1.正則表達式

1).什么是正則表達式

正則表達式是處理字符串的工具皆疹， 通過不同的正則符號來描述字符串的規(guī)則.

2).正則符號(正則表達式的語法)

普通字符 - 除了在正則中有特殊功能和特殊意義的符號以外的字符都算普通字符
普通字符代碼字符本身

a.

普通字符 - 除了在正則中有特殊功能和特殊意義的符號以外的字符都算普通字符
普通字符代碼字符本身

b.

匹配一個字符串有三個字符复斥，分別是'a','b','c'

re_str = r'abc'
result = fullmatch(re_str, 'abc')
print(result)

c.

. - 匹配任意一個字符

匹配一個字符串長度是8，前三個字符是abc,后三個字符是123公给，中間是兩個任意字符
re_str = r'abc..123'
result = fullmatch(re_str, 'abcW1123')
print(result)

\w - 匹配一個數(shù)字、字母或者_ (在ASCII碼表中)

# 匹配一個長度是4的字符串，第一個字符是數(shù)字恩沛、字母或者_枣耀，后面三個字符是'abc'
re_str = r'\wabc'
result = fullmatch(re_str, '_abc')
print(result)

d.

\d - 匹配任意一個數(shù)字字符
匹配一個長度是5的字符串霉晕，前兩個字符是任意數(shù)字，后面三個是任意字符
re_str = r'\d\d...'
result = fullmatch(re_str, '90l-=')
print(result)

e. \s - 匹配任意一個空白字符

空白字符包括: 空格字符捞奕、換行字符牺堰、制表符...

result = fullmatch(r'how\s\sare!', 'how \tare!')
print(result)

f.大寫字母

\D - 匹配除了數(shù)字字符以外的任意字符(匹配一個非數(shù)字字符)
\S - 匹配一個非空白字符

re_str = r'\Dabc\S'
print(fullmatch(re_str, 'pabc='))

[字符集] - 匹配字符集出現(xiàn)的任意一個字符注意: 一個[]只能匹配一個字符
[abc] - 匹配abc中任意一個字符
[趙錢孫李] - 匹配趙錢孫李中的任意一個字符
[\d\s] - 匹配任意一個數(shù)字字符或空白字符

[1-9] - 匹配1到9中的任意一個字符(字符編碼值遞增)
[a-z] - 匹配任意一個小寫字母
[A-Z] - 匹配任意一個大寫字母
[a-zA-Z] - 匹配任意一個字母
[a-zA-Z0-9_] / [A-Za-z\d_] - 匹配任意一個字母、數(shù)字或者_
[ \t\n] - 匹配任意一個空白字符
[\u4e00-\u9fa5] - 匹配任意一個中文字符

匹配一個長度是4的字符串缝彬，第一個字符是1或者3或者7,后面是abc
re_str = r'[137]abc'
print(fullmatch(re_str, '7abc'))

re_str = r'[!-&]123'
print(fullmatch(re_str, '!123'))

re_str = r'[a-zA-Z0-9_]==='
print(fullmatch(re_str, 'a==='))

# print(fullmatch(r'[z-a]', 'a'))   # sre_constants.error: bad character range z-a at position 1

[^字符集] - 匹配不在字符集中的任意一個字符
[^abc] - 匹配任意一個不是a萌焰、b、c的字符
[^2-8] - 匹配任意一個不是2到8的字符
[^\u4e00-\u9fa5] - 匹配任意一個非中文的字符

re_str = r'[^2-8]abc'
print(fullmatch(re_str, '9abc'))

所有的檢測符號都不會影響字符串的長度

1)\b - 檢查是否是單詞邊界

單詞邊界 - 能夠將兩個單詞隔開并且不會產生歧義的任意符號: 空白字符谷浅、標點符號等扒俯、字符串開頭和字符串結尾
匹配規(guī)則: 先去掉\b對字符串進行匹配，如果匹配成功再檢查\b所在的位置是否是單詞邊界

# 匹配一個字符串長度是6一疯，每個字符分別是abc123; 并且要求abc和123之間是單詞邊界
re_str = r'abc\b123'
print(fullmatch(re_str, 'abc123'))     # None

re_str = r'abc\b,123'   # abc,123
print(fullmatch(re_str, 'abc,123'))     # None

re_str = r'\b[\u4e00-\u9fa5][\u4e00-\u9fa5]\b'
print(search(r'\b\d\d\b', '畫撒86旦法 67 -===雙方都建行卡阿斯頓發(fā)'))

