Python入門課程系列：

• Python學(xué)習(xí) day1：認(rèn)識(shí)Python
• Python學(xué)習(xí) day2：判斷語(yǔ)句與循環(huán)控制
• Python學(xué)習(xí) day3：高級(jí)數(shù)據(jù)類型
• Python學(xué)習(xí) day4：函數(shù)基礎(chǔ)
• Python學(xué)習(xí) day5：函數(shù)
• Python學(xué)習(xí) day6：內(nèi)置函數(shù)
• Python學(xué)習(xí) day7：面向?qū)ο蠡A(chǔ)·上
• Python學(xué)習(xí) day8：面向?qū)ο蠡A(chǔ)·中
• Python學(xué)習(xí) day9：面向?qū)ο蠡A(chǔ)·下
• Python學(xué)習(xí) day10：飛機(jī)大戰(zhàn)游戲
• Python學(xué)習(xí) day11：文件操作與模塊
• Python學(xué)習(xí) day12：Python垃圾回收機(jī)制

導(dǎo)入：正則表達(dá)式是對(duì)字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個(gè)"規(guī)則字符串"翻屈，這個(gè)"規(guī)則字符串"用來表達(dá)對(duì)字符串的一種過濾邏輯。

目錄：

1. 概述
2. re模塊
3. 貪婪模式與非貪婪模式

目標(biāo)：

1. 區(qū)分正則表達(dá)式和python正則表達(dá)式的相同點(diǎn)和不同點(diǎn)
2. 使用re模塊的相關(guān)方法處理數(shù)據(jù)（重點(diǎn)本橙、難點(diǎn)）
3. 區(qū)分貪婪模式與非貪婪模式，使用非貪婪模式解決特殊的數(shù)據(jù)處理問題（難點(diǎn)）

1. 概述

正則表達(dá)式，英文名為Regular Expression宠纯，又稱規(guī)則表達(dá)式。正則表達(dá)式通常被用來檢索层释、替換那些符合某個(gè)模式（規(guī)則）的文本婆瓜。
在主流操作系統(tǒng)（Linux、Unix贡羔、Windows廉白、HP、BeOS等）乖寒、主流的開發(fā)語(yǔ)言（delphi猴蹂、Scala、PHP楣嘁、C#晕讲、Java、C++马澈、Objective-c、Swift弄息、VB痊班、Javascript、Ruby以及Python等）摹量、數(shù)以億萬(wàn)計(jì)的各種應(yīng)用軟件中涤伐，都可以看到正則表達(dá)式的身影馒胆。
Python自1.5版本起增加了re模塊，它提供Perl風(fēng)格的正則表達(dá)式模式凝果。re模塊使Python語(yǔ)言擁有全部的正則表達(dá)式功能祝迂。同時(shí)re模塊是用c語(yǔ)言寫的，其匹配速度非称骶唬快型雳。
其中compile函數(shù)根據(jù)一個(gè)模式字符串和可選的標(biāo)志參數(shù)生成一個(gè)正則表達(dá)式對(duì)象。該對(duì)象擁有一系列方法用于正則表達(dá)式匹配和替換山害。re模塊也提供了與這些方法功能完全一致的函數(shù)纠俭，這些函數(shù)使用一個(gè)模式字符串作為它們的第一個(gè)參數(shù)。

2. re模塊

目的：通過python中re模塊的使用最終掌握正則表達(dá)式的常用匹配規(guī)則

一：常用方法

1）re.match方法

re.match嘗試從字符串的起始位置匹配一個(gè)規(guī)則浪慌，匹配成功就返回match對(duì)象冤荆，否則返回None∪ㄏ耍可以使用group()獲取匹配成功的字符串钓简。

• 語(yǔ)法 ：re.match(pattern, string,flags=0)
• 參數(shù)說明：

import re
str='Python is the best language in the world'
#match只能匹配以xxx開頭的字符串，第一個(gè)參數(shù)是正則欧宜，第二個(gè)參數(shù)是要匹配的字符串
res=re.match('Python',str) #精確匹配
print(res)
print(res.group()) #匹配成功使用group方法取出字符串
#<re.Match object; span=(0, 6), match='Python'>
#Python
res=re.match('y',str) #只匹配開頭坐榆，匹配不到y(tǒng)，會(huì)報(bào)錯(cuò)
print(res) #匹配失敗是沒有g(shù)roup函數(shù)的
#None

• 標(biāo)志位：
  如果同時(shí)使用多個(gè)標(biāo)志位冗茸，使用|分割席镀。如re.L|re.M

import re
str='Python is the best language in the world'
res=re.match('python',str,re.I) #忽略大小寫
print(res.group())
#Python

