一墨状、定義

• 正則表達(dá)式就是做字符串匹配的一種工具酸舍，很多語言都支持正則語法责嚷，正則語法是通用的
• python中通過re模塊中提供的方式來使用正則：import re或from re import *
• re.fullmatch（正則表達(dá)式莱睁，字符串）：完全匹配痕支，檢查字符串是否滿足正則表達(dá)式的要求颁虐；如果不匹配結(jié)果是None，匹配結(jié)果是一個匹配對象
• python正則表達(dá)式：r'正則'（拓展：js正則表達(dá)式 - /正則/）

二卧须、正則語法（以下代碼基于import re）

1.匹配字符的符號

1）普通字符

• 普通字符在正則中代表字符本身另绩， 例如, a, b, 1...等

# 要求一個字符串有5個字符儒陨，分別是h,e,l,l,o
re_str = r'hello'
result = re.fullmatch(re_str, 'hello')
print(result)

2）. (匹配除換行符 \n的任意字符)

• 匹配除“\n”之外的任何單個字符，一個.匹配一個

# 匹配一個字符串有三個字符笋籽，第一個字符是a蹦漠，最后一個字符是c, 第二個字符是任意字符
re_str = r'a.c'
result = re.fullmatch(re_str, 'a+c')
print(result)

3）\w (匹配字母、數(shù)字车海、下劃線)

• 一個\w只能匹配一個字符
• 注意: 這個不嚴(yán)謹(jǐn)笛园，還可以匹配中文等字符;不能匹配ASCII碼表中除了字母數(shù)字下劃線以外的符號

# 匹配一個字符串第一個字符是字母、數(shù)字或者下劃線侍芝，后面是'abc'
re_str = r'\wabc'
result = re.fullmatch(re_str, 'kabc')
print(result)

4）\s (匹配空白字符)

• 空白字符：空格研铆、\t（制表符tab鍵）、\n（換行）
• 一個\s只能匹配一個空字符

# 匹配一個長度是8的字符，要求前三個字符是任意字符，中間兩個空白字符摆昧，后面再三個任意字符
re_str = r'...\s\s...'
result = re.fullmatch(re_str, 'abc  abc')
print(result)
result = re.fullmatch(re_str, '++-\n\t-++')
print(result)
result = re.fullmatch(re_str, '+  \t\t-++')
print(result)

5）\d (匹配數(shù)字字符)

• 一個\d匹配一個數(shù)字字符：0~9

re_str = r'\d\dabc'
result = re.fullmatch(re_str, '90abc')
print(result)

6）\W (匹配非數(shù)字谁撼、字母、下劃線)

• 與 \w 相反

7）\S (匹配非空白字符)

• 與 \s 相反

# 匹配一個長度是4的字符，后面三個字符是'abc',第一個字符可以是任何一個非空白字符
re_str = r'\Sabc'
print(re.fullmatch(re_str, '+abc'))

8）\D (匹配非數(shù)字字符)

• 與 \d 相反

re_str = r'\Dabc'
print(re.fullmatch(re_str, '9abc'))  # None

9）[ ] (匹配字符集中的一個字符)

• [普通字符集]：匹配字符集中的任意一個字符
• [字符1-字符2]：匹配字符1到字符2中的任意一個字符(要求字符1的編碼值小于字符2)
• 注意: 一個[ ]只能匹配一個字符
• 常用：
  [0-9]：匹配所有的數(shù)字
  [a-z]：匹配小寫字母
  [A-Z]：匹配大寫字母
  [a-zA-Z]：匹配所有的字母
  [\da-zA-Z_]：匹配數(shù)字字母下劃線
  [\u4e00-\u9fa5]：匹配所有的中文

# 匹配一個長度是4的字符串，第一個字符是x或者y或者z, 后面是abc
re_str = r'[xyz]abc'
print(re.fullmatch(re_str, 'zabc'))

# 匹配一個長度是4的字符串, 第一個字符是數(shù)字或者x,y,z
re_str = r'[\dxyz]abc'
print(re.fullmatch(re_str, '3abc'))

# 匹配一個長度是4的字符串, 第一個字符是數(shù)字字符2-8中的一個
re_str = r'[2-8]abc'
print(re.fullmatch(re_str, '4abc'))

# 匹配一個長度是4的字符串, 第一個字符是數(shù)字字符2-8中的一個或者是x,y,z
re_str = r'[2-8xyz]abc'
print(re.fullmatch(re_str, 'zabc'))

# # 匹配一個長度是4的字符串, 第一個字符是中文字符
re_str = r'[\u4e00-\u9fa5]abc'
print(re.fullmatch(re_str, '胡abc'))

# re_str = r'[9-1]abc'
# print(re.fullmatch(re_str, '8abc'))   # 報錯！

10）[^] (匹配不含指定數(shù)據(jù)的)