### 2) ^ - 檢查^所在的位置是否是字符串開頭

注意: 這兒的^是[]外面的
re_str = r'^\d\d\d'
print(fullmatch(re_str, '345'))
print(search(re_str, '3457ajhjs789jkals728===sj234='))
print(findall(re_str, '789ajhjs789jkals728===sj234='))

# 3) $  - 檢查$所在的位置是否是字符串結尾
re_str = r'\d\d\d$'
print(fullmatch(re_str, '345'))
print(search(re_str, '3457ajhjs789jkals728===sj234=889'))
print(findall(re_str, '789ajhjs789jkals728===sj234=112')).
##2. * - 匹配0次或者多次 {0,}
123a*  - 123后面a出現(xiàn)0次或者多次, 123,123a,123aa,123aaa,123aaaa,....
123\d* - 123后面出現(xiàn)0個或者多個任意數(shù)字字符, 123, 1230,12312,12384758475,...
123[mnxy9]*  - 123, 123m, 123mn, 123mmn, 123myxy9, 12399999,...
```python
re_str = r'abc0*123'
print(fullmatch(re_str, 'abc0000123'))

- 匹配1次或多次 {1,}

re_str = r'123[a-z]+'
print(fullmatch(re_str, '123iyujh'))
?  - 匹配0次或1次 {0,1}
.N} - 匹配N次
a{3}  - 匹配三個a, aaa
\d{3} - 匹配三個任意數(shù)字, 345, 344, 000, 101.
{M,N}  - 匹配M到N次(匹配至少M次最多N次)
 {M,}   - 匹配至少M次, 123a{3,}: 123aaa, 123aaaa,...
 {,N}   - 最多N次, 123a{,3}: 123, 123a, 123aa, 123aaa
匹配電話號碼
re_str = r'1[3-9]\d{9}'
匹配密碼: 要求是6~12位的數(shù)字或者字母
re_str = r'[a-zA-Z\d]{6,12}'
print(fullmatch(r'123a{2,4}', '123aaa'))
##貪婪和非貪婪
在匹配次數(shù)不確定的時候撼玄，會出現(xiàn)貪婪和非貪婪兩種情況；默認情況都是貪婪墩邀。

1)什么是貪婪: 在能夠匹配成功的前提下掌猛，匹配次數(shù)盡可能多

2)什么是非貪婪: 在能夠匹配成功的前提下，匹配次數(shù)盡可能少; (在匹配次數(shù)后加?)
*?
+?
??
{M,N}?
{M,}?
{,N}?
```python
re_str = r'a.+'
print(search(re_str, 'hsjsa==2-32'))
print(search(r'a\d{3,5}?', '你哈a34590876'))

re_str = r'a.+b'
print(search(re_str, 'a234b123b123'))    # 'a234b123b'
re_str = r'a.+?b'
print(search(re_str, 'a234b123b123'))    # 'a234b'

# 練習: 獲取data文件中name對應的值
with open('data', encoding='utf-8') as f:
    content = f.read()
    names = findall(r'"name":".+?"', content)
    print(names)
re_str = r'abc|123'
print(fullmatch(re_str, '123'))

re_str = r'\d{2,5}|[a-z]+123|[A-Z]'
print(fullmatch(re_str, 'H'))

將括號里面的內容作為一個整體

1)整體操作
r'(\d\d|[A-Z]{2})abc' - 匹配一個字符串后面是abc,前面是兩個數(shù)字或者兩個大寫字母
r'([a-z]\d){3}' - a8n7j8

2)分組
a.分組截取: 方便后面分段或者分情況取不同匹配結果
b.分組重復: 在正則中用\X來重復前面第X個分組匹配到的內容
注意: \X的前面必須有這個分組

re_str = r'(\d{3})[a-z]{3}'
print(fullmatch(re_str, '344hsj'))
print(findall(re_str, '你還是345庫函數(shù)568ksjkk-==789hsjn==hjj--890==892lsk1'))


# 234hjk234, 112kls112
re_str = r'(\d{3})([a-z]{3})\2'
print(fullmatch(re_str, '234hjshjs'))

# 練習1：寫一個正則表達式匹配一個字符串: abc的前面是兩個數(shù)字或者兩個大寫字母
# 23abc, KJabc
# 方法一:
re_str = r'\d{2}abc|[A-Z]{2}abc'
re_str = r'(\d\d|[A-Z]{2})abc'
re_str = r'\d{3}\.[a-z]{3}'
print(fullmatch(re_str, '234=hjs'))   # None

re_str = r'\^a\+\d{3}\\w'
print(fullmatch(re_str, '^a+344\w'))

re模塊是python提供的眉睹，專門針對正則表達式應用的相關函數(shù)

