day16知识点

# 一.正则表达式匹配符号

## 1.什么是正则表达式

# 正则表达式是一种可以让字符串处理变得很简单的工具
# 正则表达式就是通过各种正则符号来描述字符串的规则
# 在不同的编程语言中，正则的语法是相同的，但是表示方式不同：python - '正则表达式' , js - /正则表达式/

## 2.正则符号

### 1) 普通字符 - 普通字符在正则表达式中表示这个符号本身

from re import fullmatch
# fullmatch(正则表达式, 字符串)   -  判断字符串是否符合正则所描述的规则, 如果符合结果不是None,否则是None
re_str = 'abc'    # 规则：一个字符串有三个字符，分别是a、b和c
result = fullmatch(re_str, 'abc')
print(result)

### 2) . 匹配一个任意字符

"""
'a.b'  -  匹配一个长度是3的字符串，第一个字符是a，最后字符是b, 中间一个是任意字符
"""
re_str = 'a.b'
result = fullmatch(re_str, 'akb')
print(result)    # <re.Match object; span=(0, 3), match='akb'>

result = fullmatch(re_str, 'a+b')
print(result)    # <re.Match object; span=(0, 3), match='a+b'>

result = fullmatch(re_str, 'x+b')
print(result)    # None

result = fullmatch(re_str, 'a++b')
print(result)    # None

re_str = 'xy..'     # 匹配一个长度是4，前两个字符是x和y,后面是两个任意字符的字符串
result = fullmatch(re_str, 'xyj就')
print(result)    # <re.Match object; span=(0, 4), match='xyj就'>

### 3) \d - 匹配一个任意数字

re_str = 'a\db'    # 匹配一个长度是3，第一个字符是a，最后一个字符是b，中间是一个任意数字字符
result = fullmatch(re_str, 'a9b')
print(result)    # <re.Match object; span=(0, 3), match='a9b'>

result = fullmatch(re_str, 'a0b')
print(result)   # <re.Match object; span=(0, 3), match='a0b'>

result = fullmatch(re_str, 'axb')
print(result)    # None

re_str = 'a\d\d\d'
result = fullmatch(re_str, 'a238')
print(result)   # <re.Match object; span=(0, 4), match='a238'>

### 4) \s - 匹配一个空白字符

# 空白字符：空格字符、\n、\t
re_str = 'abc\s123'
result = fullmatch(re_str, 'abc 123')
print(result)    # <re.Match object; span=(0, 7), match='abc 123'>

result = fullmatch(re_str, 'abc\t123')
print(result)    # result = fullmatch(re_str, 'abc 123')

result = fullmatch(re_str, 'abc\n123')
print(result)   # <re.Match object; span=(0, 7), match='abc\n123'>

result = fullmatch(re_str, 'abc123')
print(result)   # None

### 5) \w（了解） - 匹配一个字母、数字或者下划线（ASCII码表以外的字符都可以匹配）

re_str = '\d\w\d'
result = fullmatch(re_str, '2看8')
print(result)

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

re_str = 'a\Db'
result = fullmatch(re_str, 'a9b')
print(result)     # None

result = fullmatch(re_str, 'a就b')
print(result)    # <re.Match object; span=(0, 3), match='a就b'>

re_str = '\d\S\d'
result = fullmatch(re_str, '2=8')
print(result)    # <re.Match object; span=(0, 3), match='2=8'>

result = fullmatch(re_str, '2 8')
print(result)    # None

### 7) [字符集] - 匹配字符集中出现的任意一个字符

"""
注意：a.一个[]只能匹配一个字符
     b.在[]中可以将-放在两个字符之间表示范围，但是-前面的字符的编码值必须小于后面的字符的编码值
     c. 在[]中-只有在两个字符之间才有特殊意义，如果在最前面或者最后面就表示-本身

[a1+]  - 匹配字符a或者字符1或者字符+
[\dxy] 、 [x\dy] 、 [xy\d] - 匹配一个任意数字或者x或者y

[1-9]  - 匹配1到9的任意一个数字字符
[a-z]  - 匹配任意一个小写字母
[A-Z]  - 匹配任意一个大写字母
[a-zA-Z]
[\u4e00-\u9fa5]   -  匹配任意一个中文字符

下列写法都支持：
[a-z+=/]
[1a-z2]
[2-8a-z]
[\da-z]
"""
re_str = 'a[xy0]b'    # 匹配一个长度是3，第一个字符是a，最后一个是b，中间是x、y、0 中的任意一个字符的字符串
result = fullmatch(re_str, 'a0b')
print(result)

re_str = 'a[\dmn]b'
result = fullmatch(re_str, 'amb')
print(result)

re_str = 'a[1-9]b'
result = fullmatch(re_str, 'a9b')
print(result)