• [^字符集]：匹配不在字符集中任意一個字符
• [^\u4e00-\u9fa5]：匹配一個非中文字符

# 匹配一個長度是4的字符串, 第一個字符不是x,y,z
re_str = r'[^xyz]abc'
print(re.fullmatch(re_str, 'zabc'))

# 匹配一個長度是4的字符串, 第一個字符不是中文字符
re_str = r'[^\u4e00-\u9fa5]abc'
print(re.fullmatch(re_str, '是abc'))

2.檢測字符的符號

1）\b (檢測單詞邊界)

• 檢查\b所在的位置是否是單詞邊界
• 單詞邊界：字符串開頭忆绰、字符串結(jié)尾、空白可岂、標(biāo)點(diǎn)符號等

# 匹配一個長度是4的字符串错敢，第一個字符是任意字符，后邊是abc; 檢測c的后面是否是單詞邊界
re_str = r'.abc\b'
print(re.fullmatch(re_str, '8abc'))

re_str = r'how\b\sare'
print(re.fullmatch(re_str, 'how are'))

2）\B (檢測非單詞邊界)

3）^ (檢測是否是字符串開頭)

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

print(re.search(r'^\d\d', 'has89kjkssss'))

4）$ (檢測是否是字符串結(jié)尾)

re_str = r'abc$'
print(re.fullmatch(re_str, 'abc'))
print(re.search(r'\d\d$', 'has89kjkssss77'))

3.轉(zhuǎn)義符號

• 在有特殊功能缕粹、意義的符號前加 ' \ '稚茅，讓這個正則符號變成普通符號
• 注意：除了^放在[ ]開頭，和 - 放在兩個字符之間以外平斩， 其他單獨(dú)的特殊符號亚享，在[ ]沒有特殊功能，都是表示字符本身

re_str = r'\d\d\.\d\d'
print(re.fullmatch(re_str, '89=78'))

re_str = r'\^\d\d\d'
print(re.fullmatch(re_str, '^789'))

re_str = r'\d\d[.]\d\d'
print(re.fullmatch(re_str, '23=45'))

# ^在[]中不是在開頭就沒有特殊意義
re_str = r'\d\d[a^]\d\d'
print(re.fullmatch(re_str, '23=45'))

# -在[]中只要不是放在兩個字符之間都表示-本身s
re_str = r'\d\d[-a]\d\d'
print(re.fullmatch(re_str, '23-45'))


re_str = r'\d\d[1\-ka\]]\d\d'
print(re.fullmatch(re_str, '23-45'))

4.匹配次數(shù)

1）* (匹配0次或多次)

• 字符*：指定的字符出現(xiàn)0次或者多次
• a*：字符a匹配0次或者多次
• \d*：數(shù)字匹配0次或者多次
• [a-z]*：小寫字母匹配0次或者多次

re_str = r'a*bc'
print(re.fullmatch(re_str, 'bc'))
print(re.fullmatch(re_str, 'abc'))
print(re.fullmatch(re_str, 'aaabc'))

2）+ (匹配1次或者多次)

# 匹配一個字符串開頭是a,結(jié)束是b,中間至少一個數(shù)字
re_str = r'a\d+b'
re_str = r'a\d\d*b'
print(re.fullmatch(re_str, 'a89b'))

3）? (0次或1次)

# 練習(xí)：寫一個正則表達(dá)式绘面，能夠匹配一個整數(shù)字符串
# 283欺税、-834、+823揭璃、9晚凿、-23
re_str = r'[-+]?\d+'
print(re.fullmatch(re_str, '-7890283024'))

4）{ } (匹配指定次數(shù))

