01.正則基本符號
1.什么是正則表達(dá)式
正則表達(dá)式就是字符匹配的工具;是由正則符號和普通字符組成笑陈，來匹配不同規(guī)律的字符串
2.Python對正則表達(dá)式的支持
python中提供了一個(gè)re模塊距帅，用來支持正則表達(dá)式
fullmatch(正則表達(dá)式, 字符串) - 用正則表達(dá)式去完全匹配字符串躲雅，如果匹配成功返回匹配結(jié)果傲霸，失敗返回None
python中的正則表達(dá)式的寫法：將正則內(nèi)容寫在字符串中，一般這個(gè)字符串的最前面會r/R
import re
1 普通字符
普通字符在正則表達(dá)式中，代表字符本身
# 匹配一個(gè)字符串被盈，第一個(gè)字符是'a',第二個(gè)字符是'b',第三個(gè)字符也是最后一個(gè)字符是'c'
re_str = r'abc'
result = re.fullmatch(re_str, 'abc')
print(result)
<_sre.SRE_Match object; span=(0, 3), match='abc'>
2 .(匹配任意字符)
在正則表達(dá)式中，.出現(xiàn)的位置搭伤，可以匹配一個(gè)任意字符
注意：一個(gè).只能匹配一個(gè)字符
# 匹配一個(gè)長度上3的字符串只怎，并且第一個(gè)字符是'a',最后一個(gè)字符是'c',中間是任意字符
re_str = r'a.c'
result = re.fullmatch(re_str, 'a#c')
print(result)
<_sre.SRE_Match object; span=(0, 3), match='a#c'>
3 \w(匹配字母數(shù)字或者下劃線)
在正則表達(dá)式中，\w出現(xiàn)的位置怜俐，可以匹配一個(gè)任意的字母身堡、數(shù)字或者下劃線(其實(shí)也可以匹配Unicode編碼中除了ASCII碼剩下的部分)
注意：
一個(gè)\w只能匹配一個(gè)字符
中文也能匹配
# 匹配一個(gè)長度是5的字符串，并且字符串的前兩位是數(shù)字拍鲤、字母和下劃線贴谎，后面是三個(gè)任意字符
re_str = r'\w\w...'
result = re.fullmatch(re_str, '_好kll')
print(result)
<sre.SRE_Match object; span=(0, 5), match='好kll'>
4 \s(匹配空白字符)
空白字符包括：空格、制表符和換行符(空格,\t,\r,\n)
# 匹配一個(gè)長度是4的字符串季稳，并且字符串前兩位是字母數(shù)字或者下劃線(中文),中間一個(gè)空白擅这，再一個(gè)字母數(shù)字或者下劃線(中文)
re_str = r'\w\w\s\w'
result = re.fullmatch(re_str, 'hj\t8')
print(result)
<_sre.SRE_Match object; span=(0, 4), match='hj\t8'>
5 \d(匹配數(shù)字字符)
# 匹配一個(gè)長度是5的字符串，字符串的前三位是數(shù)字字符景鼠，后兩位是任意字符
re_str = '\d\d\d..'
result = re.fullmatch(re_str, '082de')
print(result)
<_sre.SRE_Match object; span=(0, 5), match='082de'>
6 \b(檢測單詞邊界)
注意：檢測\b出現(xiàn)的位置是否是單詞邊界仲翎，不會對字符進(jìn)行匹配。
當(dāng)正則表達(dá)式中出現(xiàn)了\b铛漓，匹配的時(shí)候去掉\b溯香，匹配成功后再看\b出現(xiàn)的位置是否是單詞邊界
單詞邊界：字符串開頭、字符串結(jié)尾浓恶、標(biāo)點(diǎn)符號逐哈、空白符號等（只要能夠?qū)卧~區(qū)分開的符號都屬于單詞邊界）
# 匹配字符串'hello,world', 并且要求w前面是單詞邊界, h前面也是單詞邊界
re_str = r'\bhello,\bworld'
result = re.fullmatch(re_str, 'hello,world')
print(result)
<_sre.SRE_Match object; span=(0, 11), match='hello,world'>
7 ^(檢測字符串開頭)
在match和fullmatch中沒有意義, search、findall等中有意義
# 匹配一個(gè)字符串前面三個(gè)字符是'The'问顷，后面兩個(gè)任意字符
re_str = r'^The..'