### 8) [^字符集] - 匹配不在字符集中的任意一个字符

"""
[^abc]   -  匹配除了a、b、c以外的任意字符
[^\d]   -   匹配任意一个非数字字符
[^a-z]  -  匹配任意一个非小写字母的字符
"""
re_str = '\d[^abc]\d'
print(fullmatch(re_str, '3好6'))

re_str = '\d[abc^]\d'
print(fullmatch(re_str, '3^6'))

# 二、检测类符号

## 1. \b - 检测是否是单词边界 \B - 检测是否不是单词边界

# 单词边界 - 生活中可以将两个单词区分开来的字符，例如：空白、标点符号、字符串开头和字符串结束
from re import fullmatch, findall
re_str = r'abc,\b123'
result = fullmatch(re_str, 'abc,123')
print(result)

re_str = r'\b\d\d\s\babc'   # '\b\d\d\s\babc'
result = fullmatch(re_str, '89 abc')
print(result)

re_str = r'\d\d\B'
str1 = '啥时间89sksj28jsk 09 会计89, jss,85,结束素数10'
result = findall(re_str, str1)
print(result)

## 2. ^ - 检测字符串开头

re_str = '^\d\d\d'
result = fullmatch(re_str, '892')
print(result)

re_str = '^\d\d\d'
result = findall(re_str, '8890shsh892快捷键920js110ss334')
print(result)   # ['889']

## 3.$ - 检测是否是字符串结尾

re_str = '\d\d\d$'
result = findall(re_str, '8890shsh892快捷键920js110ss334')
print(result)    # ['334']

# 三、匹配次数

## 1. + - 一次或多次(至少一次)

"""
a+  - 字符a出现一次或者多次
\d+  -  匹配一次或者多次任意数字字符
.+  -  匹配一次或者多次任意字符
[xyz]+  
"""
re_str = 'xa+y'
result = fullmatch(re_str, 'xay')
print(result)   # <re.Match object; span=(0, 3), match='xay'>

result = fullmatch(re_str, 'xaay')
print(result)   # <re.Match object; span=(0, 4), match='xaay'>

result = fullmatch(re_str, 'xaaaaaaaay')
print(result)   # <re.Match object; span=(0, 10), match='xaaaaaaaay'>

re_str = 'x\d+y'      # x\d\d\d\d\dy
print(fullmatch(re_str, 'x2y'))
print(fullmatch(re_str, 'x2823y'))

re_str = '1[xyz]+1'     #  1[xyz][xyz][xyz][xyz]1
print(fullmatch(re_str, '1x1'))
print(fullmatch(re_str, '1xx1'))
print(fullmatch(re_str, '1xy1'))

## 2. * - 匹配0次或多次（任意次数）

re_str = 'xa*y'
print(fullmatch(re_str, 'xy'))

## 3. ? - 匹配0次或一次

print(fullmatch('0?abc', '0abc'))

# 练习：写一个正则表达式来检测字符串是否是合法的整数
# 89, 123, -90, +56  - 合法
# 09， -002，+030 ，++89 - 不合法
re_str = '[-+]?[1-9]\d*'

## 4.

# {N}  - 匹配N次
# {M,N} - 匹配M到N次(至少M次，最多N次)
# {M,}  - 匹配至少M次
# {,N}  - 匹配最多N次
print(fullmatch('a{4}\d{3}', 'aaaa345'))
print(fullmatch('a{2,4}\d{2,}[a-z]{,3}', 'aaaa887hjk'))

##5.贪婪和非贪婪(重要！)

# 在匹配次数不确定的时候，匹配分为贪婪和非贪婪两种，默认都是贪婪的
# 1)贪婪 - 匹配次数不确定默认就是贪婪 (+、*、?、{M,N}、{M,}、{,N})
# 贪婪：在能匹配成功的前提下，取匹配次数最多的结果。（假设3次、4次、6次都能匹配成功，最后取6次）
# 2)非贪婪 - 在匹配次数不确定的次数后加? (+?、*?、??、{M,N}?、{M,}?、{,N}?)
# 非贪婪：在能匹配成功的前提下，取匹配次数最少的结果。（假设3次、4次、6次都能匹配成功， 最后取3次）

re_str = r'a.+?b'
# amnmb、amnmb123b、amnmb123blkb
print(findall(re_str, 'amnmb123blkb计算机上'))

re_str = r'a.+b'
# amnmb
print(findall(re_str, 'amnmb123lk计算机上'))

