【1.1正则表达式】Python核心编程（第三版）猴子都能看懂的笔记

最新推荐文章于 2023-04-27 11:31:59 发布

元气小猫猫

最新推荐文章于 2023-04-27 11:31:59 发布

阅读量564

点赞数 1

分类专栏： Python核心编程（第三版）文章标签： python 正则表达式

本文链接：https://blog.csdn.net/m0_52236229/article/details/113746681

版权

Python核心编程（第三版）专栏收录该内容

1 篇文章 0 订阅

订阅专栏

文章目录

正则表达式
起始和结尾部分指定
1.3正则表达式和Python语言
1.3.11 使用findall()和finditer()查找每一次出现的位置
扩展符号
一些正则表达式示例
更长的正则表达式示例

辅助阅读：

https://blog.csdn.net/hehe_win/article/details/54602584
基于《笨办法学习Python3》
修订：2

在这里插入图片描述

正则表达式

择一匹配	匹配的字符串
bat\|bet\|bit	bat、bet、bit

匹配句点位置	匹配的字符串
f.o .end
…	任意两字符

转义字符：‘\’

search()：搜索——任何位置开始匹配

match()：匹配——起始字符开始匹配

搜索起始和结尾部分指定："\A 或 ^"

匹配字符串的末尾位置："$ 或 \Z"

美元符号：.*\$$

注意：书中目前没说\A和\Z用法

起始和结尾部分指定

起始和结尾部分指定	匹配的字符串
^From /bin/tcsh$	起始字符…【行首】 …结尾字符
^Subject:hi$	单独字符串

单词边界：在匹配时会忽略换行和特殊字符

例如：James 1abc，正则\Babc，结果找到

单词边界匹配

单词边界匹配	匹配的字符串
the	任何包含
\bthe	起始字符【单词边界】
\bthe\b	仅匹配单词【会忽略特殊字符】
\Bthe	不以the开头

限定范围和否定

限定范围和否定	…
b[aeiu]t `[cr][23][dp][o2]`	匹配方括号中包含的任何单字符【字符集】
`Z.[0-9]` `[A-Za-z][env-y]`	小数【指定字符范围】
[^ASD]	不匹配的单字符
[^\t\n]	不匹配的制表符
["-a]	~~ASCII系统，所有系统位于""和"a"之间，即34-97之间~~

正则表达式[ab]，'a’和’b’是相互独立，但只能匹配单字符

否则用a|b

使用闭包操作符实现存在性和频数匹配	。。。
[dn]ot?	0~1次出现
0?[1-9]	01~09月
[0-9]{15,16}	匹配15~16次【信用卡号码】
`</?[^>]+>`	匹配全部HTML标签【不验证有效性】
`[KQRBNP][a-h][1-8][a-h][1-8]`	~~在“长代数”标记法中，表示国际象棋合法的棋盘移动（仅移动，不包括吃子和将军）。即K、Q、R、B、N、P等字母后加上a1_{h8之间棋盘坐标。坐标1从哪走，坐标2走到哪个位置}~

\*匹配星号

多次使用问号：问号在任何使用闭合操作符的匹配后面，它将直接要求正则表达式引擎匹配尽可能少的次数+

正则常用符号

Name	匹配前面正则
（*）	0+ 【Kleene闭包】
（+）	1+ 【正闭包操作符】
（？）	0~1 [Mr?]：Mr或M
{M,N} {M}	匹配前面正则 M~N次

表示字符集的特殊字符	…
\d	十进制数字
\D	非十进制数 `[^0-9]`
\w	全部字母数字 [A-Za-z0-9_]
\s	空白字符

\w+-\d+				#字母数字-数字
'''减号只在字节集下有效'''
#a1-1
#2a-2

[A-Za-z]\w*			#首字符是任意字母大小写，其余是字母或数字，可有可无
\d{3}-\d{3}-\d{4}	#美国号码：800-555-1212
\w+@\w+\.com		#简单电子邮件地址

使用圆括号指定分组扩展表示法

可用闭包操作符 独立执行部分“()“

\d+(\.\d*)?							#浮点数,会保留句点
(Mr?s?\.)?[A-Z][a-z]*[A-Za-z-]+		#M.Co-co

在这里插入图片描述

【称谓可有可无】，【首字母大写】，【小写字母可有可无】，【字母、大小写或”-“】一次以上

扩展表示法

圆括号有一个副作用：匹配模式的子字符串可以保存起来供后续使用。这些子组能够被同一次的匹配或者搜索重复调用，或者提取出来用于后续处理。~~【后续会讲到group()…】~~

