正則表達式

正則的元字符

w3c的零基礎(chǔ)教程：https://www.w3cschool.cn/regexp/zoxa1pq7.html

正則表達式30分鐘入門教程：http://deerchao.net/tutorials/regex/regex.htm

微軟的正則表達式https://docs.microsoft.com/zh-cn/dotnet/standard/base-types/regular-expression-language-quick-reference

正則速查：http://www.uedsc.com/lookup-tables.html

'*'，'+'和'?' 表示字符重復出現(xiàn)的次數(shù)，分別表示“零或更多”，“一次或更多”還有“零次或一次”舍咖。

'*'，'+'和'?' 相當于"{0,}"列荔，"{1,}"和"{0,1}"浸赫。

"ab*"：表示一個字符串有一個a后面跟著零個或若干個b害幅。（"a", "ab", "abbb",……）绘沉；
"ab+"：表示一個字符串有一個a后面跟著至少一個b或者更多营搅；#貪婪匹配云挟，盡可能多的匹配
"ab?"：表示一個字符串有一個a后面跟著零個或者一個b；#非貪婪匹配转质，盡可能少的匹配
"a?b+$"：表示在字符串的末尾有零個或一個a跟著一個或幾個b。

"ab{2}"：表示一個字符串有一個a跟著2個b（"abb"）帖世；
"ab{2,}"：表示一個字符串有一個a跟著至少2個b休蟹；
"ab{3,5}"：表示一個字符串有一個a跟著3到5個b。

"hi|hello"：表示一個字符串里有"hi"或者"hello"日矫；
"(b|cd)ef"：表示"bef"或"cdef"赂弓；
"(a|b)*c"：表示一串"a""b"混合的字符串后面跟一個"c"；

[]方括號是字符集合哪轿，表示匹配方括號中所包含的任意一個字符

中括號里的^稱為脫字符盈魁，表示不匹配集合中的字符

"a.[0-9]"：表示一個字符串有一個"a"后面跟著一個任意字符和一個數(shù)字；
"^.{3}$"：表示有任意三個字符的字符串（長度為3個字符）窃诉；

"[ab]"：表示一個字符串有一個"a"或"b"（相當于"a|b"）杨耙；
"[a-d]"：表示一個字符串包含小寫的'a'到'd'中的一個（相當于"a|b|c|d"或者"[abcd]"）；
"^[a-zA-Z]"：表示一個以字母開頭的字符串飘痛；
"[0-9]%"：表示一個百分號前有一位的數(shù)字珊膜；
",[a-zA-Z0-9]$"：表示一個字符串以一個逗號后面跟著一個字母或數(shù)字結(jié)束。
"%[^a-zA-Z]%"表示兩個百分號中間不應(yīng)該出現(xiàn)字母
[^good]     匹配除了good這幾個字母以外的所有字符宣脉，
[^0-9]      匹配所有的非數(shù)字字符

'''
^   行首匹配车柠，和在[]里的^不是一個意思，注意：寫在最前面塑猖，表示一個字符串的開始
$   行尾匹配竹祷，注意：寫在正則最后面，表示一個字符串的結(jié)束
.   匹配除換行符以外的任意字符
說明：下方的x羊苟，y均為假設(shè)的普通字符塑陵，n，m(非負整數(shù))践险，不是正則表達式的元字符
(xyz)   匹配小括號內(nèi)的xyz(作為一個整體去匹配)
x?      匹配0個或者1個x
x*      匹配0個或者任意多個x(.*表示匹配0個或者任意多個字符(換行符除外))
x+      匹配至少一個x
x{n,}   匹配至少n個x
x{n}    匹配確定的n個x(n是一個非負整數(shù))
x{n,m}  匹配至少n個最多m個x猿妈，注意n<=m
x|y     |表示或，匹配的是x或y