result = re.fullmatch(re_str, 'The2;') #
print(result)
<_sre.SRE_Match object; span=(0, 5), match='The2;'>
8 $(檢測字符串結(jié)尾)
在match和fullmatch中沒有意義, search昂秃、findall等中有意義
# 匹配一個(gè)字符串禀梳，只有三位，分別是'The',并且e后面是字符串結(jié)尾
re_str = r'The'
result = re.fullmatch(re_str, 'The')
print(result)
<_sre.SRE_Match object; span=(0, 3), match='The'>
9 \大寫字母
'\大寫字母'對應(yīng)的功能是'\小寫字母'功能取反
\W - 匹配非數(shù)字字母下劃線
\D - 匹配非數(shù)字字符
\S - 匹配非空白字符
\B - 檢測非單詞邊界
# 匹配一個(gè)字符串肠骆，第一個(gè)字符是數(shù)字算途、第二個(gè)是非數(shù)字,第三個(gè)是空白，第四個(gè)是數(shù)字字母下劃線蚀腿，最后一個(gè)是a;
# 并且要求a前面不是單詞邊界
re_str = r'\d\D\s\w\Ba'
result = re.fullmatch(re_str, '9H\t_a')
print(result)
<_sre.SRE_Match object; span=(0, 5), match='9H\t_a'>
10 [字符集](匹配中括號出現(xiàn)的任意一個(gè)字符)
1.[普通字符集] - 匹配中括號出現(xiàn)的任意一個(gè)字符
例如：[abc] - 匹配一個(gè)字符是a或者b或者c
注意：a.一個(gè)中括號只能匹配一個(gè)字符
b.正則中有特殊功能的單個(gè)符號在[]都表示符號本身 例如：. $ ^ + * 嘴瓤？ |等
c.匹配字符的組合符號，在中括號中保持原來的功能, 例如: \w \d \s \W \D \S
# 匹配一個(gè)長度是2的字符串莉钙，第一個(gè)字符是數(shù)字廓脆，第二個(gè)字符是b或者c或者=或者數(shù)字
re_str = r'\d[bc=\d]'
result = re.fullmatch(re_str, '24')
print(result)
<_sre.SRE_Match object; span=(0, 2), match='24'>
2.[字符1-字符2] - 表示字符1到字符2（注意：要求字符1的編碼值要小于字符2）
[a-z] - 表示匹配所有小寫字母
[A-Z] - 表示匹配所有大寫字母
[a-zA-Z] - 匹配所有的字母
[1-7] - 匹配數(shù)字字符1到7
[\u4e00-\u9fa5] - 匹配所有的中文
[字符1字符2-] - 這兒的-表示減號本身
# 匹配一個(gè)長度是3的字符串,第一個(gè)字符是數(shù)字字符1到7中的一個(gè)，
# 第二個(gè)字符是'a'磁玉，'b','c','-'中的一個(gè),第三個(gè)字符是小寫字母
re_str = r'[1-7][abc-][a-z]'
result = re.fullmatch(re_str, '6-z')
print(result)
<_sre.SRE_Match object; span=(0, 3), match='6-z'>
11 [^字符集] - 匹配不在字符集中的任意一個(gè)字符
[^abc] - 匹配除了'a','b','c'以外的其他任意一個(gè)字符
[^\d] - 匹配除了數(shù)字字符以外的其他任意一個(gè)字符
[^a-z] - 匹配除了小寫字母以外的其他任意一個(gè)字符
[abc^] - 匹配'a','b','c'或者'^'中的任意一個(gè)字符
re_str = r'[^a-z]'
result = re.fullmatch(re_str, '是')
print(result)
<_sre.SRE_Match object; span=(0, 1), match='是'>
02.正則控制匹配次數(shù)
import re
1 *(匹配0次或者多次)
a* - a出現(xiàn)0次或者多次, '','a','aa', 'aaa'...都可以匹配
\d* - 任意數(shù)字出現(xiàn)0次或者多次停忿， '','1','12', '3772'...都可以匹配
[abc]* - a，b或者c出現(xiàn)0次或者多次
[A-F]* - A到F中任意字符出現(xiàn)0次或者多次
注意：在[]外面的*的前面需要一個(gè)字符或者一個(gè)匹配字符的符號
print(re.fullmatch(r'a*b', 'aaaaaaaaaab'))
print(re.fullmatch(r'[abc]*', 'aabc'))
<_sre.SRE_Match object; span=(0, 11), match='aaaaaaaaaab'>
<_sre.SRE_Match object; span=(0, 4), match='aabc'>
2 +(匹配1次或者多次)
a+ - a至少出現(xiàn)一次
\d+ - 數(shù)字至少出現(xiàn)一次
print(re.fullmatch(r'a+b', 'ab'))
<_sre.SRE_Match object; span=(0, 2), match='ab'>
3 ?(匹配0次或者1次)
a? - a出現(xiàn)0次或者1次, '', 'a'可以匹配
practice:寫一個(gè)正則表達(dá)式匹配一個(gè)整數(shù)（正整數(shù)和負(fù)整數(shù)都可以）蚊伞，例如：123席赂， 10， +100时迫， -1234颅停，
re_str = r'[-+]?[1-9]\d*'
print(re.fullmatch(re_str, '-12'))
<_sre.SRE_Match object; span=(0, 3), match='-12'>
4 {}
{N} - 匹配N次, 例如： a{3}，匹配三個(gè)'a'
{M,N} - 匹配M到N次, 例如： a{3, 5}掠拳，匹配三個(gè)'a' 或者4個(gè)'a'或者5個(gè)'a'
{,N} - 最多匹配N次(0~N) 例如：a{,3}癞揉，'','a', 'aa', 'aaa'
{M,} - 至少匹配M次 例如：a{3,} , 'aaa', 'aaaa', 'aaaaa'...