示例：1.3.9

“（）”使自己相关的匹配被缓存，?:放在第一个选项前来抵消这种副作用

但这些匹配不会保存下来供后须使用和数据检索

参考：python re 扩展表示法

(?iLmsux)在正则表达式中嵌入一个或者多个特殊"标记"参数(?x),(?im)

(?:…)表示一个匹配不用保存的分组(?:\w+.)*

(?P<name>...)像一个仅由name标示而不是数字ID标示的正则分组匹配(?P<data>)

(?P=name)在同一个字符串中匹配由(?P<name)分组的之前文本(?P=data)

(?#…)标示注释，所有内容都被忽略(?#comment)

(?=…)匹配条件是如果…出现在之后的位置，而不适用输入字符串;称作正向前视断言(?=.com)

(?!..)匹配条件是如果…不出现在之后的位置，而不使用输入字符串;称作负向前视断言(?!.net)

(?<=…)匹配条件是如果…出现在之前的位置，而不使用输入字符串;称作正向后视断言(?<=800-)

(?<!..)匹配条件是如果…不出现在之前的位置，而不使用输入字符串;称作负向后视断言(?<!192.168.)

(?(id/name)Y|N)如果分组所提供的id或者name存在，就返回正则表达式的条件匹配Y，如果不存在，就返回N;|N是可选项。(?(1)y|X)

(?:\w+\.)*			#表示一个匹配不用保存的分组
(?#comment)			#注释
(?=.com)			#任意字符.com
(?!.net)			#字符不是跟着.net
(?<=800-)			#字符头部为“800-”才匹配
(?<!192\.168\.)		#字符之前不是192.168.才做匹配 【过滤C类IP地址】
(?(l)y|x)			#

最后一个没搜到什么作用

1.3正则表达式和Python语言

常见的正则表达式属性

函数/方法	描述
仅仅是re模块函数
compile(pattern,flags=0)	使用任何可选的标记来编译正则表达式的模式，然后返回一个正则表达式对象
re 模块的函数和正则表达式对象的方法
match(pattern,string, flags=0)	尝试使用带有可选的标记的正则表达式的模式来匹配字符串。如果匹配成功，就返回匹配对象；如果失败，就返回None
search(pattern,string, flags=0)	尝试可选标记搜索字符串中第一次出现的正则表达式模式。如果匹配成功，就返回匹配对象；如果失败，就返回None
findall(pattern,string[,flags])	查看字符串中所有（非重复）出现的正则表达式模式，并返回一个匹配列表
finditer(pattern,string[, flags])	与findall()函数相同，但返回的不是一个列表，而是一个迭代器。对于每一次匹配，迭代器都返回一个匹配对象
split(pattern,string, max=0)	根据正则表达式的模式分隔符，split函数将字符串分割为列表，然后返回成功匹配的列表，分割最多操作max次（默认分割所有匹配成功的位置）
sub(pattern, repl, string, max=0)	使用repl替换所有正则表达式的模式在字符串中出现的位置，除非定义count，否则就将替换所有出现的位置
purge()	消除隐式编译的正则表达式模式
常见的匹配方法
group(num=0)	返回整个匹配对象，或者编号为num的特定子组
groups(default=None)	返回一个包含所有匹配子组的元组（如果没有成功匹配，则返回一个空元组）
groupdict(default=None)	返回一个包含所有匹配的命名子组的字典，所有的子组名称作为字典的键（如果没有成功匹配，则返回一个空字典）
常用的模块属性
re.I、re.IGNORECASE	不区分大小写的匹配
re.L、re.LOCALE	根据所使用的本地语言环境通过\w、\W、\b、\B、\s、\S实现匹配
re.M、re.MULTILINE	^和$分别匹配目标字符串中行的起始和结尾，而不是严格匹配整个字符串本身的起始和结尾
re.S、re.DOTALL	“.”（点号）通常匹配除了\n（换行符）之外的所有单个字符；该标记表示“.”（点号）能够匹配全部字符
re.X、re.VERBOSE	通过反斜线转义，否则所有空格加上#都被忽略，除非在一个字符类中或者允许注释并且提高可读性

compile()