• 我們可以使用group(num)或groups()匹配對(duì)象函數(shù)來獲取匹配表達(dá)式

import re
str='Python is the best language in the world'
res=re.match('(.*) is (.*?) .*',str) #忽略大小寫
print(res)
print(res.group())
#<re.Match object; span=(0, 40), match='Python is the best language in the world'>
#Python is the best language in the world
print(res.group(1))
print(res.group(2))
#Python
#the
print(res.groups())
#('Python', 'the')

2）re.compile方法

compile可以將正則表達(dá)式模式編譯成一個(gè)正則表達(dá)式對(duì)象

• reg = re.compile(pattern)result = reg.match(string)
• 等效于 result = re.match(pattern, string)
• 使用re.compile()和保存所產(chǎn)生的正則表達(dá)式對(duì)象可以增加重用效率

優(yōu)點(diǎn)：在使用正則表達(dá)式進(jìn)行match操作時(shí)秦士，python會(huì)將字符串轉(zhuǎn)換為正則表達(dá)式對(duì)象。如果使用compile永高，只需要一次轉(zhuǎn)換即可隧土。以后再使用模式對(duì)象的話提针，無需重復(fù)轉(zhuǎn)換。

import re
reobj=re.compile('\d{4}')
print(reobj.match('56789345').group())
#5678

3）re.search方法

search在全文中匹配一次曹傀，匹配到就返回

• 語(yǔ)法：re.search(pattern, string,flag=0)
• 函數(shù)參數(shù)說明

import re
data='我愛偉大的祖國(guó)嗜价，I love China, China is a great country'
rs=re.search('China',data)
print(rs)
#<re.Match object; span=(15, 20), match='China'>
print(rs.group())
#China

data='華為是華人華僑的驕傲'
rs=re.search('華.',data)
print(rs.group())
#華為
reobj=re.compile('華.')
print(reobj.search(data).group())
#華為

4）re.findall方法

findall匹配字符串中某個(gè)正則表達(dá)式全部的非重復(fù)出現(xiàn)的情況，返回一個(gè)列表亥啦。這個(gè)方法使用頻率較高炭剪。（在爬蟲中非常實(shí)用）

• 語(yǔ)法：re.findall(string[,pos[,endpos]])
• 函數(shù)參數(shù)說明

import re
data='華為是華人華僑的驕傲'
rs=re.findall('華.',data)
print(rs)
# ['華為', '華人', '華僑']
reobj=re.compile('華.')
print(reobj.findall(data))
#['華為', '華人', '華僑']

5）re.sub方法 / re.subn方法

re.sub將匹配到的數(shù)據(jù)進(jìn)行替換

• 語(yǔ)法：sub(pattern,repl,string,count=0,flags=0)
• 函數(shù)參數(shù)說明

import re
ret=re.sub('h','H','hello hero')
print(ret)
#Hello Hero

import re
dataS='Python是很受歡迎的語(yǔ)言'
pattern='[a-zA-Z]+'
res=re.sub(pattern,'R',dataS)
print(res)
#R是很受歡迎的語(yǔ)言

re.subn 完成目標(biāo)的搜索和替換，以元組的形式返回被替換的數(shù)量

import re
dataS='Python是很受歡迎的語(yǔ)言Python'
pattern='[a-zA-Z]+'
res=re.subn(pattern,'R',dataS)
print(res)
#('R是很受歡迎的語(yǔ)言R', 2)

6）re.split方法

re.split根據(jù)匹配進(jìn)行字符串切割亮蛔，并返回一個(gè)列表

• 語(yǔ)法：split(pattern,string,maxsplit=0,flags=0)
• 函數(shù)參數(shù)說明

import re
data='百度,騰信,阿里,華為,360'
print(re.split(',',data))
#['百度', '騰信', '阿里', '華為', '360']

二：常用匹配規(guī)格

1）常用匹配規(guī)則-匹配字符

• .的使用：

#例1
import re
data='a1aaa'
pattern='.' #將.定義為變量pattern
res=re.match(pattern,data)
print(res.group())
#a
pattern='...'
res=re.match(pattern,data)
print(res.group())
#a1a

#例2
import re
names=('李清照','李牧','賀知章','王維')
pattern='李.'
for name in names:
    res = re.match(pattern, name)
    if res:
        print(res.group())
#李清
#李牧

• []的使用：
  使用[]括起來的內(nèi)容全跨，代表一個(gè)集合，代表匹配集合內(nèi)的人一個(gè)字符亿遂。[abc]代表可以匹配a或者b或者c