print(re.fullmatch(r'a{3,}', 'aaa'))
<_sre.SRE_Match object; span=(0, 3), match='aaa'>
練習(xí)：輸入密碼，要求檢查密碼輸入是否合格(密碼由字母和數(shù)字組成溺欧，數(shù)字不開頭喊熟，6-12位)。給出提示
password = input('密碼:')
re_str = r'[a-zA-Z][\da-zA-Z]{5,11}'
result = re.fullmatch(re_str, password)
if result:
print('輸入成功胧奔！')
else:
print('輸入有誤逊移！')
密碼:sf234sdf32
輸入成功！
03.分之龙填、捕獲和貪婪
import re
1.分之
條件1 | 條件2 - 匹配條件1或者條件2
\d{2}|[a-z] - 匹配兩個(gè)數(shù)字字符或者一個(gè)小寫字母
a\d{2}|\w{2} - 匹配一個(gè)a后面兩個(gè)數(shù)字胳泉，或者兩個(gè)數(shù)字字母下劃線
注意：正則中的分之也會出現(xiàn)短路，當(dāng)條件1可以匹配岩遗，就不會再使用條件2進(jìn)行匹配
print(re.fullmatch(r'\d{2}|[a-z]', 'z'))
print(re.fullmatch(r'a\d{2}|\w{2}', 'sh'))
<_sre.SRE_Match object; span=(0, 1), match='z'>
<_sre.SRE_Match object; span=(0, 2), match='sh'>
練習(xí)：寫一個(gè)正則表達(dá)式扇商，匹配所有的數(shù)字,包括正的、負(fù)的宿礁，整數(shù)案铺，小數(shù)，0
例如：100, +100, -100, 12.5, -12.5, 0, 0.23, 0.012
12, 12.34 : [+-]?[1-9]\d*[.]?\d*
0.123 : [+-]?0[.]\d+
0 : 0
re_str = r'[-+]?[1-9]\d*[.]?\d*|[+-]?0[.]\d+|0'
print(re.fullmatch(re_str, '-0.02'))
<_sre.SRE_Match object; span=(0, 5), match='-0.02'>
2 () - 捕獲和分組
a.分組 - 將括號中的內(nèi)容作為一個(gè)整體
# 匹配一個(gè)字符串梆靖，前三位是'abc',后三位是三個(gè)數(shù)字或者三個(gè)大寫字母
re_str1 = r'abc\d{3}|abc[A-Z]{3}'
re_str2 = r'abc(\d{3}|[A-Z]{3})'
print(re.fullmatch(re_str2, 'abc123'))
<_sre.SRE_Match object; span=(0, 6), match='abc123'>
# 匹配一個(gè)字符串控汉，以'數(shù)字小寫字母'的形式出現(xiàn)3次
re_str = r'(\d[a-z]){3}'
print(re.fullmatch(re_str, '2s3f4h'))
<_sre.SRE_Match object; span=(0, 6), match='2s3f4h'>
b.捕獲
通過正則獲取符合條件的子串的時(shí)候笔诵，可以在正則表達(dá)式中加括號，匹配后只獲取括號里面匹配到的內(nèi)容
re.findall(正則表達(dá)式姑子，字符串) - 在字符串中去獲取符合正則表達(dá)式條件的所有的子串,返回一個(gè)列表
str1 = 'ahsa783+sdh*92dfjhjj78jhsda67jk'
print(re.findall(r'a(\d+)', str1)) # ['783', '67']
['783', '67']
c.重復(fù)匹配
帶多個(gè)分組的正則表達(dá)式中可以分組的后面通過添加'\數(shù)字'來重復(fù)前面第幾個(gè)分組中匹配到的內(nèi)容
說明：\數(shù)字 - 這兒的數(shù)字代表前面第幾個(gè)分組; \1代表第一個(gè)分組 \2代表第二個(gè)分組
re_str = r'(\d{3})([a-z]{2})a\1{2}-\2'
print(re.fullmatch(re_str, '123efa123123-ef'))
<_sre.SRE_Match object; span=(0, 15), match='123efa123123-ef'>
3.貪婪
匹配次數(shù)后加?就是貪婪匹配：*?, +?, ??, {M,N}?, {M,}? 表示盡可能少的重復(fù)
re_str = 'a.+?b'
str1 = 'xxxahdjbnnkbsssammmbkkk'
print(re.findall(re_str, str1))
['ahdjb', 'ammmb']