\d          匹配數(shù)字巍虫，效果同[0-9]
\D          匹配非數(shù)字字符彭则，效果同[^0-9]
\w          匹配數(shù)字，字母和下劃線占遥，效果同[0-9a-zA-Z_]
\W          匹配非數(shù)字俯抖，字母和下劃線，效果同[^0-9a-zA-Z_ ]
\s          匹配任意的空白符(空格瓦胎、回車芬萍、換行尤揣、制表、換頁)柬祠，效果同[\r\n\t\f]
\S          匹配任意的非空白符北戏，效果同[^\f\n\r\t]
'''
注意：
通常情況下？與*或者是+一起連用漫蛔，來起到一個限制貪婪匹配的作用
*與+一般情況下與“.”,代表匹配任意多個任意字符
'''
\A  匹配字符串開始嗜愈，它和^的區(qū)別是，\A只匹配整個字符串的開頭莽龟，即使在re.M模式（,flags=re.m）下也不會匹配其他行的行首
\Z  匹配字符串結(jié)束蠕嫁，它和$的區(qū)別是，\Z只匹配整個字符串的結(jié)束毯盈，即使在re.M模式下也不會匹配其它行的行尾
注意：若不指定re.M模式剃毒，則^與\A,$與\Z匹配結(jié)果相同。
\b  匹配一個單詞的邊界搂赋，也就是指單詞和空格的位置赘阀，'er\b'可以匹配never，不能匹配nerve厂镇。
    注意：當\b添加在單詞左邊的時候纤壁，它會從單詞左邊的邊界開始匹配,
        當\b添加添加單詞的右邊的時候，它會從單詞的右邊邊界開始匹配.
        若想匹配整個單詞捺信，我們需要給這個單詞左右兩邊都添加\b
\B  匹配非單詞邊界 
    #注意：當\B寫在左邊酌媒，它表示非左邊邊界開始匹配
        當\B寫在右邊，它表示非右邊邊界開始匹配
        若單詞兩邊都有\(zhòng)B,它只匹配單詞非邊界中含有字符迄靠。
'''

為了逐字表達秒咨，你必須在"^.$()|[]+?{"這些字符前*加上轉(zhuǎn)義字符\''。

請注意在方括號中掌挚，不需要轉(zhuǎn)義字符雨席。

貪婪與懶惰

當正則表達式中包含能接受重復的限定符時，通常的行為是（在使整個表達式能得到匹配的前提下）匹配盡可能多的字符吠式。

以這個表達式為例：a.b陡厘，它將會匹配最長的以a開始，以b結(jié)束的字符串特占。如果用它來搜索aabab的話糙置，它會匹配整個字符串aabab。這被稱為貪婪*匹配是目。

有時谤饭，我們更需要懶惰匹配，也就是匹配盡可能少的字符。前面給出的限定符都可以被轉(zhuǎn)化為懶惰匹配模式揉抵，只要在它后面加上一個問號?亡容。

這樣.?*就意味著匹配任意數(shù)量的重復，但是在能使整個匹配成功的前提下使用最少的重復≡┙瘢現(xiàn)在看看懶惰版的例子吧：

a.?b匹配最短的闺兢，以a開始，以b結(jié)束的字符串辟汰。如果把它應(yīng)用于aabab*的話列敲，它會匹配aab（第一到第三個字符）和ab（第四到第五個字符）。

為什么第一個匹配是aab（第一到第三個字符）而不是ab（第二到第三個字符）帖汞？簡單地說，因為正則表達式有另一條規(guī)則凑术，比懶惰／貪婪規(guī)則的優(yōu)先級更高：最先開始的匹配擁有最高的優(yōu)先權(quán)翩蘸。

練習題

'''功能1：提壤扇巍：you...man'''
str1 = "you are a good man,you are a nice man ,you are a great man,you are a..."
print(re.findall(r"you.*?\bman\b",str1))
#\b的用法
str1 = "good man,you are a nice man ,you are a great man,you are a..."
print(re.findall(r"\bman\b",str1))  # ['man', 'man', 'man']
'''功能2：/* part1 */ /* part2 */'''
print(re.findall(r"/\*.*?\*/",r"/* part1 */ /* part2 */"))#\轉(zhuǎn)義字符給*轉(zhuǎn)義

'''功能3：判斷電話號碼是否以134開頭'''
print(re.findall("^134\d{8}$","12345678901"))
'''
功能4：判斷QQ號碼是否合法：
1.位數(shù)6~10
2.全部是數(shù)字
3.不能以0開頭
'''
^[1-9]\d{5,9}$
'''
功能5:校驗普通電話、傳真號碼：可以“+”或數(shù)字開頭备籽，可含有“-” 和 “ ”
'''
/^[+]{0,1}(\d){1,3}[ ]?([-]?((\d)|[ ]){1,12})+$/
#可以匹配的字符串如：+123 -999 999 舶治； +123-999 999 ；123 999 999 车猬；+123 999999等
'''功能6:校驗URL'''
/^http[s]{0,1}:\/\/.+$/ 
或 /^http[s]{0,1}:\/\/.{1,n}$/ (表示url串的長度為length(“https://”) + n )
'''功能7：校驗密碼：只能輸入6-20個字母霉猛、數(shù)字、下劃線'''
^(\w){6,20}$

