Day16-正则表达式
01-二进制数据的转换
1.二进制类型/字节(bytes)
2.其他数据转换二进制:bytes(数据)
-
字符串转二进制:
字符串.encode(encoding = 'utf-8')
print(bytes(10)) # print(bytes(12.5)) print(bytes(True)) # print(bytes('abc')) # TypeError: string argument without an encoding print(bytes('abc', encoding='utf-8')) print(bytes([1, 2])) # print(bytes(['123',12])) list1 = [100, 'abc', 12.5] b1 = bytes(str(list1), encoding='utf-8') print(b1)
3.二进制转字符串
# 方法一:str(数据, encoding = 'utf-8')
str1 = str(b1, encoding='utf-8')
print(str1)
list1 = eval(str1)
print(list1)
str2 = 'hello'
b2 = str2.encode(encoding='utf-8')
print('b2:', b2)
# 方法二:二进制数据.decode(encoding='utf-8')
str2 = b2.decode(encoding='utf-8')
print(str2)
02-正则语法
1.什么是正则表达式
正则表达式是一种工具;一种专门做字符串匹配的工具,能狗在某些情况下让字符串的处理变得非常简单。
fullmatch
(正则表达式,字符串) - 判断正则表达式是否和字符串完全匹配,如果不匹配返回None
2.正则表达式的语法
1.匹配字符
以下是部分的字符
-
普通字符
普通字符在正则表达式中表达这个符号本身
re_str = r'abc' result = fullmatch(re_str, 'abc') print(result)
-
.
- 匹配任意一个字符re_str = r'.bc' result = fullmatch(re_str, '%bc') print(result)
-
\d
- 匹配任意一个数字字符 -
\D
- 匹配任意一个数字字符 -
\s
- 匹配任意一个空白字符(空格、\n、\t) -
\S
- 匹配任意一个非空字符 -
\w
- 匹配任意一个数字、字母或者下划线(不推荐用) -
[字符集]
- 匹配字符集中出现的任意一个字符""" 注意一个中括号只能匹配一个字符 [abc] - 匹配一个字符是a或者b或者c [\dabc] - 匹配一个字符是数字或者a或者b或者c [1-9] - 匹配一到九的任意一个数字字符 [a-z] - 匹配任意一个小写字母 [a-zA-Z] - 匹配任意一个字母 [\da-zA-Z_] - 匹配字母、数字、下划线 [\u4e00-\u9fa5] - 匹配任意一个中文字符 """ re_str = r'[\dxy=]mn' print(fullmatch(re_str, '9mn')) re_str = r'[0-9]{3}' print(fullmatch(re_str, '123')) re_str = r'[A-Za-z]' print(fullmatch(re_str, 'A')) # -在[]中两个字符之间才有特殊意义 re_str = r'[-abc]12-3' print(fullmatch(re_str, '-12-3'))
-
[^字符集]
- 匹配不在字符集中的任意一个字符""" [^abc] - 匹配除了abc以外的任意一个字符 """ print(fullmatch(r'[^abc]123', 'q123')) print(fullmatch(r'[\u4e00-\u9fa5]123', '淦123'))
2.检测字符
-
\b
- 检测是否是单词边界 -
\B
- 检测是否不是单词边界 -
^
- 检测是否是字符串开头(放开头) -
$
- 检测是否是字符串结尾(放结尾)
3.匹配次数
-
*
- 0次或多次 -
+
- 1次或者多次(至少一次) -
?
