01 - 正則表達(dá)式
"你好，我是XXX我的手機(jī)號碼是：15300012703姑蓝，郵箱-712332132@qq.com..."
1.fullmath(正則表達(dá)式砾隅， 字符串)
查看字符串和正則表達(dá)式是否匹配宣渗，如果不匹配結(jié)果是None
正則表達(dá)式：r"正則語法"
2.什么是正則表達(dá)式
正則表達(dá)式是處理字符串的工具，通過不同的正則符號來描述字符串的規(guī)則
3.正則符號（正則表達(dá)式的語法）
1）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
匹配一個(gè)支付串有三個(gè)字符耿战，分別是"a","b","c"
re_str = r"abc"
result = fullmatch(re_str, "abc")
print(result)
2）. - 匹配任意一個(gè)字符
一個(gè).只能匹配一個(gè)字符
匹配一個(gè)字符串長度是8蛋叼，前三個(gè)字符是abc，后三個(gè)字符是123剂陡，中間是兩個(gè)任意字符
re_str = r"abc..123''
result = fullmatch(re_str, "abcbb123")
print(result)
3)\w
匹配一個(gè)數(shù)字狈涮，字母或者_(dá)(在ASCII碼表中)
一個(gè)\w只能匹配一個(gè)字符
匹配一個(gè)長度是4的字符串，第一個(gè)字符是數(shù)字鸭栖，字母或者——歌馍，后面三個(gè)字符是"abc"
re_str = r"wabc"
result = fullmatch(re_str, "_abc")
print(result)
4)\d
匹配任意一個(gè)數(shù)字字符
匹配一個(gè)長度是5的字符串，前面兩個(gè)字符是任意數(shù)字晕鹊，后面三個(gè)是任意字符
re_str = r'\d\d...'
result = fullmatch(re_str, '90l-=')
print(result)
5)\s
匹配任意一個(gè)空白字符
空白字符包括：空格字符松却，換行字符，制表符...
result = fullmatch(r'how\s\sare!', 'how \tare!')
print(result)
6)\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(gè)非數(shù)字字符）
\S - 匹配一個(gè)非空白字符
re_str = r'\Dabc\S'
print(fullmatch(re_str, 'pabc='))
7)[字符集]
匹配字符集出現(xiàn)的任意一個(gè)字符
注意：一個(gè)[]只能匹配一個(gè)字符
a.
[abc] - 匹配abc中任意一個(gè)字符
[找錢孫儷] - 匹配找錢孫儷中的任意一個(gè)字符
[\d\s] - 匹配任意一個(gè)數(shù)字字符或空白字符
b.
[1-9] - 匹配1到9中的任意一個(gè)字符（字符編碼值遞增）
[a-z] - 匹配任意一個(gè)小寫字母
[A-Z] - 匹配任意一個(gè)大寫字母
[A-Za-z] - 匹配任意一個(gè)字母
[a-zA-Z0-9_] - 匹配任意一個(gè)字母溅话，數(shù)字或者_(dá)
[\t\n] - 匹配任意一個(gè)空白字符
[\u4e00-\u9fa5] - 匹配任意一個(gè)中文字符
匹配一個(gè)長度是4的字符串晓锻，第一個(gè)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
8)[^字符集]
匹配不再字符集中的任意一個(gè)字符
[^abc] - 匹配任意一個(gè)不是a,b,c的字符
[^2-8] - 匹配任意一個(gè)不是2到8的字符
[^\u4e00-\u9fa5] - 匹配任意一個(gè)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?qū)蓚€(gè)單詞隔開并且不會產(chǎn)生歧義的任意符號：空白字符飞几，標(biāo)點(diǎn)符號等砚哆，字符串開頭和字符串結(jié)尾
匹配規(guī)則：先去掉\b對字符串進(jìn)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
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$所在的位置是否是字符串結(jié)尾
re_str = r'\d\d\d$'
print(fullmatch(re_str, '345'))
print(search(re_str, '3457ajhjs789jkals728===sj234=889'))
print(findall(re_str, '789ajhjs789jkals728===sj234=112'))
02 - 正則表達(dá)式
控制次數(shù)的符號：字符符號
1.*
匹配0次或者多次{0,}
123a* - 123后面a出現(xiàn)0次或者多次123屑墨，123a,123aa,123aa...
123\d* - 123后面出現(xiàn)0個(gè)或者多個(gè)任意數(shù)字字符躁锁，123,1230,12323,123432...
123[mnxy9]* - 123,123m,123mn,123mmn,123myxy9,12399999...
re_str = r'abc0*123'
print(fullmatch(re_str, 'abc0000123'))
2.+
匹配1次或者多次{1,}
123a+ - 123a, 123aa, 123aaa,.....
re_str = r'123[a-z]+'
print(fullmatch(re_str, '123iyujh'))
3.?
匹配0次或者1次{0,1}
-?123 - 123/-123
re_str = '_?abc'
print(fullmatch(re_str, '_abc'))
4.{}
1){N} - 匹配N次
a{3} - 匹配三個(gè)a, aaa
\d{3} - 匹配三個(gè)任意數(shù)字345,344,000,001
2){M,N} - 匹配M到N次（匹配至少M(fèi)次最多N次）
3){M,} - 匹配至少M(fèi)次，123a{3,}:123aaa,123aaaa...