1.1章节并没有相关示例，后期补充

1.3.4使用match()方法匹配字符串

match()函数从起始位置匹配，匹配成功：返回对象，否则None
m = re.match('(ab)', 'ab')
m.group(1)           # 子组 1
group()返回值：整个匹配对象、‘特定要求子组。

groups()返回值：包含1个以上子组的元组。

若无子组group()返回完整匹配，groups() 返回空元组“（）”
re.match('ab', 'ab').group()		# 没有子组
'ab'								# 完整匹配
m.groups()           				# 所有子组
()

import re

bt = 'bat|bet|bit'
re.match(bt,'batL').group()						#'bat'
re.search(bt, 'He bit me!') .group()			#'bit'
# 起始位置【匹配】
# 任意位置【搜索】
# 判断避免AttributeError异常,group()无法处理None



m = re.search('.end', 'The end.')
if m is not None:print(m.group())		# “ end”
#if m !=None:print(m.group()
    
re.match('3\.14', '3.14').group()		# 3.14
'''
（.）句点叫空字符可以替换小数点，不能匹配 换行符 或者 非字符 ，不包括空格
'''

"模式"叫“pattern”——匹配的正则表达式，书中叫法特

择一匹配的范围更局限

re.match('[cr][23][dp][o2]', 'c2do')
re.match('r2d2|c3po', 'c2do')		# 不匹配 'c2do'

1.3.9 重复、特殊字符以及分组

re.match('(ab)', 'ab').groups()		# ('ab',)


m = re.match('(a)(b)', 'ab')
m.group()							# 'ab' ——整个匹配对象
m.group(2)							# b
m.groups()							# ('a', 'b')


m = re.match('(a(b))', 'ab')		
m.groups()							# ('ab', 'b')

group() 返回整个匹配对象、要求的特定子组。

groups() 返回包含全部~~或唯一~~子组的元组、无匹配返回空元组

import re
单次子域名 = '\w+@(\w\.)?\w\.com'
多次子域名 = '\w+@(\w+\.)*\w+\.com'
特殊地址 = '(\w+)-(\d+)'
#nobody@www.xxx.com
#nobody@xxx.com
#nobody@www.xxx.yyy.zzz.com

1.3.10 匹配字符串的起始和结尾以及单词边界

search()和match()用法完全一致，当前进度group()都没数据

re.search('^The', 'The end.').group()		#'The'

m = re.search('^The', 'end.The')			# 不作为起始
if m is not None: m.group()
...

#任何以The为起始的字符串
re.search('^The', 'The end.').group()
#同match()从起始位置进行匹配
#re.search('^The', 'end.The').group()	#None	

# 起始字符【单词边界】
re.search(r'\bthe', 'bite the dog').group()		#the

# 包含 但不以the起始
re.search(r'\Bthe', 'bitethe dog').group()		#bitethe

不懂什么是有边界和无边界，但能理解命令，见：《起始和结尾部分指定》

1.3.11 使用findall()和finditer()查找每一次出现的位置

re模块函数:常见的正则表达式属性

函数/方法	描述
仅仅是re模块函数
compile(pattern,flags=0)	使用任何可选的标记来编译正则表达式的模式，然后返回一个正则表达式对象
re 模块的函数和正则表达式对象的方法
match(pattern,string, flags=0)	尝试使用带有可选的标记的正则表达式的模式来匹配字符串。如果匹配成功，就返回匹配对象；如果失败，就返回None
search(pattern,string, flags=0)	尝试可选标记搜索字符串中第一次出现的正则表达式模式。如果匹配成功，就返回匹配对象；如果失败，就返回None
findall(pattern,string[,flags])	查看字符串中所有（非重复）出现的正则表达式模式，并返回一个匹配列表
finditer(pattern,string[, flags])	与findall()函数相同，但返回的不是一个列表，而是一个迭代器。对于每一次匹配，迭代器都返回一个匹配对象
split(pattern,string, max=0)	根据正则表达式的模式分隔符，split函数将字符串分割为列表，然后返回成功匹配的列表，分割最多操作max次（默认分割所有匹配成功的位置）
sub(pattern, repl, string, max=0)	使用repl替换所有正则表达式的模式在字符串中出现的位置，除非定义count，否则就将替换所有出现的位置
purge()	消除隐式编译的正则表达式模式
常见的匹配方法
group(num=0)	返回整个匹配对象，或者编号为num的特定子组
groups(default=None)	返回一个包含所有匹配子组的元组（如果没有成功匹配，则返回一个空元组）
groupdict(default=None)	返回一个包含所有匹配的命名子组的字典，所有的子组名称作为字典的键（如果没有成功匹配，则返回一个空字典）
常用的模块属性
re.I、re.IGNORECASE	使匹配对大小写不敏感(大写i)
re.L、re.LOCALE	根据所使用的本地语言环境通过\w、\W、\b、\B、\s、\S实现匹配
re.M、re.MULTILINE	==【多行匹配】==影响 ^ 和 $br />^和$ 分别匹配目标字符串中行的起始和结尾，而不是严格匹配整个字符串本身的起始和结尾
re.S、re.DOTALL	==【单行模式】==使 “.”（点号）匹配包括换行在内的所有字符
re.X、re.VERBOSE	通过反斜线转义，否则所有空格加上#都被忽略，除非在一个字符类中或者允许注释并且提高可读性

