[A-Z]{3})'
print(re.fullmatch(re_str, 'abc254'))

# 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, '1j2h1g'))

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的子串，返回一个列表

str1 = 'sdha1554jfhak3131vxa1542vvvx'
print(re.findall(r'a(\d+)', str1))

c.重复匹配
带多个分组的正则表达式中可以分组的后面添加’\数字‘来重复前面第几个分组中匹配到的内容
说明：\数字  - 这的数字代表着前面第几个分组；\1代表第一个分组 \2代表第二个分组

re_str = r'\d{3}([a-z]{2})a\1'
print(re.fullmatch(re_str, '123heahe'))

3.贪婪

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

re_str = 'a.+?b'
str1 = 'hgadhshfutfbylfajsdghfb'
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

---

---

---

04-re模块

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
转换成对象后可以通过对象调用对象方法

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

# 调用模块中的函数
print(re.fullmatch(re_str, '234'))
# 调用对象方法
print(re_obj.fullmatch('234'))

2.match和fullmatch

a. 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) - 不完全匹配，只匹配字符串开头

匹配成功返回匹配对象，匹配失败返回None

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

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

匹配对象

1.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()/匹配对象.end() - 获取整个正则表达式匹配到的开始下标/结束下标
匹配对象.start(n)/匹配对象.end(n) - 获取正则表达式中第n个分组匹配到的开始/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)

3.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, 返回一个列表

str1 = 'ab+c7hdjd8jss-sk9sjj78s9kk*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. F u c k you.'
result = re.sub(r'[丫操艹]|F\s*u\s*c\s*k|傻\s*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，列表元素是字符串

注意：如果这个正则表达式中有一个分组，结果是列表中只那个分组匹配到的结果
     如果这个正则表达式中分组的个数大于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 = 'haja37jjkd89sdhs909nnna238==='
result = re.findall(r'[a-zA-Z]{2,}(\d+)([a-z]+?)', str1)
print(result)

7.finditer

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))
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)


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