• {N}：匹配N次
• {M,N}：匹配至少M(fèi)次，最多N次
• {M,}：匹配至少M(fèi)次
• {,N}：匹配最多N次
• 等價：
  * == {0,}
  + == {1,}
  ? == {0,1}

re_str = r'\d{4}'
print(re.fullmatch(re_str, '8273'))

re_str = r'\d{2,4}'
print(re.fullmatch(re_str, '889'))

re_str = r'[xyz]{,3}'
print(re.fullmatch(re_str, 'xy'))


# 練習(xí): 寫一個正則表達(dá)式判斷密碼是否符號要求：
# 密碼由數(shù)字或字母組成瘦馍，并第一個字符是大寫字母歼秽，長度是6-12位
re_str = r'[A-Z][a-zA-Z\d]{5,11}'

5）非貪婪

• 貪婪：匹配次數(shù)不確定的時候盡可能多的匹配 （上面次數(shù)不確定的符號都是貪婪的）
• 非貪婪：匹配次數(shù)不確定的時候盡可能少的匹配 (上面次數(shù)不確定的符號后面加 ? 就會變成非貪婪) 注意：盡可能少不是必須少，是在滿足條件的情況下盡可能的少
• 使用：
  *?：0次或多次, 盡可能少
  +?：1次或多次, 盡可能少
  ??：0次或1次, 盡可能少
  {M,N}?：
  {M,}?：
  {,N}?：

re_str = r'a+'
print(re.search(re_str, 'baaaac'))

re_str = r'a+?'
print(re.search(re_str, 'baaaac'))

re_str = r'a.*b'
print(re.search(re_str, 'a12bmnb===='))     # match='a12bmnb'

re_str = r'a.*?b'
print(re.search(re_str, 'a12bmnb===='))    # match='a12b'

5.分之和分組

1）| (分之)

• 正則1|正則2：先用正則1進(jìn)行匹配情组，如果匹配失敗再用正則2匹配（正則1和正則2中只要有一個匹配成功就成功燥筷，兩個失敗了才失斅嵯椤）
• 注意: 如果正則1匹配成功了，不會再使用正則2去匹配（短路原則）

# 匹配一個字符串肆氓，是abc或者xyz
# 'abc', 'xyz'
re_str = r'abc|xyz'
print(re.fullmatch(re_str, 'abc'))

re_str = r'\d{3}|[a-zA-Z]{4}|\+{3}'
print(re.fullmatch(re_str, '+++'))

re_str = r'x{3}|y{3}123'
print(re.fullmatch(re_str, 'yyy123'))

2）() (分組)

• 整體區(qū)分(將部分正則作為一個整體)
  re_str = r'(xxx|yyy)[A-Z]{2}[a-z]{2}\d{2}'
• 整體操作
  re_str = r'(\d{2}[a-zA-Z]{2}){3}'
• 整體重復(fù)
  \M - 重復(fù)前面第M個分組匹配到的內(nèi)容

# re_str = r'xxx[A-Z]{2}[a-z]{2}\d{2}|yyy[A-Z]{2}[a-z]{2}\d{2}'
re_str = r'(xxx|yyy)[A-Z]{2}[a-z]{2}\d{2}'
print(re.fullmatch(re_str, 'yyyASjk23'))

# '88js82ll67hj'
# re_str = r'\d{2}[a-zA-Z]{2}\d{2}[a-zA-Z]{2}\d{2}[a-zA-Z]{2}'
re_str = r'(\d{2}[a-zA-Z]{2}){3}'
print(re.fullmatch(re_str, '88js82ll67hj'))

# 89abc89, 11abc11
re_str = r'(\d\d)abc\1'
print(re.fullmatch(re_str, '90abc90'))

re_str = r'(\d{3})([a-z]{2})\2\1\2'
print(re.fullmatch(re_str, '234bnbn234bn'))

三袍祖、怎么使用（以下代碼基于from re import *）

1. compile：創(chuàng)建對象

• compile(正則表達(dá)式)：創(chuàng)建正則表達(dá)式對象

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

re_obj.fullmatch('234')
等價于
fullmatch(re_str, '234')

2. fullmatch：完全匹配

• fullmatch(正則表達(dá)式, 字符串)：讓正則和字符串完全匹配;匹配失敗返回None,匹配成功返回匹配對象
• 對整個字符串進(jìn)行檢查的時候使用，比如判斷賬號做院、密碼是否合法盲泛；手機(jī)號濒持、郵箱是否合法等

result = fullmatch(r'\d{3}[a-z]{2}[A-Z]{3}', '232anAHS')
print(result)