#功能8：對用戶輸入的數(shù)據(jù)進行限制6位0或者1珠闰，若不是則重新輸入惜浅。
def test_num():
    while True:
        num = input("請輸入一位6位的中獎號碼（0/1）組成：")
        res = re.findall("^[01]{6}$", num)
        if len(res) == 1:
            return num
        else:
            print("輸入非法，請重新輸入伏嗜。坛悉。。")
            continue  
'''
功能9
1.身份證正則
2.電話號碼的正則
3.郵箱正則
封裝成一個功能模塊承绸。
'''
import re


def checkIdcard(idcard):
    Errors = ['驗證通過!', '身份證號碼位數(shù)不對!', '身份證號碼出生日期超出范圍或含有非法字符!', '身份證號碼校驗錯誤!', '身份證地區(qū)非法!']
    area = {"11": "北京", "12": "天津", "13": "河北", "14": "山西", "15": "內(nèi)蒙古", "21": "遼寧", "22": "吉林", "23": "黑龍江",
            "31": "上海",
            "32": "江蘇", "33": "浙江", "34": "安徽", "35": "福建", "36": "江西", "37": "山東", "41": "河南", "42": "湖北", "43": "湖南",
            "44": "廣東", "45": "廣西", "46": "海南", "50": "重慶", "51": "四川", "52": "貴州", "53": "云南", "54": "西藏", "61": "陜西",
            "62": "甘肅", "63": "青海", "64": "寧夏", "65": "新疆", "71": "臺灣", "81": "香港", "82": "澳門", "91": "國外"}
    idcard = str(idcard)
    idcard = idcard.strip()
    idcard_list = list(idcard)

    # 地區(qū)校驗
    key = idcard[0: 2]  # TODO： cc  地區(qū)中的鍵是否存在
    if key in area.keys():
        if (not area[(idcard)[0:2]]):
            return Errors[4]
    else:
        return Errors[4]
    # 15位身份號碼檢測

    if (len(idcard) == 15):
        if ((int(idcard[6:8]) + 1900) % 4 == 0 or (
                (int(idcard[6:8]) + 1900) % 100 == 0 and (int(idcard[6:8]) + 1900) % 4 == 0)):
            erg = re.compile(
                '[1-9][0-9]{5}[0-9]{2}((01|03|05|07|08|10|12)(0[1-9]|[1-2][0-9]|3[0-1])|(04|06|09|11)(0[1-9]|[1-2][0-9]|30)|02(0[1-9]|[1-2][0-9]))[0-9]{3}$')  # //測試出生日期的合法性
        else:
            ereg = re.compile(
                '[1-9][0-9]{5}[0-9]{2}((01|03|05|07|08|10|12)(0[1-9]|[1-2][0-9]|3[0-1])|(04|06|09|11)(0[1-9]|[1-2][0-9]|30)|02(0[1-9]|1[0-9]|2[0-8]))[0-9]{3}$')  # //測試出生日期的合法性
        if (re.match(ereg, idcard)):
            return Errors[0]
        else:
            return Errors[2]
    # 18位身份號碼檢測
    elif (len(idcard) == 18):
        # 出生日期的合法性檢查
        # 閏年月日:((01|03|05|07|08|10|12)(0[1-9]|[1-2][0-9]|3[0-1])|(04|06|09|11)(0[1-9]|[1-2][0-9]|30)|02(0[1-9]|[1-2][0-9]))
        # 平年月日:((01|03|05|07|08|10|12)(0[1-9]|[1-2][0-9]|3[0-1])|(04|06|09|11)(0[1-9]|[1-2][0-9]|30)|02(0[1-9]|1[0-9]|2[0-8]))
        if (int(idcard[6:10]) % 4 == 0 or (int(idcard[6:10]) % 100 == 0 and int(idcard[6:10]) % 4 == 0)):
            ereg = re.compile(
                '[1-9][0-9]{5}(19[0-9]{2}|20[0-9]{2})((01|03|05|07|08|10|12)(0[1-9]|[1-2][0-9]|3[0-1])|(04|06|09|11)(0[1-9]|[1-2][0-9]|30)|02(0[1-9]|[1-2][0-9]))[0-9]{3}[0-9Xx]$')  # //閏年出生日期的合法性正則表達式
        else:
            ereg = re.compile(
                '[1-9][0-9]{5}(19[0-9]{2}|20[0-9]{2})((01|03|05|07|08|10|12)(0[1-9]|[1-2][0-9]|3[0-1])|(04|06|09|11)(0[1-9]|[1-2][0-9]|30)|02(0[1-9]|1[0-9]|2[0-8]))[0-9]{3}[0-9Xx]$')  # //平年出生日期的合法性正則表達式
        # //測試出生日期的合法性
        if (re.match(ereg, idcard)):
            # //計算校驗位
            S = (int(idcard_list[0]) + int(idcard_list[10])) * 7 + (int(idcard_list[1]) + int(idcard_list[11])) * 9 + (
                        int(
                            idcard_list[2]) + int(idcard_list[12])) * 10 + (
                            int(idcard_list[3]) + int(idcard_list[13])) * 5 + (int(
                idcard_list[4]) + int(idcard_list[14])) * 8 + (int(idcard_list[5]) + int(idcard_list[15])) * 4 + (int(
                idcard_list[6]) + int(idcard_list[16])) * 2 + int(idcard_list[7]) * 1 + int(idcard_list[8]) * 6 + int(
                idcard_list[9]) * 3
            Y = S % 11
            M = "F"
            JYM = "10X98765432"
            M = JYM[Y]  # 判斷校驗位
            if (M == idcard_list[17]):  # 檢測ID的校驗位
                return Errors[0]
            else:
                return Errors[3]
        else:
            return Errors[2]
    else:
        return Errors[1]