with open('content.txt', encoding='utf-8') as f:
text = f.read()
re_str = '"name":(.+?),'
all_names = re.findall(re_str, text)
print(all_names)
['"清酒sama"', '"摸咪校尉"', '"阿布路人甲"', '"車神大咖"', '"西安一李白"', '"紅顏禍水倒陰溝555"', '"黑皮"', '"神馬情況這是"', '"我是云飛揚(yáng)"', '"小姨子的來電"', '"低調(diào)的高貴"', '"故事會"', '"曹姐姐在這兒"', '"全世界的豬都笑了-"', '"飛揚(yáng)的馬尾辮"', '"馬小梅"', '"敏智的選擇"', '"尼古拉慕容狗蛋"', '"黑皮咪咪眼"', '"百思小仙女"']
4.轉(zhuǎn)義符號
在正則表達(dá)式中可以在有特殊意義或者特殊功能的符號前加\來取消其特殊功能
\w - 代表兩個(gè)字符乎婿，分別是''和w
+ - 代表+字符
* - 代表*字符
? - 代表?字符
[], (), {}表示字符的時(shí)候，前面也要加\
注意：在中括號中, \必須加\表示\本身街佑，在最前面加\表示本身谢翎， -在兩個(gè)字符之間加\表示-本身
re_str = r'\\w-\d{3}'
print(re.fullmatch(re_str, '\w-232'))
<_sre.SRE_Match object; span=(0, 6), match='\w-232'>
re_str = r'a\+\(\d{2}\)'
print(re.fullmatch(re_str, 'a+(23)'))
<_sre.SRE_Match object; span=(0, 6), match='a+(23)'>
re_str = r'[\^a1\-9]'
print(re.fullmatch(re_str, '3'))
None
re_str = r'(\d{2}([a-z]{3}))\1\2'
print(re.fullmatch(re_str, '12abc12abcabc'))
<_sre.SRE_Match object; span=(0, 13), match='12abc12abcabc'>
04.re模塊
import re
1.compile(了解)
compile(正則表達(dá)式) - 將正則表達(dá)式轉(zhuǎn)換成正則表達(dá)式對象
轉(zhuǎn)換成對象后可以通過對象調(diào)用對象方法
re_str = '\d{3}'
re_obj = re.compile(re_str)
# 調(diào)用模塊中的函數(shù)
print(re.fullmatch(re_str, '234'))
# 調(diào)用對象方法
print(re_obj.fullmatch('234'))
<_sre.SRE_Match object; span=(0, 3), match='234'>
<_sre.SRE_Match object; span=(0, 3), match='234'>
2.match和fullmatch
a. fullmatch(正則表達(dá)式, 字符串) - 完全匹配，從字符串開頭匹配到字符串結(jié)束
b. match(正則表達(dá)式, 字符串) - 不完全匹配沐旨，只匹配字符串開頭
匹配成功返回匹配對象森逮，匹配失敗返回None
re_str = r'\d([A-Z]{2})'
result1 = re.fullmatch(re_str, '2HK')
print(result1)
result2 = re.match(re_str, '8KLsjdddd==')
print(result2)
<_sre.SRE_Match object; span=(0, 3), match='2HK'>
<_sre.SRE_Match object; span=(0, 3), match='8KL'>
2.匹配對象
1.span - 匹配到的內(nèi)容的范圍，(開始下標(biāo), 結(jié)束下標(biāo)), 結(jié)束下標(biāo)取不到
匹配對象.span() - 獲取整個(gè)正則表達(dá)式匹配到的范圍
匹配對象.span(n) - 獲取正則表達(dá)式中第n個(gè)分組匹配到的范圍(前提是有分組)
print(result2.span())
print(result2.span(1))
(0, 3)
(1, 3)
2.start和end - 獲取匹配結(jié)果的開始下標(biāo)和結(jié)束下標(biāo)
匹配對象.start()/匹配對象.end() - 獲取整個(gè)正則表達(dá)式匹配到的開始下標(biāo)/結(jié)束下標(biāo)
匹配對象.start(n)/匹配對象.end(n) - 獲取正則表達(dá)式中第n個(gè)分組匹配到的開始/結(jié)束下標(biāo)