- 0次或一次 -
{}
""" {N} - 匹配N次 {M,N} - 匹配M到N次 {M,} - 匹配至少M次 {,N} - 匹配最多N次 """
-
贪婪和非贪婪
""" 在匹配次数不确定的时候匹配模式有两种:贪婪(默认)和非贪婪(再不确定后面加?) 贪婪:在能匹配成功的前提下,匹配次数选最多的(+、*、?、{M,N}、{M,}、{,N}) 非贪婪:在能匹配成功的前提下,匹配次数选最少的(+?、*?、??、{M,N}?、{M,}?、{,N}?) """ # 贪婪模式 re_str = r'a.+b' print(search(re_str, 'xxamnbpppbsdb====')) # 非贪婪模式: re_str = r'a.+?b' print(search(re_str, 'xxamnbpppbsdb====')) re_str = r'a??b' print(search(re_str, 'abab'))
4.分组
-
()
""" 用法一:整体操作次数 a{2,4} (ab){2,3} 用法二:重复 \M - 重复前面第M个分组中匹配到的内容 用法三:捕获 re中的findall在获取子串的时候,如果在正则中有分组,只会获取分组匹配到的结果 """ # 两个数字两个字母的结构重复3到5次,类似:89nm78jk89mk re_str = r'(\d{2}[a-z]{2}){3,5}' print(fullmatch(re_str, '12df12df12gs34ds')) re_str = r'(\d)\1abc\1' print(fullmatch(re_str, '88abc8')) re_str = r'm(\d[a-z])n\1' print(fullmatch(re_str, 'm8an8a')) re_str = r'a\d{2}b' print(search(re_str, 'a89b')) print(findall(re_str, 'a98ba89b')) re_str = r'a(\d{2})b' print(search(re_str, 'a89b')) print(findall(re_str, 'a98ba89b'))
5.分支
-
|
""" 正则1|正则2|正则3|.. 正则1匹配失败正则2再匹配依次匹配 """ # 写一个正则能够匹配一个字符串,abc后面是三个数字或者abc后面是三个大写字母 re_str = r'abc\d{3}|abc[A-Z]{3}' print(fullmatch(re_str, 'abc123')) print(fullmatch(re_str, 'abcASD')) re_str = r'abc(\d|[A-Z]){3}' print(fullmatch(re_str, 'abc123')) print(fullmatch(re_str, 'abcASD'))
6.转义符号
"""
在正则中有特殊意义的符号前加\,让这个符号在正则中的功能消失
"""
re_str = r'\d{2}\.\d{2}\{}'
print(fullmatch(re_str, '12.21{}'))
# 注意:在正则中独立存在有特殊意义的符号,放到[]中,它的意义会自动消失
re_str = r'[-a]ab'
print(fullmatch(re_str, '-ab'))
re模块的使用
import re
# 1.re.compile(正则表达式) - 编译正则表达式,返回正则对象
re_obj = re.compile(r'\d{3}')
# 正则表达式对象.fullmatch(字符串)
print(re_obj.fullmatch('789'))
# re.fullmatch(正则表达式,字符串)
print(re.fullmatch(re_obj, '879'))
# 2.匹配
"""
fullmatch(正则,字符串) - 让整个字符串和正则进行匹配,匹配失败返回None,匹配成功返回对象
match(正则,字符串) - 匹配字符串开头,失败返回None,成功返回对象
"""
print(re.match(r'\d{3}', '2343sdfdf'))
# 匹配对象
result = re.match(r'(\d{2})([a-z]{3})([A-Z]{2})', '34ghfDSdfdsfs')
print(result)
# 匹配到的子串
# 匹配对象.group()/匹配对象.group(0) - 获取整个正则匹配到的子串
print(result.group())
print(result.group(1))
print(result.group(3))
# 2)获取匹配范围 - 匹配到的子串在原字符串的下标范围
# 匹配对象.span()
print(result.span()) # [0,7)
print(result.span(2))
# 3.查找
"""
search(正则,字符串) - 在字符串中查找第一个满足正则的子串,如果找到了返回匹配对象,找不到返回None
findall(正则, 字符串) - 获取字符串中所有满足正则的子串,返回值是列表,列表中的元素是字符串
找不到返回None
finditer(正则, 字符串) - 获取字符串中所有满足正则的子串,返回值是迭代器,
迭代器中的元素是匹配对象
"""
# 没有分组
print(re.findall(r'\d{3}','afdsf1232dfdf231'))
# 有一个分组
print(re.findall(r'a(\d{3})','a223sdadsfa341'))
# 有两个或者两个以上的分组
print(re.findall(r'([a-z]{2})(\d{3})', 'ab123sdffdf34212sdkkdkf3'))
# 3) finditer
result = re.finditer(r'([a-z]{2})(\d{3})', 'ab123sdffdf34212sdkkdkf3')
print(list(result))
# 4.
"""
split(正则,字符串) - 将字符串中满足正则的子串作为切割点
sub(正则, 字符串1,字符串2) - 将字符串2中满足正则的字符串全部替换成字符串1
"""
result = re.split(r'\d+', 'ssa3fa432sdf31dfsf43dsfsf12')
print(result)
result = re.sub(r'[傻逼]', '*', '傻逼sa3fa432sdf31dfsf43dsfsf12')
print(result)