注意： match 和 search 是匹配一次 findall 匹配所有。

帮助地址：Finadall和Finditer区别

findall(string[, pos[, endpos]])

string 待匹配的字符串。
pos 可选参数，指定字符串的起始位置，默认为 0。
endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。

findall(pattern,string[,flags]) 【匹配列表】查看字符串中所有（非重复）出现的正则表达式模式，并返回一个匹配列表

重复：r'(th\w+) and (th\w+)' 是指这里有两个一样的表达式

[‘car’, ‘car’, ‘car’]

finditer(pattern,string[, flags]) 【迭代器】与findall()函数相同，但返回的不是一个列表，而是一个迭代器。对于每一次匹配，迭代器都返回一个匹配对象

[(‘This’, ‘that’)] #要求多个字组

>>> re.findall('car', 'carry the barcardi to the car')
['car', 'car', 'car']

~~re模块的*finditer()函数报出AttributeError*: ‘callable_iterator’ object has no attribute ‘next’*的错误：~~

~~https://blog.csdn.net/weixin_43148062/article/details/105639146+~~

>>> s = 'This and that.'



#当前版本【3.9】
>>> it = re.finditer(r'(th\w+) and (th\w+)',s,re.I)
>>> next(it).groups()
('This', 'that')

#书中写法【过时】
>>> it.next().groups()
出错了

~~别管为啥有个逗号，他只有一个元素，也不要next(it)两次，除非重新赋值变量，会出错的~~

\w会在空字符作为边界

re.I（不区分大小写）

import re
s = 'This and that.'
res = re.finditer(r'(th\w+) and (th\w+)',s,re.I)
print(next(res).group(2))
#print(next(res).groups())
#只能执行一行

============================================
that
============================================
('This', 'that')

~~next()不仅会返回下一行，猜测是同概念，但指向不同东西，不明白为啥加next()~~

#下面是字节码，0是起始位置
>>> print(next(it))
<re.Match object; span=(0, 4), match='This'>

import re
s = 'This and that.'


'''多个子组'''
re.findall(r'(th\w+) and (th\w+)', s, re.I)		#[('This', 'that')]
re.findall(r'(th\w+)', s, re.I)					#['This', 'that']

import re
s = 'This and that.'							#r原样输出

res = re.finditer(r'(th\w+) and (th\w+)',s,re.I)
g = next(res)
g.groups()								#('This', 'that')
#全部子组

res = re.finditer(r'(th\w+) and (th\w+)',s,re.I)
g = next(res)
g.group(2)								#'that'
#子组2

[g.group(1) for g in re.finditer(r'(th\w+)', s, re.I)]
#['This', 'that']

import re
s = 'This and that.'


res = re.finditer(r'(th\w+) and (th\w+)',s,re.I)
g = next(res)

m = re.finditer(r'(th\w+)', s, re.I)
print(next(m).groups())
print(next(m).groups())

#for gg in re.finditer(r'(th\w+)', s, re.I):
#    print(gg.group(1))
#z = [g.group(1) for gg in re.finditer(r'(th\w+)', s, re.I)]
#print(z)
==================================
('This',)
('that',)
看[g.group(1) for g in re.finditer(r'(th\w+)', s, re.I)]，我拆开理解了，每次next()都会返回一个新元组内元素，
import re
s = 'This and that.'

