day16-正则表达式
正则表达式匹配符号
re模块是python内置的专门提供处理正则表达式函数的模块
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
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
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,最后一个字符是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'>
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'>
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'))
检测类符号
匹配类的符号,一个符号需要对应一个字符;检测类的符号不影响字符串的长度,只是在匹配成功后检测符号所在的位置是否符合要求
1.\b和\B
\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
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']
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1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
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
print(findall(re_str, 'amnmb123lk计算机上'))
分组和分支
1.() - 分组
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
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'))
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
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
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
3.search
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
4.finally
finally(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
5.split
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
6.sub
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