#例1
import re
str1='hello'
res=re.match('[he]',str1)
print(res.group())
#h
res=re.match('[mh]',str1)
print(res.group())
#h

#例2
import re
datas='a','b','d','aeiou'
pattern='[a-c]' #范圍可以簡(jiǎn)寫
for data in datas:
    res = re.match(pattern, data)
    if res:
        print(res.group())
#a
#b
#a

• \d和\D的使用：

import re
data='12345aeiou'
print(re.match('\d',data).group())
#1
print(re.match('\d\d',data).group())
#12
print(re.match('\d*4',data).group())
#1234

data='w12345aeiou'
print(re.match('\D',data).group())
#w  

• \s和\S的使用：

import re
data='  hello'
print(re.match('\s',data).group())
#       #返回一個(gè)空白字符
data='!  hello'
print(re.match('\S',data).group())
#!

• \w和\W的使用：

import re
data='ssdf'
print(re.match('\w',data).group())
#s
data='!hello'
print(re.match('\W',data).group())
#!

2）常用匹配規(guī)則-匹配字符數(shù)量

• *的使用

import re
print(re.match('[A-Z][a-z]*','MYName').group())
#M   #*前面的沒有也可以
print(re.match('[A-Z]*','MMMy').group())
#MMM
print(re.match('[A-Z][a-z]*','MyyyyyyName').group())
#Myyyyyy

• +的使用實(shí)例：

import re
print(re.match('[A-Z][a-z]+','Mame').group())
#M   #*前面至少有一個(gè)，否則會(huì)報(bào)錯(cuò)浦徊。
print(re.match('[A-Z]+','MMMy').group())
#MMM
print(re.match('[A-Z][a-z]+','MyyyyyyName').group())
#Myyyyyy

??寫一個(gè)正則匹配python變量名（變量名語(yǔ)法規(guī)則：不能以數(shù)字開頭馏予，變量名只能包含字母，數(shù)字盔性，下劃線）

import re
print(re.match('[a-zA-Z_]+[\w]*','name').group())
#name
print(re.match('[a-zA-Z_]+[\w]*','_name').group())
#_name
print(re.match('[a-zA-Z_]+[\w]*','_name333').group())
#_name333

• \ ?的使用實(shí)例：(\是轉(zhuǎn)義符）

import re
print(re.match('[a-zA-Z_][0-9]?','n3ame').group())
#n3
print(re.match('[a-zA-Z_][0-9]?','name').group())
#n

• {}的使用：
  {count}：精確匹配
  {min, max}：告訴引擎匹配前導(dǎo)字符min次到max次霞丧。min和max必須都是非負(fù)整數(shù)。

if result:
    print('匹配成功{}'.format(result.group()))
#匹配成功1234
result=re.match('\d{4,}','123456789')
if result:
    print('匹配成功{}'.format(result.group()))
#匹配成功123456789
result=re.match('\d{4,6}','123456789')
if result:
    print('匹配成功{}'.format(result.group()))
#匹配成功123456

匹配郵箱 格式：xxx @163.com

import re
checkMail=input('請(qǐng)輸入您的163郵箱：')
regexMail=re.match('[a-zA-Z1-9]+[a-zA-Z0-9]{6,11}'+'@163.com',checkMail)
if regexMail:
    print('匹配成功{}'.format(regexMail.group()))

3）常用匹配規(guī)則-原生字符串

python字符串中\(zhòng)作為轉(zhuǎn)義字符開頭冕香，比如\n表示換行蛹尝，\t表示tab鍵，為了表示\本身悉尾，再加上一個(gè)\突那，去對(duì)\進(jìn)行轉(zhuǎn)義，成為 \ \ 形式构眯。也就是\ \ 的寫法才能表示\本身愕难。

import re
mypath='‘G:\py資料\1-上課資料\4-正則表達(dá)式\html'
print(mypath)
#‘G:\py資料?-上課資料?-正則表達(dá)式\html
import re
mypath='‘G:\\py資料\\1-上課資料\\4-正則表達(dá)式\\html'
print(mypath)
#‘G:\py資料\1-上課資料\4-正則表達(dá)式\html

• 使用正則表達(dá)式來匹配路徑
  正則中\(zhòng)也表示轉(zhuǎn)義，所以要匹配字符串中的\需要再次轉(zhuǎn)義惫霸。
  如果不想轉(zhuǎn)義猫缭，可以在正則前面加上字符r，表示原生的字符串它褪，python字符串就不再轉(zhuǎn)義饵骨。

import re
print(re.match('c:\\a.txt','c:\\a.txt').group())
#AttributeError: 'NoneType' object has no attribute 'group'
print(re.match('c:\\\\a.txt','c:\\a.txt').group())
#c:\a.txt
print(re.match(r'c:\\a.txt','c:\\a.txt').group())
#c:\a.txt

