day 14 ---- 正则表达式
1.认识正则表达式
1.)------ 一种可以让复杂的字符串问题变得简单的工具
-
案例:
# 案例1:判断输入的内容是否是一个合法的手机号码 # 要求:a. 长度是11位、 b.全部都是数字字符 c. 第一位是1 d.第二位:3~9 tel = '134893872n6' # 方法1:不使用正则 if len(tel) == 11: if tel[0] == '1' and tel[1] in '3456789': flag = True for x in tel[2:]: if not '0' <= x <= '9': flag = False break if flag: print('合法') else: print('不合法') else: print('不合法') else: print('不合法') # 方法2:使用正则表达式 from re import fullmatch result = fullmatch(r'1[3-9]\d{9}', tel) if result: print('合法') else: print('不合法')
2.匹配类符号
1.)fullmatch函数
-
fullmatch(正则表达式,字符串)
-
判断字符串是否满足正则表达式描述的规则,如果不满足,结果是None
# 2.所有匹配类符号 # 1)普通符号 - 在正则表达式中表示本身的字符就是普通符号 result = fullmatch(r'abc', 'abc') print(result) # 2) . - 匹配任意一个字符 result = fullmatch(r'.bc', '+bc') print(result) result = fullmatch(r'..bc','你好bc') print(result) # 3) \d - 匹配任意一个数字字符 result=fullmatch(r'a\d\db','a34b') # 4)\s - 匹配任意一个空白字符 # 空白字符 - 所有能产生空白效果的字符:空格、\t、\n result=fullmatch('a\sb','a b') print(result) # 5)\w - 匹配任意一个数字、字母、下划线或者中文 result=fullmatch(r'a\wb','a_b') print(result) # 6)\D、\S、\W """ \后面跟大写字母对应的功能和\后面跟小写字母的功能相反 \D - 匹配任意一个非数字字符 """ print(fullmatch(r'a\Ds\sc\we','awsac-e')) # 7)[字符集] - 匹配在字符集中任意一个字符 """ [amx] - 匹配a、m、x中的任意一个 [\dmn] - (\开头的特殊符号在中括号的还是有特殊意义)匹配任意一个数字或者m或者n [3-9mn] - (-在中括号中表示谁到谁)匹配3到9中的任意一个数字或者m或者n [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] - 匹配任意一个字母 [\u4e00-\u9fa5] - 匹配任意一个中文 """ print(fullmatch(r'a[abcd1]b','a1b')) result = fullmatch(r'a[ma\d]b', 'a3b') print(result) result = fullmatch(r'a[\u4e00-\u9fa5A-Z]b', 'aHb') print(result) # 注意:中括号中的-只有放在两个字符之间才能表示谁到谁,如果放在中括号的最前面或者最后面,或者放在中括号外面减号就只表示减号本身 result = fullmatch(r'a[-A]b', 'a-b') print(result) result = fullmatch(r'a-z', 'a-z') print(result) # 8)[^字符集] - 匹配不在字符集中的任意一个字符 result = fullmatch(r'a[^A-Z]b', 'a9b') print(result) result = fullmatch(r'a[^mn]b', 'aLb') print(result) # 注意:[]里面的^,只有放在最前面才有特殊功能,如果不在最前面^就是普通符号 result = fullmatch(r'a[s^A-Z]b', 'aMb') print(result)
3.匹配次数相关符号
# 1. * - 0次或者多次(任意多次)
# 匹配类符号*
print(fullmatch(r'a*b', 'aaaaaaab'))
print(fullmatch(r'\d*b', '189761000b'))
print(fullmatch(r'.*b', 'ms23@b'))
print(fullmatch(r'[A-Z]*b', 'KSOASKb'))
# 2. + - 1次或者多次
print(fullmatch(r'a+b', 'aaaaaab'))
# 3. ? - 0次或者1次
print(fullmatch(r'a?b', 'ab'))
# 4. {}
"""
{N} - N次
{M,N} - M到N次
{M,} - 至少M次
{,N} - 最多N次
"""
print(fullmatch(r'a{3}b', 'aaab'))
print(fullmatch(r'a{3,5}b', 'aaaab'))
print(fullmatch(r'a{3,}b', 'aaaaaab'))
print(fullmatch(r'a{,3}b', 'aaab'))
# 5. 贪婪和非贪婪(了解)
"""
匹配次数不确定的时候匹配模式分为贪婪和非贪婪两种,默认是贪婪的。
贪婪:在能匹配成功的情况下有多种匹配次数,贪婪取次数最多的那个次数。 (+、*、?、{M,N}、{M,}、{,N})
非贪婪:在能匹配成功的情况下有多种匹配次数,非贪婪取次数最少的那个次数。(+?、*?、??、{M,N}?、{M,}?、{,N}?)
