day-19z正则表达式

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
• 需要导入模块from re import*

2.匹配符号

2.1re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

2.2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

2.2.1 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，比如：a_z、AZ,0~9,中文，=，@，

result = fullmatch(r'abc', 'abc1')
print(result)

2.2.2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.{3}b', 'a29xb')
print(result)  # <re.Match object; span=(0, 4), match='a29b'>

• 2）\d - 匹配任意一个数字字符

  result = fullmatch(r'a\db', 'a2b')
  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'\sabc\s123', '\tabc\t123')
print(result)  # <re.Match object; span=(0, 8), match='\tabc\t123'>

• 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', 'Aabc=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]等价于[mn0123456789]
情况三：减号（-）在两个符号之间，表示谁到谁：[a-z]等价于从a到z的所有小写字母
[A-Z]-匹配任意一个大写字母
[a-zA-Z] - 匹配任意一个字母
[\u4e00-\u9fa5] - 匹配任意一个中文
[0-9] - 匹配数字

result = fullmatch(r'a[xyz]c', 'axc')
print(result)
result = fullmatch(r'a[xyz\d]c', 'a9c')
print(result)

result = fullmatch(r'1[a-z]2', '1d2')
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[^a-z]2', '1吗2')
print(result)

3.匹配次数

• 用法：匹配符号匹配次数

3.1 * - 0次或多次（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（任意多个\d)

result = fullmatch(r'a*b', 'aaaab')
print(result)
result = fullmatch(r'a\d*', 'a123443525')
print(result)

3.2+ - 1次或多次（至少一次）

result = fullmatch(r'a+b', 'aaaab')
print(result)
result = fullmatch(r'\d+b', 'b')
print(result)  # None

3.3 ? - 0次或者1次

result = fullmatch(r'\d?abc', '4abc')
print(result)

• 练习：写一个正则表达式可以匹配任意一个正整数(不考虑0)

result = fullmatch(r'[+]?[1-9][0-9]*', '144')
print(result)

3.4 {}

{N} - N次
{M,N} - M到N次
{M,} - 至少M次
{，N} - 最多N次

result = fullmatch(r'a{3}b{4}', 'aaabbbb')
print(result)
result = fullmatch(r'q{3,8}b{3,}', 'qqqbbbb')
print(result)

4.贪婪和非贪婪

4.1 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（默认是非贪婪模式)

• 、 +、{N,M},{M,}、{，N}、？ - 贪婪
  *？ 、 +？、{N,M}？,{M,}？、{，N}？、？？ - 贪婪
  注意：python中处理fullmatch以外都可能出现贪婪和非贪婪

result = fullmatch(r'.+b', 'aksjb')
print(result)
result = search('.+b', 'aabaabaabaaaaa2')
print(result)  # <re.Match object; span=(0, 9), match='aabaabaab'>

result = search('.+?b', 'aabaabaabaaaaa2')
print(result)  # <re.Match object; span=(0, 3), match='aab'>

result=open('top250.html',encoding='utf-8').read()
result1=(findall('"inq">(.+?)<',result))
print(result1)

5.分组和分支

5.1分组 - （）

• 应用场景1：将正则表达式中的部分用（）栝起来作为一个整体进行操作

result = fullmatch(r'([a-z]{3}\d{2}){3}', "abc23efg45yhj67")
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’来重复他前面第N个分组匹配到的内容

‘3a3’、‘9a9’

result = fullmatch(r'(\d)a\1{3}', '9a999')
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 = 'sd34rer43==34s是123409JK055'
result = findall(r'[a-z](\d+)', str1)
print(result,type(result))

result=findall(r'([a-z]{2})=(\d{2})',str1)
print(result)   #[('aa', '43')]

5.2分支 - |

• 正则1|正则2 - 正则1和正则2中只要有一个能够匹配成功，就匹配成功

abc239 、abcMSH

result=fullmatch(r'abc(\d{3}|[A-Z]{3})','abc238')
print(result)
result=fullmatch(r'abc\d{3}|abc[A-Z]{3}','abc238')
print(result)

6.其他

6.1转义符号 - 在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

‘a.b’

result = fullmatch(r'a\.b', 'a.b')
print(result)
result = fullmatch(r'\(\d{3}\)', '(234)')
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放在[]中让其功能消失

result = fullmatch(r'[(]\d{3}\)', '(234)')
print(result)
result = fullmatch(r'[+]?[1-9]\d*', '23')
print(result)

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

6.2忽略大小写；在正则的最前面加一个（？i）

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

6.3 多行匹配和单行匹配：

• 多行匹配匹配的时候，‘.’不能和‘\n’匹配（默认）
• 单行匹配匹配的时候，‘.’能和‘\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'(?si)a.b', 'A\nb')  # 一起用？is 和？si一样
print(result)  # <re.Match object; span=(0, 3), match='a\nb'>

6.4 re模块中的常用函数

• 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字串，找到了返回字串对应的匹配对象，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字串作为切割点，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