python学习——正则表达式

正则表达式的理解

通俗的理解就是在大量数据中，匹配自己想找到的内容，或者筛选合格的内容，过滤掉不合格的内容。
在python中，正则表达用到了re库，是pycharm自带的库，包含了众多方便使用正则表达式快速得到匹配目标的方法。比如math（）、search（）、findall（）这是几个最常用的方法。

匹配范围确定

常用中括号[ ]，括号括住的就是搜索目标。
[abc]:搜索目标是a、b、c，三个
[a-c]：同样搜索目标是a、b、c

re.search()

从第一个字符开始匹配，直到有一个可以匹配成功，且只匹配一个，否则返回none

import re
message = 'sduha128abc1f'
result = re.search('[abc]',message)
print(result)

#得到的结果是：
<_sre.SRE_Match object; span=(4, 5), match='a'>
这个结果不能直接使用，是一种特殊的格式
可以看到（4,5），说明在message中多个abc，只找到一个，而且是第一个。

re.match()

这个规定比较严格，只能从第一个匹配，第一个若不匹配，则匹配失败。

import re
message = 'sduha128abc1f'
result = re.match('[abc]',message)
print(result)

得到结果：
none
匹配失败，因为第一个不是a、b、c中的任一个

re.findall()

从第一个开始匹配，匹配到最后一个，把符合正则表达式的全部找到，返回一个列表，包含所有匹配成果。

import re
message = 'sduha128abc1f'
result = re.findall('[abc]',message)
print(result)

得到结果
['a', 'a', 'b', 'c']

匹配个数确定

限制某种字符匹配多少次。
规定用{ }里面写想匹配的次数，也可以用各种规定的符号。
*：匹配表达式任意次数
+：匹配表达式一次或多次
？：匹配表达式零次或一次
{整数}：匹配目标整数次
{整数，}：匹配目标至少整数次
{整数a，整数b}：匹配目标在a到b次之间

import re
message = 'zabcabcabc123'
result1 = re.findall('[abc]{5}',message)
print(result1)
['abcab']
规定匹配5次，只有5次
result2 = re.findall('[abc]{5,}',message)
print(result2 )
['abcabcabc']
至少5次
result3 = re.findall('[abc]?',message)
print(result3 )
['', 'a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c', '', '', '', '']
匹配0次或1次，所以第一次匹配失败是空的‘’，之后都成功，最后三次失败，所以最后三次都空‘’
result4 = re.findall('[abc]+',message)
print(result4 )
['abcabcabc']
匹配一次或多次，所以也是有多少要多少的意思

规定匹配从哪儿开始，从哪儿结束

两个符号^和$
^：必须从开始匹配，否则匹配失败
$：必须从结尾开始匹配，否则匹配失败

import re
message = 'zabcabcabc'
result1 = re.findall('[abc]{5}$',message)
print(result1)
得到结果是：
['bcabc']：从最后拿了五个

message = 'zabcabcabc123'
result1 = re.findall('[abc]{5}$',message)
print(result1)
匹配失败，因为最后是123，不是匹配目标，所以失败

re.match()和^很像，都是必须从字符串开头匹配。

验证手机号是否输入正确

手机号一定只有11位，且第一位一定是1，因为只输入手机号，所以不论从头开始还是从结尾开始，都得满足要求，所有用findall得用^和$卡两边，用match只需要用$卡结尾。

import re
phone = input('请输入手机号码:')
result = re.findall('^1[0-9]{10}$',phone)
#result = re.match('1[0-9]{10}$',phone)
print(result)

验证用户名是否输入正确

用户名规定，字母（大小写）数字下划线，数字不能开头。长度大于8位

import re
message = input('请输入用户名:')
result = re.findall('^[A-Za-z_][A-Za-z0-9_]{7,}$',message)
#经验，[]中可以输入多个范围，比如[A-Za-z_]
#经验，{7，}次数限制，只针对最后一个正则表达式
print(result)

正则表达式的简写符号

常见的需要记忆
\d：数字字符，等价于[0-9]
\D：非数字字符
\s：任何不可见字符，空格，换页，tab
\S：任何可见字符
\w：等价于[A-Za-z0-9_]
\W：任何非单词字符，和\w完全相反
\b：匹配单词边界，即单词和空格之间的位置

\f：换页符
\n：换行符
\r：回车符
\t：tab制表符

正则表达式前加‘r’：因为正则表达式是被写为字符串的形式，字符串中写\n，不知道是换行符还是匹配换行符，所以在正则表达式字符串前面加r，表示匹配换行符。

.：一点（英文版的），匹配除了‘\n’和‘\r’之外的所有单个字符。

正则表达，逻辑或，组，两个概念

“|”：将两个匹配条件进行逻辑或运算
（）：用括号括住正则表达式，最后得到的匹配结果自动把括号内匹配的内容给分组。（） 是正则表达式中使用比较频繁的。
‘\1’：用法和（）搭配，\1对应第一个（），\2对应第二个（），且\1代表的必须和（）里面的内容完全一样。

import re
message = '<t1>首页</t1>'
result = re.findall(r'^<(\w+)>(.+)</\1>$',message)
#这儿\1的意思，必须和第一个括号的内容一样，
#因为加了两个括号，所以得到result是列表，有两个内容，
#比如，'<t1>首页</首页>'正则表达去一个括号，'^<\w+>(.+)</\1>$'，这时两个“首页”是一样的
print(result)

inf = '<dt><a>首页</a></dt>'
result1 = re.findall(r'^<(\w+)><(\w+)>(.+)</\2></\1>$',inf)#引用匹配
result2 = re.findall(r'^<(?P<name1>\w+)><(?P<name2>\w+)>(.+)</(?P=name2)></(?P=name1)>$',inf)
#把“dt”命名为“name1”，“a”命名为“name2”，用关键字“？P”来声明给匹配目标命名写法
print(result1[0][2])#这是一个二维的，列表里面嵌套一个元组，[('dt', 'a', '首页')]

借助正则表达式修改文本

这儿聊re库中的两个方法，re.compile（）和re.sub（）
re.compile（）：功能是把经常用到的正则表达式打包，作为一个正则公式，比如：pattern = re.compile(’\d{2}:\d{2}’)，在re.findall(pattern,message)直接当做公式使用。
re.sub（）：功能是把匹配到的给替换掉，有三个参数，re.sub（正则表达式，替换内容，message）

import re

#借助正则表达，修改文本

#sub：把一串字符中的所有字母，转换为‘O’
content = 'fsf12sdf38df78'
content = re.sub('\d','O',content)
print(content)

#将正则字符串编译成正则表达式对象，以便在后面的匹配中重复使用
#用pattern = re.compile('正则表达式')，把正则表达式单独拿出来，当做一个对象
content1 = "2020 12 15 12:17"
content2 = "2020 12 15 13:17"
content3 = "2020 12 15 15:17"
pattern = re.compile('\d{2}:\d{2}')
result1 = re.sub(pattern,'',content1)
result2 = re.sub(pattern,'',content2)
result3 = re.sub(pattern,'',content3)
print(result1,result2,result3)

常用的正则表达式

[\u4e00-\u9fa5]：匹配所有汉字，[\u4e00-\u9fa5]+，匹配多个汉字。