# <p>十几年</p>....<p></2828></p>
# '<p>.+?</p>'

# 四、分组和分支

## 1. () - 分组

from re import fullmatch
"""
分组就是将正则表达式中的某部分用()括起来看成一个整体，然后进行整体的操作。
在正则表达式中一个()表示一个分组
1）整体操作
'(\d{2}[a-z]{3})+'

2）整体重复
\M - 重复前面第M个分组匹配到的内容
"""
print(fullmatch('(\d{2}[a-z]{3})+', '23hsk90nmb'))

re_str = r'(\d{3})ab\1'
print(fullmatch(re_str, '789ab789'))
print(fullmatch(re_str, '112ab112'))

re_str = r'(\d{3})([a-z]{2})=\1{2}'
print(fullmatch(re_str, '341ab=341341'))

re_str = r'(\d{3})([a-z]{2})=\2\1'
print(fullmatch(re_str, '341ab=ab341'))

# re_str = r'(\d{3})=\2([a-z]{2})'
# print(fullmatch(re_str, 'abc'))    # 报错！ \2前面没有两个分组

## 2. | - 分支

# 正则1|正则2

# 练习：写一个正则表达式，能够匹配一个字符串是：abc后面是三个任意数字，或者三个任意大写字母
# 'abc827'、'abcKNM'
re_str = 'abc\d{3}|abc[A-Z]{3}'
print(fullmatch(re_str, 'abcMKS'))

re_str = 'abc(\d{3}|[A-Z]{3})'
print(fullmatch(re_str, 'abc987'))

## 3.转义符号

# 在在正则中有特殊意义的符号前加 \ 让这个符号的功能消失，表示这个符号本身
re_str = '\d{2}\.[a-z]{3}'
print(fullmatch(re_str, '89.hsk'))
print(fullmatch(re_str, '89Mhsk'))   # None

re_str = '\d\+'
print(fullmatch(re_str, '8+'))

# 注意：除了在[]中有特殊意义的符号外(-和^)，其他的符号在[]里面都表示这个符号本身
re_str = '\d[+*|?$^()-]\d'
print(fullmatch(re_str, '2)8'))

# re模块

## 1.fullmatch(正则表达式, 字符串) - 判断字符串和正则表达式是完全匹配， 如果可以匹配返回匹配对象，否则返回None

## 2.match(正则表达式, 字符串) - 判断字符串的开头是否和正则匹配，如果可以匹配返回匹配对象，否则返回None

from re import fullmatch, match, search, findall, split, sub
re_str = '\d{3}'
print(fullmatch(re_str, '892'))
print(match(re_str, '923海兽祭祀shsjjj'))

## 3.search(正则表达式, 字符串) - 获取字符串中第一个满足正则表达式的子串，如果可以匹配返回匹配对象，否则返回None

print(search(re_str, 'jsjh892sjjdjjs2'))    # <re.Match object; span=(4, 7), match='892'>

## 4.findall(正则表达式, 字符串) - 获取字符串中所有满足正则表达式的子串，返回一个列表

print(findall(re_str, 'jsj 2839计算机282开始了11234，hss273681kl892p'))   # ['283', '282', '112', '273', '681', '892']

re_str = '\d{3}[a-z]'
print(findall(re_str, 'jsj 2839计算机282开始了11234，hss273681kl892p'))   # ['681k', '892p']

re_str = '(\d{3})[a-z]'
print(findall(re_str, 'jsj 2839计算机282开始了11234，hss273681kl892p'))    # ['681', '892']

re_str = '\d{2}[a-z]{2}'
print(findall(re_str, 'jsj89op就是789mn-=s函数56mn82是否879、'))    # ['89op', '89mn', '56mn']

re_str = '\d{2}([a-z]{2})'
print(findall(re_str, 'jsj89op就是789mn-=s函数56mn82是否879、'))    # ['op', 'mn', 'mn']

re_str = '(\d{2})([a-z]{2})'
print(findall(re_str, 'jsj89op就是789mn-=s函数56mn82是否879、'))    # [('89', 'op'), ('89', 'mn'), ('56', 'mn')]

## 5.split(正则表达式, 字符串) - 将字符串中所有满足正则表达式的子串作为切割点，对字符串进行切割

print(split('[a-z]+', '你好akslb江苏省a护具b==='))    # ['你好', 'ksl', '江苏省', '护具', '===']

## 6.sub(正则表达式, 字符串1, 字符串2) - 将字符串2中满足正则表达式的子串都替换成字符串1

print(sub('\d+', '+', '就是90JJ是239jsj函数2海事局'))