3. match：匹配字符串開頭

• match(正則表達(dá)式, 字符串)：讓正則和字符串開頭匹配;匹配失敗返回None,匹配成功返回匹配對象

result = match(r'\d{3}', '3495hsjs02-3')
print(result)

4. search：字符串查找

• search(正則表達(dá)式, 字符串)：在字符串中找到第一個和正則表達(dá)式匹配的子串键耕；沒有匹配到就返回None,否則返回匹配對象

result = search(r'a(\d{3})([A-Z]{2})', 'hello-a782KH--=23hjahsf')
print(result)

# 通過匹配對象能獲取到以下內(nèi)容
# a. 匹配結(jié)果
print(result.group())    # a782KH, 獲取整個正則表達(dá)式匹配到的結(jié)果
print(result.group(1))   # 782, 獲取第一個分組匹配到的結(jié)果
print(result.group(2))   # KH, 獲取第二個分組匹配到的結(jié)果

# b.匹配范圍(被匹配到的內(nèi)容在原字符串中的范圍-(開始下標(biāo),結(jié)束下標(biāo)))
print(result.span())
print(result.start())
print(result.end())

# c.獲取原字符串
print(result.string)

5. split：字符串切割

• split(正則表達(dá)式, 字符串, 切割次數(shù))：將字符串按照滿足正則表達(dá)式的子串進(jìn)行切割;返回的是一個列表，列表中是被切開的子串
• 切割次數(shù)：不傳參就全切

print(split(r'\d+|[A-Z]+', 'hsj8kkjs9999lkjaHlks92jj8js9lkKIsj90kjkj', 1))

6. sub：字符串替換

• sub(正則表達(dá)式,新字符串,原字符串, 替換次數(shù))：將原字符串中滿足正則表達(dá)式的子串替換成新字符串
• 替換次數(shù)：不傳參就全部替換

# print('shdfjaha23hj79hjh902nm3jj'.replace('a','+'))
print(sub(r'\d+', '*', 'how hj2h aeu8js90njj8899nnnnas'))

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

7. findall：查找所有

• findall(正則表達(dá)式, 字符串)：在字符串中查找所有滿足正則表達(dá)式的子串柑营，以列表的形式返回
• 有一個分組屈雄，只取分組匹配到的內(nèi)容
• 注意：使用findall的時候，如果有分組想要取整個正則匹配的結(jié)果是取不到

print(findall(r'\d+', 'ashd88hkjahs9hjs81hs123hj78'))

print(findall(r'\d+a', 'ashd88ahkjahs9hjs81hs123ahj78'))   # ['88a', '123a']
# 有一個分組官套，只取分組匹配到的內(nèi)容
print(findall(r'(\d+)a', 'ashd88ahkjahs9hjs81hs123ahj78'))  # ['88', '123']

print(findall(r'(\d+)([a-z]{2})', 'ashd88ahkjahs9hjs81hs123ahj78'))  # [('88', 'ah'), ('9', 'hj'), ('81', 'hs'), ('123', 'ah')]


# 注意：使用findall的時候酒奶，如果有分組想要取整個正則匹配的結(jié)果是取不到
print(findall(r'(\d[a-z]){3}\+', 'ahjs8a2a8j+胡士大夫9m2s0j+接收到sd8p+ss==='))  # ['8j', '0j']

8. finditer：查找所有

• finditer(正則表達(dá)式, 字符串)：在字符串中查找所有滿足正則表達(dá)式的子串； 返回一個迭代器奶赔，元素是每個子串對應(yīng)的匹配對象

result = finditer(r'(\d[a-z]){3}\+', 'ahjs8a2a8j+胡士大夫9m2s0j+接收到sd8p+ss===')
print(result)
for x in result:
    print(x.group(), x.group(1))



def get_name():
    with open('data.txt', encoding='utf-8') as f:
        content = f.read()
        print(content)
        re_str = r'"name":"(.+?)",'
        result = findall(re_str, content)
        # result = re.findall(r'\d\d','ashjf89kjskdf90naskhfk899nn,nmf67jkhh56hkhjk78')
        print(result)
# get_name()