Day19:正则表达式

1.正则表达式

# 正则表达式是一种让复杂的字符串问题变得简单的一个工具

1)re模块简介

re模块是python用来支持正则相关操作的系统模块

fullmatch(正则表达式,字符串) - 判断正则表达式和指定的字符串是否完全匹配,不能匹配结果是None

from re import fullmatch

2)匹配类符号

# 正则表达式是由各种各样的正则符号组合而成
2.1 普通字符 - 在正则中没有特殊功能和特殊意义的字符
#普通字符在正则表达式中表示符号本身,例如:a_z、AZ、0~9、中文…

result = fullmatch(r'abc','acc')
print(result)

2.2 特殊符号
#1). - 匹配一个任意字符
#注意:一个.只能匹配一个字符

result = fullmatch(r'a.b','acb')
print(result)

#2)\d - 匹配任意一个数字字符

result = fullmatch(r'a\db','a6b')
print(result)

#3)\s - 匹配任意一个空白字符
#空白字符:空格、\t、\n

result = fullmatch(r'abc\s123','abc\n123')
print(result)

#4)\D、\S
#\D - 匹配任意一个非数字字符
#\S - 匹配任意一个非空白字符

result = fullmatch(r'\Dabc\S123','mabc=123')
print(result)

#5)[字符集] - 匹配字符集中任意一个字符
案例:
情况一: 全是普通字符;[xyz12] - 匹配x或者y或者z或者1或者2
情况二: 包含\开头的匹配符号,这个时候匹配符号的功能有效;[mn\d] == [mn0123456789]
情况三: 减号在两个符号之间,表示谁到谁

result = fullmatch(r'a[xyz]c','axc')
print(result)

result = fullmatch(r'a[mn\d]c','a2c')
print(result)

result = fullmatch(r'a[a-z]b','acb')
print(result)

#6)[^字符集] - 匹配不在字符集中的任意一个字符

result = fullmatch(r'1[^xyz]2','1+2')
print(result)

3)匹配次数

# 用法:匹配符号匹配次数
# 1. * - 0次或者多次(任意次数)
a * b - b前面有任意多个a
\d * b - b前面有任意多个数字

result = fullmatch(r'a*b','aaaab')
print(result)

# 2. + - 1次或多次(至少一次)

result = fullmatch(r'a+b','ab')
print(result)

# 3. ? - 0次或者1次

result = fullmatch(r'\d?abc','1abc')
print(result)

# 4.{}
{M,N} - M到N次
{M,} - 至少M次
{,N} - 最多N次
{N} - N次

4)贪婪和非贪婪

在匹配次数不确定的时候,匹配模式分为贪婪和非贪婪两种(默认是贪婪模式)
# * 、+、{M,N}、{M,}、{,N}、? - 贪婪
# * ?、+?、{M,N}?、{M,}?、{,N}?、?? - 非贪婪

注意:python中处理fullmatch以外都可能出现贪婪和非贪婪的问题

result = search('.+b','asdasdbdfdfdb22')
print(result)

result = search('.+?b','asdasdbdfdfdb22')
print(result)

5)分组和分支

1)分组 - ()
应用场景1: 将正则表达式中的部分用()括起来作为一个整体进行相关操作

result = fullmatch(r'([a-z]{3}\d{2}){3}','abn23msk78skh89')
print(result)

应用场景2: 重复 - 可以在有分组的正则表达式中通过’\N’来重复它前面第N个分组匹配到的内容

result = fullmatch(r'(\d)a\1','8a8')
print(result)

应用场景3: 捕获 - 使用findall的时候,如果正则表达式中有分组,返回数据的时候只返回分组中匹配到的内容
# 提取在小写字母后面的数字

str1 = 'asfas222数据=22上上的点343sdsd33KJ3'
result = findall(r'[a-z](\d+)',str1)
print(result)

2.分支 - |
# 正则1|正则2 - 正则1和正则2中只要有一个能匹配成功就匹配成功

# abc239、abcMSH
result = fullmatch(r'abc(\d{3}|[A-Z]{3})','abcMSH')
print(result)

6)其他

1)转义符号 - 在本身具备特殊功能或者特殊意义的符号前加,让其功能或者意义消失,变成一个普通符号

result = fullmatch(r'a\.b','a.b')
print(result)

# 让符号功能消失的另外一个方法:单独一个符号有特殊功能的时候可以将这个符号方法[]中让其功能消失

result = fullmatch(r'[-ab^]123','-123')
print(result)

2)忽略大小写:在正则的最前面加(?i)

result = fullmatch(r'(?i)abc','AbC')
print(result)

3)单行匹配和多行匹配
# 多行匹配,匹配的时候.不能和’\n’匹配(默认) - (?m)
# 单行匹配,匹配的时候.可以和’\n’匹配 - 在正则的最前面加(?s)

result = fullmatch(r'a.b','a\nb')
print(result)      # None

result = fullmatch(r'(?s)a.b','a\nb')
print(result)      # <re.Match object; span=(0, 3), match='a\nb'>

4)re模块中的常用函数

from re import  fullmatch,match,search,findall,finditer,split,sub,subn
# (常用)fullmatch(正则,字符串)  -  判断整个字符串是否符合正则描述的规则(完全匹配),匹配成功返回匹配对象,匹配失败返回None
# match(正则,字符串)  -  匹配字符串开头,匹配成功返回匹配对象,匹配失败返回None
# search(正则,字符串)  -  获取字符串中第一个满足正则的子串,找到了返回子串对应的匹配对象,找不到返回None
# (常用)findall(正则,字符串)  -  获取字符串中所有满足正则的子串,返回一个列表,列表中的元素是字符串或者元组
# finditer(正则,字符串)  -  获取字符串中所有满足正则的子串,返回一个迭代器,迭代器中的元素是子串对应的匹配对象
# (常用)split(正则,字符串)  -  将字符串中所有满足正则的子串作为切割点,对字符串进行切割,返回一个列表,列表中的元素是字符串
# (常用)sub(正则,字符串1,字符串2)  -  将字符串2中所有满足正则的子串都替换成字符串1,返回替换后的新字符串