z = [g.group(1) for g in re.finditer(r'(th\w+)', s, re.I)]                      #['This', 'that']
print(z)
re.finditer(r'(th\w+)', s, re.I)返回列表，for每次循环的列表成员（这里是元组元素）从索引0开始，每次循环会赋值给内部临时变量g ，循环次数有列表成员数长度决定，每次循环会让变量更新一次，for有更高优先性，随后group(1)就会输出一个数据，循环2次就两个数据。【列表内是可以执行函数的】

使用sub()和subn()搜索与替换

re.sub(‘查找’, ‘替换为’, ‘字符串’) 实现搜索与替换功能，返回替换后的字符串。
subn(‘查找’, ‘替换为’, ‘字符串’) 实现搜索与替换功能，返回元组：替换后字符、替换总数

>>> import re
>>> 
>>> re.sub('查找、正则', '替换为', '字符串')
'处理结果'
>>> re.subn('查找', '替换为', '字符串')
('处理结果', 总数)

>>>
re.sub('[ae]', '+', 'abcdef')
'+bcd+f'
>>> re.subn('[ae]', '+', 'abcdef')
('+bcd+f', 2)

>>> print (re.sub('X', 'Mr.Smith', 'attn: X\nDear X,\n'))
attn: Mr.Smith
Dear Mr.Smith,


#匹配两次1或2位数字，匹配2或4位数字
>>> re.sub(r'(\d{1,2})/(\d{1,2})/(\d{2}|\d{4})',r'\2/\1/\3','2/20/91')
'20/2/91'
>>> re.sub(r'同上','同上','2/20/1991')
'20/2/1991'

发现一个意料之外：无关不帮助理解【参考：贪婪匹配】

>>> re.sub(r'(\d{1,2})/(\d{1,2})/(\d{2}|\d{4})',r'\2/\1/\3','33777777777744/20/1991')
'33777777777720/44/1991'

在限定模式上使用split()分隔字符串

文本.split(str="", num=string.count(str)).

split(pattern,string, max=0)

根据split分割文本，返回成功匹配的列表，分割最多操作max次。（默认无上限）

split可以代替复杂且影响性能的正则表达式。

for 临时 in 元组:
print(re.split(‘表达式’,临时))

>>> import re
>>> DATA=(
     'Mountain View,VA94040',
     'Sunnyvale, VA',
     'Los Altos, 94023',
     'Cupertino 95014',
     'Palo Alto CA',
 )
>>> for datum in DATA:
     print (re.split(', |(?= (?:\d{5}|[A-Z]{2})) ',datum))

'''任意字符(不保存分组，数字5位或 任意两个大写字母)'''
""" 
'逗号'在print打印时就没有了，因为在字符串外，所以for基于逗号进行了逐个取出
正则中逗号代表
"""
        
        
        
#(?:...)没找到会变成None，加上这个不会输出None在里面
#例如：?=.com，任意字符.com
=========================================
['Mountain View', 'VA', '94040']
['Sunnyvale', 'VA']
['Los Altos', '94023']
['Cupertino', '95014']
['Palo Alto', 'CA']

在这里插入图片描述

上图：不加?:，下图反之

在这里插入图片描述

扩展符号

re.M/re.MULTILINE实现多行混合

常用命令见：《re模块函数:常见的正则表达式属性》

参考：

【推荐】Python正则表达式中的re.S，re.M，re.I的作用

~~re.S 和 re.M的一点区别~~

在这里插入图片描述

为了更好的理解，只推进书中进度，上面反斜杠和单引有错

re.m（?m）：跨行搜索，不必将整个字符串视为单个实体

re.i（?i）：不区分大小写

#不区分大小写
>>> re.findall(r'(?i)yes','yes? yesYes. YES!!')
['yes', 'yes', 'Yes', 'YES']



import re


#部分大小写，多行匹配
s =re.findall(r'(?im)(^th[\w ]+)', """
This line is the first,
another line,
that line,
it's the best
""")

print(s)

================================================


['This line is the first', 'that line']

re.S/re.DOTALL使点号能够用来表示\n符号

res.s：==【单行模式】==使 “.”（点号）匹配包括换行在内的所有字符

>>> re.findall(r'th.+','''
The first line
the second line
the third line
''')
['the second line', 'the third line']

>>> re.findall(r'(?s)th.+', '''
The first line
the second line
the third line
''')
['the second line\nthe third line\n']

re.X/VERBOSE

换一种说法解释：这个选项忽略规则表达式中的空白和注释，并允许使用 ’#’ 来引导一个注释。这样可以让你把规则写得更美观些。

~~（书里写的真是拐弯抹角）~~

re.search(r'''(?x)
     \((\d{3})\)  #区号
     [ ]          #空白符
     (\d{3})      #前缀
     -            #横线
     (\d{4})      #终点数字
 ''','(800) 555-1212').groups()

#如果还在懵圈请把正则和被匹配的空格去掉，这会干扰理解
#另外我常省略导入re

(?:…)对正则表达式进行分组

使用圆括号会被缓存，使用(?:…)不会缓存，只用来匹配正确性

帮助：【推荐】Python正则表达式之 - ?: / ?= / ?!