4）常用匹配規(guī)則-匹配開頭結(jié)尾

import re
print(re.match('^p.*','python is a language').group())
#python is a language
print(re.match('^p\w{5}','python is a language').group())
#python
print(re.match('\w{5,15}@[\w]{3}.com$','python@163.com').group())

??^除了有匹配開頭的意思，還可以取反
如[^xyz]就是取非xyz的意思

5）常用匹配規(guī)則-分組匹配

• |的使用
  |實(shí)際上是一個(gè)或的關(guān)系茫打，先匹配|前面的居触，匹配到了之后就不再匹配|后面的內(nèi)容

import re
print(re.match('[1-9]?\d$|100','78').group())
#78
print(re.match('[1-9]?\d$|100','100').group())
#100
string='wehvjcgvg888'
print(re.match('(wehvjcgvg|wehvjcgvg888)',string).group())
#wehvjcgvg   ｜實(shí)際上是一個(gè)或的關(guān)系，先匹配｜前面的老赤，匹配到了之后就不再匹配｜后面的

• (ab)的使用

import re
res=re.match('([0-9]*)-(\d*)','0355-348798856')
print(res.group(0))
print(res.group(1))
print(res.group(2))
# 0355-348798856
# 0355
# 348798856

• (\num)的使用：
  在匹配的過程中轮洋，可以在后面引用前面分組num匹配到的字符串

import re
htmlTag='<html><h1>測(cè)試數(shù)據(jù)</h1></html>'
res=re.match(r'<(.+)><(.+)>.+<(/\2)></\1>',htmlTag)
print(res.group())
print(res.group(1))
print(res.group(2))
print(res.group(3))
# <html><h1>測(cè)試數(shù)據(jù)</h1></html>
# html
# h1
# /h1

但在使用組引用的時(shí)候如果有很多組就容易引起混亂，也不方便閱讀抬旺。
為了解決這個(gè)問題可以給分組起別名
語(yǔ)法：
起別名：(?P<name>)
使用別名：(?P=name)

data='<div><h1>www.daibu.com</h1></div>'
ret=re.match(r'<(\w*)><(\w*)>.*<(/\w*)></\w*>',data)
print(ret.group())
#<div><h1>www.daibu.com</h1></div>
ret=re.match(r'<(?P<div>\w*)><(?P<h1>\w*)>.*</(?P=h1)></(?P=div)>',data)
print(ret.group())
#<div><h1>www.daibu.com</h1></div>

3. 貪婪模式與非貪婪模式

Python里數(shù)量詞默認(rèn)是貪婪的弊予，總是嘗試匹配盡可能多的字符，非貪婪則相反开财，總是嘗試匹配盡可能少的字符汉柒。
在“*”误褪、“？”、“+”、“{m,n}”后面加上预烙？，使貪婪變非貪婪嘀略。

import re
print(re.match('.*\d','a22222').group())
#a22222
print(re.match('.*?\d','a22222').group())
#a2

import re
content='aacbacbcwr'
pattern=re.compile('a.*b') #默認(rèn)的貪婪模式可以匹配到最后一個(gè)b
result=pattern.search(content)
print(result.group())
#aacbacb
pattern=re.compile('a.*?b') #非貪婪模式可以匹配到第一個(gè)b
result=pattern.search(content)
print(result.group())
#aacb

課后作業(yè)·問答題

1. 匹配長(zhǎng)度8-10位的用戶密碼（以字母開頭，包含字母乓诽、數(shù)字和下劃線）
2. 驗(yàn)證用戶名帜羊，長(zhǎng)度為6-18位的英文字母組成
3. 郵箱驗(yàn)證123、163郵箱：16-18個(gè)字符鸠天，可以使用字母讼育、數(shù)字、下劃線粮宛，需要以字母開頭
4. 匹配手機(jī)號(hào)碼（11位數(shù)字）
   移動(dòng)號(hào)碼段：139窥淆、138、137巍杈、136忧饭、135、134筷畦、150词裤、151、152鳖宾、157吼砂、158、159鼎文、182渔肩、183、187拇惋、188周偎、147
   聯(lián)通號(hào)碼段：130、131撑帖、132蓉坎、136、185胡嘿、186蛉艾、145
   電信號(hào)碼段：133、153、180勿侯、189

課后作業(yè)·實(shí)操題