"""
print('---------------------------------------华丽的分割线------------------------------------')
# fullmatch(正则表达式, 字符串) - 匹配整个字符串
# match(正则表达式, 字符串) - 匹配字符串开头
print(match(r'a\db', 'a3b收拾收sjsksk'))
# 'a12b'、'a12b就是b'、'a12b就是b设b'
print(match(r'a.+b', 'a21b就是b设b计师')) # <re.Match object; span=(0, 8), match='a21b就是b设b'>
print(match(r'a.+?b', 'a21b就是b设b计师')) # <re.Match object; span=(0, 4), match='a21b'>
print(match(r'a.+b', 'a12b就是设计师')) # <re.Match object; span=(0, 4), match='a12b'>
print(match(r'a.+?b', 'a12b就是设计师')) # <re.Match object; span=(0, 4), match='a12b'>
# 练习:写正则表达式可以匹配任意一个整数字符串(不考虑0)
# 匹配成功:'123'、'9'、'-234'、'+233'
# 匹配失败:'23m'、'--7283'、'++782'、'009'、'02'
result = fullmatch(r'[+-]?[1-9]\d*', '123')
print(result)
4.分组和分支
# 1. () - 分组
"""
在正则表达式中可以用()将正则表达式中的部分内容括起来表示一个整体,一个()代表一个分组。
"""
# 1)整体控制 - 以某个部分为单位对符号进行控制
# 'mn123kl234hg092mn123'
print(fullmatch(r'([a-z]{2}\d{3})+', 'mn123kl234hg092'))
# 2)重复 - 在正则中可以通过\N来重复它前面第N个分组匹配到的结果
# '234-234'、'001-001'、'890-890'
print(fullmatch(r'(\d{3})-\1', '323-323'))
print(fullmatch(r'([a-z]{2})(\d{3})=\2\1{2}\2', 'mn891=891mnmn891'))
# 3)捕获 - 获取匹配结果的某个部分
"""
捕获分为自动捕获和手动捕获两种,只有findall具有自动捕获的功能,其他情况需要手动捕获
findall(正则表达式, 字符串) - 获取字符串中所有满足正则的子串
"""
from re import findall
message = '年龄: 18岁, 身高: 170, 体重:120斤, 月薪:3000元, 房租:1000元'
result = findall(r'\d+', message)
print(result) # ['18', '170', '120', '3000', '1000']
result = findall(r'\d+元', message)
print(result) # ['3000元', '1000元']
# a. 自动捕获 - 自动获取匹配结果分组匹配到的内容
result = findall(r'(\d+)元', message)
print(result) # ['3000', '1000']
# b. 手动捕获 - 写额外的代码来获取匹配结果中分组匹配到的内容
result = fullmatch(r'(\d+)元', '8292元')
print(result)
# 获取整个正则对应的匹配结果: 匹配对象.group()
print(result.group()) # 8292元
# 获取某个分组对应的匹配结果: 匹配对象.group(分组数)
print(result.group(1)) # 8292
result = fullmatch(r'(\d{2})([a-z]{3})', '23ksk')
print(result) # <re.Match object; span=(0, 5), match='23ksk'>
print(result.group()) # 23ksk
print(result.group(1)) # 23
print(result.group(2)) # ksk
# 2. | - 分支
"""
正则1|正则2 - 先用正则1去匹配,如果匹配成功整个正则表达式就匹配成功,如果匹配失败就用正则2来匹配。
"""
# '23mns'、'34看手机'
print(fullmatch(r'\d{2}[a-z]{3}|\d{2}[\u4e00-\u9fa5]{3}', '23klm'))
print(fullmatch(r'\d{2}([a-z]{3}|[\u4e00-\u9fa5]{3})', '23几十块'))
5.检测类符号
# 检测类符号 - 在匹配成功的情况下,检测指定的位置是否符合相应的要求(不影响字符串长度)
# 1. \b - 检测\b所在的位置是否是单词边界
"""
单词边界: 英文符号中可以区分出不同单词的符号(例如:空白符号、英文标点符号、字符串开头、字符串结尾)
"""
print(fullmatch(r'\d{2},\ba', '23,a')) # <re.Match object; span=(0, 4), match='23,a'>
str1 = '123jsk5678换手机 789,89ksk890 数 899'
print(findall(r'\d+', str1)) # ['123', '5678', '789', '89', '890', '899']
print(findall(r'\b\d+', str1)) # ['123', '789', '89', '899']
print(findall(r'\d+\b', str1)) # ['789', '890', '899']
print(findall(r'\b\d+\b', str1)) # ['789', '899']
# 2. ^ - 检测是否是字符串开头
# 3. $ - 检测是否是字符串结尾
# search(正则, 字符串) - 获取字符串中第一个满足条件的子串
print(search(r'\d{3}', 'sgg789几十739块'))
print(search(r'^1[3-9]\d{9}$', '13678992310'))
# 4.转义符号 - 在正则中有特殊意义的符号前加\,让这个符号变成普通符号
# '合.234'、'块.82902'
print(fullmatch(r'[\u4e00-\u9fa5]\.\d+', '和.233'))
# '2*8'、'3*8'
print(fullmatch(r'\d\*\d', '2*3'))
# '(MHS)'、'(KLS)'
print(fullmatch(r'\([A-Z]{3}\)', '(HUK)'))
# 5. re模块 - 模块全是和正则表达式相关的函数
from re import fullmatch, match, search, findall, finditer, sub, split
"""
fullmatch(正则, 字符串) - 匹配整个字符串(判断整个字符串是否符合正则描述的规则),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(判断字符串开头是否符合正则描述的规则),匹配成功返回匹配对象,匹配失败返回None
search(正则, 字符串) - 匹配字符串中第一个满足正则的子串,匹配成功返回匹配对象,匹配失败返回None
findall(正则, 字符串) - 获取字符串中所有满足正则的子串,返回值是一个列表,列表中的元素是匹配到字符串
finditer(正则, 字符串) - 获取字符串中所有满足正则的子串,返回值是一个迭代器,迭代器中的元素是匹配对象
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
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
"""
str1 = '换手机2839就是就是09,hs78 728m开始 89'
result = findall(r'\d+', str1)
print(result) # ['2839', '09', '78', '728', '89']
result = finditer(r'\d+', str1)
print(result)
print(next(result)) # <re.Match object; span=(3, 7), match='2839'>
print(list(result))
result = split(r'\d+', str1)
print(result) # ['换手机', '就是就是', ',hs', ' ', 'm开始 ', '']
result = sub(r'\d+|[a-zA-Z]+', 'A', str1)
print(result) # 换手机A就是就是A,hsA Am开始 A