~~Python 正则表达式（分组）~~

~~正则表达式（四）：正则表达式中的分组的概念~~

>>> re.findall(r'http://(?:\w+\.)*(\w+\.com)','http://google.com http://www.google.com http://code.google.com')
['google.com', 'google.com', 'google.com']

不加?:

split()中用正则会保留可见的None文本，findall()不会

>>> re.findall(r'http://(\w+\.)*(\w+\.com)','http://google.com http://www.google.com http://code.google.com http://www.code.aaa.google.com')

==================================================
[('', 'google.com'), ('www.', 'google.com'), ('code.', 'google.com'), ('aaa.', 'google.com')]

在线工具中与实际输出不同：https://tool.oschina.net/regex#

在这里插入图片描述

(?P< name >)

返回：根据?p<name>的name为字典键名

>>> re.search(r'\((?P<areacode>\d{3})\) (?P<prefix>\d{3})-(?:\d{4})','(800) 555-1212').groupdict()
{'areacode': '800', 'prefix': '555'}

`\g<name>`

参考：re模块中 (?P<name>) (?P=name)及 \g<name> 三者的使用区别

可以使用（?P<name>）创建元组，然后用（\g<name>）复用这个匹配

import re

astr = 'aabb aacc aadd'
result = re.sub(r'(?i)aa(?P<pattern>[\w]+)',r'bb\g<pattern>',astr)
print('{} _____ {}'.format(astr,result))

re.sub(r'\((?P<areacode>\d{3})\) (?P<prefix>\d{3})-(?:\d{4})','(\g<areacode>) \g<prefix>-xxxx', '(800) 555-1212')

#上面书里没有的命令一看就会吧
=================================
aabb aacc aadd _____ bbbb bbcc bbdd

(?x)

(?x)：空格必须用[ ]代替，否则执行结果不同
参考地址：正则表达式中 ?=.* 是什么含义？ - 知乎用户的回答 - 知乎
?p=<name>返回布尔值

import re

s = bool(re.match(r'''(?x)\((?P<areacode>\d{3})\) (?P<prefix>\d{3})-(?P<number>\d{4}) (?P=areacode)-(?P=prefix)-(?P=number) 1(?P=areacode)(?P=prefix)(?P=number)''','(800) 555-1212 800-555-1212 18005551212'))


z = bool(re.match(r'''(?x)
    \((?P<areacode>\d{3})\)[ ](?P<prefix>\d{3})-(?P<number>\d{4})
     [ ]
     (?P=areacode)-(?P=prefix)-(?P=number)
     [ ]
      1(?P=areacode)(?P=prefix)(?P=number)
 ''', '(800) 555-1212 800-555-1212 18005551212'))

print(s)

print('\n',z)
===================================================
False

 True

字符串格式化符号

在这里插入图片描述

参考地址：https://jingyan.baidu.com/article/454316abaf775ab6a6c03a7b.html

>>> '%c 打印一个字母'  % (97)
'a 打印一个字母'
>>> '单推%s 娘'  % '22'
'22 娘'

正向前视断言(?…) 负向前视断言 (?!…)

~~参考：https://blog.csdn.net/csm0912/article/details/81206848~~

~~https://zhidao.baidu.com/question/1110915947964324019.html~~

断言正则成立，则运行子组正则
// 正向前视断言	【要求之内】
exp1(?=exp2) 	//exp2前面是exp1
(?<=exp2)exp1 	//exp2后面是exp1


// 负向前视断言	【要求之外】
exp1(?!exp2) 	//exp1后面不是exp2
(?<!exp2)exp1 	//exp1前面不是exp2

re.findall(r'\w+(?= van Rossum)',
'''
   Guido van Rossum
   Tim Peters
   Alex Martelli
   Just van Rossum
   Raymond Hettinger
''')