print(result2.start(), result2.end())
print(result2.start(1), result2.end(1))
0 3
1 3
3.group - 獲取匹配到的內(nèi)容
匹配對象.group() - 獲取整個(gè)正則表達(dá)式匹配到的內(nèi)容
匹配對象.group(n) - 獲取正則表達(dá)式中第n個(gè)分組匹配到的內(nèi)容
print(result2.group())
print(result2.group(1))
8KL
KL
- string - 獲取用來匹配的原字符串
匹配對象.string
print(result2.string)
8KLsjdddd==
3.search
search(正則表達(dá)式, 字符串) - 匹配字符串中第一個(gè)滿足正則表達(dá)式的子串磁携，如果匹配成功返回匹配對象否則返回None
str1 = 'abc123hks362shjjk990kll'
result = re.search(r'\d{3}[a-z]{2}', str1)
print(result)
<_sre.SRE_Match object; span=(3, 8), match='123hk'>
4.split
split(正則表達(dá)式, 字符串) - 在字符串中按照滿足正則表達(dá)式條件的子串對字符串進(jìn)行切割, 返回一個(gè)列表
str1 = 'ab+c7hdjd8jss-sk9sjj78s9kk*k'
result = re.split(r'\d+|[+*-]+', str1)
print(result)
['ab', 'c', 'hdjd', 'jss', 'sk', 'sjj', 's', 'kk', 'k']
5.sub
sub(正則表達(dá)式, 新子串, 字符串) - 用新子串替換字符串中滿足正則表達(dá)式的子串褒侧，返回一個(gè)替換后的字符串
str1 = '你丫是傻 叉嗎? 我操你大爺?shù)? F u c k you.'
result = re.sub(r'[丫操艸]|F\s*u\s*c\s*k|傻\s*叉', '*', str1)
print(result)
你*是*嗎? 我*你大爺?shù)? * you.
6.findall
findall(正則表達(dá)式, 字符串) - 在字符串中獲取滿足正則表達(dá)式的所有的字符，返回一個(gè)列表颜武，列表元素是字符串
注意：如果這個(gè)正則表達(dá)式中有一個(gè)分組璃搜，結(jié)果是列表中只那個(gè)分組匹配到的結(jié)果;
如果這個(gè)正則表達(dá)式中分組的個(gè)數(shù)大于1拖吼，結(jié)果是一個(gè)列表鳞上，列表中的元素是元祖，元祖中是每個(gè)分組匹配到的內(nèi)容
str1 = 'haja37jjkd89sdhs909nnna238==='
result = re.findall(r'[a-zA-Z]{2,}(\d+)([a-z]+?)', str1)
print(result)
[('37', 'j'), ('89', 's'), ('909', 'n')]
7.finditer
finditer(正則表達(dá)式, 字符串) - 獲取字符串中滿足正則表達(dá)式的內(nèi)容吊档，返回的是一個(gè)迭代器篙议，迭代器中的元素是匹配對象
result = re.finditer(r'[a-zA-Z]{2,}(\d+)([a-z]+?)', str1)
print(result)
print(next(result))
print(next(result))
<callable_iterator object at 0x01DBE290>
<_sre.SRE_Match object; span=(0, 7), match='haja37j'>
<_sre.SRE_Match object; span=(7, 13), match='jkd89s'>
思考：寫一個(gè)自己finditer
def yt_finditer(pattern, string):
re1 = re.search(pattern, string)
while re1:
yield re1
string = string[re1.end():]
re1 = re.search(pattern, string)
print('============')
result = yt_finditer(r'[a-zA-Z]{2,}(\d+)([a-z]+?)', str1)
print(next(result))
print(next(result))
============
<_sre.SRE_Match object; span=(0, 7), match='haja37j'>
<_sre.SRE_Match object; span=(0, 6), match='jkd89s'>