re模塊常用函數(shù)

complie()

'''
re.compile(patten,flags=0)
參數(shù)一：正則表達式
參數(shù)二：標志位re.M
功能：返回一個編譯正則的對象
優(yōu)點：
提高效率裸影，對于常用的一些正則我們將其編譯為對象，需要正則的的時候八酒，調(diào)用此對象即可
'''
com = re.compile("^134\d{8}")
print(com.findall("1234345566676"))
print(com.findall("13455666761"))

match()

'''
re.match(patten,string,flags=0)
功能：只在字符串開始的位置進行匹配空民，匹配成功的返回一個匹配對象，匹配失敗的時候返回None
注意：這個方法并不是完全匹配，若patten匹配到最后仍有剩余字符串界轩，仍然視為匹配成功
    若想完全匹配可以在表達式的結(jié)尾添加”$“.
'''
print(re.match("134\d{8}$","1345566677711"))
print(re.match("134\d{8}","1345566677711"))

search()函數(shù)

'''
re.search(patten,string,flags=0)
功能:匹配整個字符串画饥，返回第一個匹配結(jié)果【匹配對象】
若找不到就返回None。
'''
print(re.search(r"\bgood\b","you are a good good man").group())

findall()

'''
re.findall(patten,string,flags=0)
功能:遍歷匹配浊猾，匹配整個字符串抖甘，返回所有的匹配結(jié)果【列表】.
當匹配失敗的時候，返回一個空的列表葫慎。
'''
print(re.findall("good","you are a goods good man"))

p = re.compile(r"\d+")
print(p.findall('o1n2m3k4'))

sub()

'''
re.sub(patten,repl,string,count,flags)
替換string中每一個匹配的子串后返回替換后的【新字符串】衔彻。
參數(shù)一：要匹配的字符串【舊串】
參數(shù)二：替換的字符串 【新串】
參數(shù)三：傳入的字符串
參數(shù)四：指定替換的次數(shù)【若不指定則默認為0，全部替換】
參數(shù)五：標志位 
'''
print(re.sub("\d+","\t","hello122hello222hello11113",count=2))
print(re.sub("\d+","\t","hello122hello222hello11113"))
text = "Bob is a handsome boy, he is cool, clever, and so on..."
print(re.sub(r'\s+', '-', text))

split()

'''
re.split(patten,string[,maxsplit])
功能：以指定的匹配正則的字符串來進行切片偷办，返回一個【列表】
注意：當maxsplit不指定的時候艰额，默認整個字符串全部切片。
'''
print(re.split("\d+","hello122hello222hello11113",maxsplit=2))

正則表達式修飾符 - 可選標志

正則表達式可以包含一些可選標志修飾符來控制匹配的模式椒涯。修飾符被指定為一個可選的標志柄沮。多個標志可以通過按位 OR(|) 它們來指定。如 re.I | re.M 被設(shè)置成 I 和 M 標志：