==============================================
['Guido', 'Just']

?m【多行匹配】不需要像?x那样使用[ ]来充当空格，而是原始文本输出

\s用于匹配空白字符。所以正则：以空白字符开头的字符

~~字符边界（重复）：一二三 ，就跟编辑器Ctrl+D一样~~

import re

#?m【多行匹配】
#\s【空字符】
z = re.findall(r'(?m)^\s+(?!noreply|postmaster)(\w+)',
'''
   sales@phptr.com
   postmaster@phptr.com
   eng@phptr.com
   noreply@phptr.com
   admin@phptr.com
''')


print('\n',z)


============================================
['sales', 'eng', 'admin']

请参考《字符串格式化符号》，这就类似于f'{}{}'.format('1','2') 输出：‘12’

import re

z = ['%s@aw.com' % e.group(1) for e in \
re.finditer(r'(?m)^\s+(?!noreply|postmaster)(\w+)',
'''
   sales@phptr.com
   postmaster@phptr.com
   eng@phptr.com
   noreply@phptr.com
   admin@phptr.com
''')]

print('\n',z)
=================================================
 ['sales@aw.com', 'eng@aw.com', 'admin@aw.com']

使用条件正则表达式匹配

?(1)参考链接，我看不太懂，貌似和布尔值有关

bool()类型判断：：https://blog.csdn.net/u014472777/article/details/90318960

print(bool(re.search(r'(?:(x)|y)(?(1)y|x)','xy')))		#True
print(bool(re.search(r'(?:(x)|y)(?(1)y|x)','yx')))		#True
print(bool(re.search(r'(?:(x)|y)(?(1)y|x)','x')))		#False
#使用条件正则表达式。上述匹配一个字符串：两个字母必须由一个字母跟着另一个字母，两个字母不能相同

退格符\b和正则表达式\b之间的差异

\w和\W字母数字字符集同时受re.L/LOCALEUnicode（re.U/UNICODE）标记所影响。

~~书里很多是啰嗦。~~

'\b' = 退格符
'\\b' = \b
r'\b' = 单词边界

~~\d 使用原始字符串时并未遇到问题，这是因为ASCII中没有相应的特殊字符~~

>>> m=re.match('\bblow','blow')
>>> if m:    m.group()
...
>>> m=re.match('\\bblow','blow')
>>> if m:    m.group()
...
'blow'
>>> m=re.match(r'\bblow','blow')
>>> if m:    m.group()
...
'blow'

一些正则表达式示例

~~为啥实例化文本才会按行读取，直接赋值多行不可以~~
r'字符串' 用于避免转义特殊字符串字符，如\n，可以用\\s 代表\s

System Idle Process              0 Services                   0          4 K
System                           4 Services                   0      9,212 K
smss.exe                       464 Services                   0        544 K
csrss.exe                      708 Services                   0      2,792 K
wininit.exe                    816 Services                   0      2,808 K
services.exe                   888 Services                   0      5,220 K
lsass.exe                      904 Services                   0     10,984 K

re.split(r'正则匹配分隔文本', 字符串)

import re

for i in open('whodata.txt', 'r'):
    print(re.split(r'\s\s+',i))
#个人写法↑
===================================================
['System Idle Process', '0 Services', '0', '4 K\n']
['System', '4 Services', '0', '9,212 K\n']
['smss.exe', '464 Services', '0', '544 K\n']
['csrss.exe', '708 Services', '0', '2,792 K\n']
['wininit.exe', '816 Services', '0', '2,808 K\n']
['services.exe', '888 Services', '0', '5,220 K\n']
['lsass.exe', '904 Services', '0', '10,984 K\n']

示例1-1 分割windows的tasklist命令 file对象

去除尾部的\n（使用 str.rstrip()）

Python2**（Python3见示例1-3）**

使用str.rstrip()去除尾部的\n

import os
import re
f = os.popen('tasklist', 'r')
for eachLine in f:
    print re.split(r'\s\s+|\t', eachLine.rstrip()) #使用str.rstrip()去除尾部的\n
f.close()