1.compile(正則表達式) -> 將正則表達式轉換成正則對象

re_obj = compile(r'\d{3}')

fullmatch(r'\d{3}', '347')
findall(r'\d{3}', 'asjhf238sdfjk2323')
re_obj.fullmatch('234')
re_obj.findall('asdhf2387sjfhak82334')

字符串匹配

fullmatch(正則表達式, 字符串) - 讓正則表達式和字符串完全匹配
match(正則表達式,字符串) - 匹配字符串開頭

以上兩個方法的結果: 匹配失敗結果是None,匹配成功會返回匹配對象

re_str = r'\d{3}'
print(fullmatch(re_str, '783'))    # <_sre.SRE_Match object; span=(0, 3), match='783'>
print(match(re_str, '384課時費s99fij==='))   # <_sre.SRE_Match object; span=(0, 3), match='384'>

# 1)匹配對象
result = match(r'(\d{3})=([a-z]{2})', '234=am按時發(fā)貨就阿斯頓發(fā)')
print(result)

獲取匹配到的字符串
匹配對象.group() - 獲取整個正則表達式匹配到的字符串, 結果是字符串
匹配對象.group(N) - 獲取整個正則表達式中第N個分組匹配到的字符串

print(result.group())
print(result.group(1))
print(result.group(2))

獲取匹配到的字符串在原字符串中的位置信息

匹配對象.span() -> 返回匹配結果在原字符串中的下標范圍: [開始下標, 結束下標)
匹配對象.span(N) -> 返回第N個分組匹配到的結果在原字符串中的范圍

print(result.span())
print(result.span(2))
start, end = result.span(1)
print(start, end)

獲取原字符串

匹配對象.string

查找

1)search(正則表達式,字符串) - 在字符串中查到第一個滿足正則表達式的子串, 如果找到了結果是匹配對象荔茬，找不到結果是None

2)findall(正則表達式，字符串) - 獲取字符串中所有滿足正則表達式的子串竹海；返回值是一個列表
注意: 如果正則表達式中有分組慕蔚，列表中的匹配結果只會去分組匹配到的內容

3)finditer(正則表達式,字符串) - 獲取字符串中所有滿足正則表達式的子串；返回值是一個迭代器斋配，元素是匹配對象

result = search(r'\d{3}', '是否234ash==347jshdf')
print(result)

result = findall(r'\d{3}[a-z]{2}', '是234hu士大夫345mmks89h-=數(shù)348kl幾十塊的')
print(result)   # ['234hu', '345mm', '348kl']

result = findall(r'(\d{3})[a-z]{2}', '是234hu士大夫345mmks89h-=數(shù)348kl幾十塊的')
print(result)   # ['234', '345', '348']

result = findall(r'(\d{3})([a-z]{2})', '是234hu士大夫345mmks89h-=數(shù)348kl幾十塊的')
print(result)    # [('234', 'hu'), ('345', 'mm'), ('348', 'kl')]

result = findall(r'(([A-Z]{2}|\+)\d{2})', 'SH34士大夫+34阿客戶方LL345==')
print(result)    # [('SH34', 'SH'), ('+34', '+'), ('LL34', 'LL')]


result = finditer(r'(\d{3})([a-z]{2})', '是234hu士大夫345mmks89h-=數(shù)348kl幾十塊的')
group = []
group1 = []
group2 = []
for x in result:
    group.append(x.group())
    group1.append(x.group(1))
    group2.append(x.group(2))

print(group)
print(group1)
print(group2)

切割

split(正則表達式, 字符串) - 將字符串中滿足正則表達式的子串作為切割點對字符串進行切割; 返回一個字符串列表

result = split(r'\d+', '愛好3ja89是電話費899將括號看0===三等獎9數(shù)據(jù)98=的')
print(result)

替換

sub(正則表達式,字符串1,字符串2) - 將字符串2中所有滿足正則表達式的子串都替換成字符串1;返回一個字符串

message = '你丫是傻叉嗎? 我操你大爺?shù)? Fuck you.'
new_message = sub(r'[操肏艸草曹]|fuck|shit|傻[比屄逼叉缺吊屌]|煞筆', '*', message, flags=IGNORECASE)
print(new_message)