4){,N} - 最多N次卵史，123a{战转，3}：123，123a以躯，123aa槐秧，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)字或字母
re_str = r'[a-zA-Z\d]{6,12}'
print(fullmatch(r'123a{2,4}', '123aaa'))
5.貪婪和非貪婪
在匹配次數(shù)不確定的時(shí)候，會出現(xiàn)貪婪和非貪婪兩種情況忧设；默認(rèn)情況都是貪婪
1）什么是貪婪：
再能匹配成功的前提先色鸳，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)盡可能少见转；（在匹配次數(shù)后加？）
*蒜哀？
+斩箫？
吏砂？？
{M,N}?
{M,}?
{.N}?
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(xí)：獲取data文件中name對應(yīng)的值
with open('data', encoding='utf-8') as f:
content = f.read()
names = findall(r'"name":".+?"', content)
print(names)
分支
1.正則1|正則2
先讓正則1去匹配乘客，如果匹配成功就成功狐血；匹配失敗再讓正則2去匹配；（正則1和正則2中只要有一個(gè)能匹配成功就行）
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'))
分組
1.（）
將括號里面的內(nèi)容作為一個(gè)整體
1）整體操作
r'(\d\d|[A-Z]{2})abc' - 匹配一個(gè)字符串后面是abc,前面是兩個(gè)數(shù)字或者兩個(gè)大寫字母
r'([a-z]\d){3}' - a8n7j8
2)分組
a.分組截纫缀恕：
方便后面分段或者分情況取不同匹配的結(jié)果
b.分組重復(fù)：
在正則中用\X來重復(fù)前面第X個(gè)分組匹配到的內(nèi)容
注意：\X的前面必須有這個(gè)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(xí)1：寫一個(gè)正則表達(dá)式匹配一個(gè)字符串：abc的前面式兩個(gè)數(shù)字或者兩個(gè)大寫字母
re_str = r'\d{2}abc|[A-Z]{2}abc'
re_str = r'(\d\d|[A-Z]{2})abc'
轉(zhuǎn)義符號
1.加\
在正則中有特殊功能和特殊意義的符號前加,讓這個(gè)符號的特殊功能和意義消失
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'))
2.加[]
在[]中有特殊意義的符號：
a.^放在最開頭
b.-放在兩個(gè)字符之間
其他符號包括：.+?*$, 這個(gè)單獨(dú)的符號在[]中表示這個(gè)符號本身
re_str = r'\d{3}[.][a-z]{3}'
print(fullmatch(re_str, '123=hjs'))
re_str = r'\d{3}[-a+^\]][a-z]{3}'
print(fullmatch(re_str, '123+hjs'))
03 - re模塊
re模塊是python提供的匈织，專門針對正則表達(dá)式應(yīng)用的相關(guān)函數(shù)
1.compile(正則表達(dá)式)
將正則表達(dá)式轉(zhuǎn)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')
2.字符串匹配
fullmatch(正則表達(dá)式, 字符串) - 讓正則表達(dá)式和字符串完全匹配
match(正則表達(dá)式,字符串) - 匹配字符串開頭
以上兩個(gè)方法的結(jié)果: 匹配失敗結(jié)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(shí)費(fèi)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(shí)發(fā)貨就阿斯頓發(fā)')
print(result)
a.獲取匹配到的字符串
匹配對象.group() - 獲取整個(gè)正則表達(dá)式匹配到的字符串, 結(jié)果是字符串
匹配對象.group(N) - 獲取整個(gè)正則表達(dá)式中第N個(gè)分組匹配到的字符串
print(result.group())
print(result.group(1))
print(result.group(2))
b.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(jié)果在原字符串中的下標(biāo)范圍: [開始下標(biāo), 結(jié)束下標(biāo))
匹配對象.span(N) -> 返回第N個(gè)分組匹配到的結(jié)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)
c.獲取原字符串
匹配對象.string
print(result.string)
3.查找
1)search(正則表達(dá)式,字符串)
在字符串中查到第一個(gè)滿足正則表達(dá)式的子串, 如果找到了結(jié)果是匹配對象，找不到結(jié)果是None
2)findall(正則表達(dá)式牡直，字符串)
獲取字符串中所有滿足正則表達(dá)式的子串缀匕；返回值是一個(gè)列表
注意: 如果正則表達(dá)式中有分組，列表中的匹配結(jié)果只會去分組匹配到的內(nèi)容
3)finditer(正則表達(dá)式,字符串)
獲取字符串中所有滿足正則表達(dá)式的子串碰逸；返回值是一個(gè)迭代器乡小，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)
4.切割
split(正則表達(dá)式, 字符串) - 將字符串中滿足正則表達(dá)式的子串作為切割點(diǎn)對字符串進(jìn)行切割; 返回一個(gè)字符串列表
result = split(r'\d+', '愛好3ja89是電話費(fèi)899將括號看0===三等獎(jiǎng)9數(shù)據(jù)98=的')
print(result)
5.替換
sub(正則表達(dá)式,字符串1,字符串2) - 將字符串2中所有滿足正則表達(dá)式的子串都替換成字符串1;返回一個(gè)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)