=======================================================
部分python结果展示：
['\xd3\xb3\xcf\xf1\xc3\xfb\xb3\xc6', 'PID \xbb\xe1\xbb\xb0\xc3\xfb', '\xbb\xe1\xbb\xb0#', '\xc4\xda\xb4\xe6\xca\xb9\xd3\xc3']
['========================= ======== ================ =========== ============']
['System Idle Process', '0 Services', '0', '4 K']
['System', '4 Services', '0', '9,212 K']
['smss.exe', '464 Services', '0', '544 K']
['csrss.exe', '708 Services', '0', '2,796 K']
['wininit.exe', '816 Services', '0', '2,808 K']
['services.exe', '888 Services', '0', '5,220 K']
['lsass.exe', '904 Services', '0', '10,968 K']

示例1-2 分割windows的tasklist命令 with语句

Python3.9多行超长输出：他是程序内部运行的Shell命令，简单理解是遍历目录

with语句兼容性（最低支持2.6）
2.5为试验性的，2.5需要导入额外的语句
from __future__ import with_statement。
2.4或更低：

只能用示例1-1了

from distutils.log import warn as printf是一个兼容2和3的括号：参考

调用其他程序，需要调用os.popen()

tasklist 是个cmd命令，返回一个文件列表

import os
import re
with os.popen('tasklist', 'r') as f:
    for eachLine in f:
        print re.split(r'\s\s+|\t', eachLine.rstrip())

file = open("/tmp/foo.txt")
try:
    data = file.read()
finally:
    file.close()
try是判断一个命令是否报错，然后不管是否出错都会执行finally

with可以简化：打开文件参数，路径一般都是相对路径。as命令参数赋值file
with open("/tmp/foo.txt") as file:
data = file.read()
参考地址：上面只是摘选

python中finally的作用

python中 with-as 语句用法

示例1-3 分割windows的tasklist命令 printf语句（2、3通用）

import os
from distutils.log import warn as printf
import re

with os.popen('tasklist', 'r') as f:
    for eachLine in f:
        printf(re.split(r'\s\s+|\t', eachLine.rstrip()))

部分python结果展示：
['\xd3\xb3\xcf\xf1\xc3\xfb\xb3\xc6', 'PID \xbb\xe1\xbb\xb0\xc3\xfb', '\xbb\xe1\xbb\xb0#', '\xc4\xda\xb4\xe6\xca\xb9\xd3\xc3']
['========================= ======== ================ =========== ============']
['System Idle Process', '0 Services', '0', '4 K']
['System', '4 Services', '0', '9,212 K']
['smss.exe', '464 Services', '0', '544 K']
['csrss.exe', '708 Services', '0', '2,796 K']
['wininit.exe', '816 Services', '0', '2,808 K']
['services.exe', '888 Services', '0', '5,220 K']
['lsass.exe', '904 Services', '0', '10,968 K']

示例1-4 处理DOS环境下tasklist命令的输出

import os
import re
f = os.popen('tasklist /nh', 'r')
for eachLine in f:
    print re.findall(r'([\w.]+(?: [\w.]+)*)\s\s+(\d+) \w+\s\s+\d+\s\s+([\d,]+ K)', eachLine.rstrip())
f.close()

Python3.9:

cmd：tasklist /nh

更长的正则表达式示例

示例1-5 用于正则表达式练习的数据生成器

该脚本为正则表达式练习创建随机数据，然后将生成的数据输出到屏幕。

参考
https://www.runoob.com/python/func-number-randrange.html
https://blog.csdn.net/qq_37369726/article/details/108769380

from random import randrange, choice

random.randrange (1,3 ) ：要求范围内随机数，取随机数（小~大），最大值必填
random.choice(list)：随机取列表成员

from string import ascii_lowercase as lc

所有的小写字母
'abcdefghijklmnopqrstuvwxyz'
from sys import maxint

返回系统最大整数。

from time import ctime

时间戳，返回一段自1970.1.1 8:00开始的秒数（格林威治午夜）

Sun Sep 7 17:29:09 2008

~~下面是随机的时间戳，肯定输出不一样~~
from random import randrange, choice
from sys import maxsize
from time import ctime
print(ctime(randrange(maxsize)))
=====================================
Mon Apr  8 02:54:12 2013

增量：

for temp in xrange(0,6):
快速创建有1~5整数列表，能限制for循环次数

~~序列也叫列表，填充后输出文本，列表被要求符号填充连接起来~~

适配Python3：
修改Python，
xrange()修改为range()，
将sys.maxint修改为sys.maxsize。

#Python2

from random import randrange, choice
from string import ascii_lowercase as lc # 全部小写字母集成	`为列表
from sys import maxint
from time import ctime

tlds = ('com', 'edu', 'net', 'org', 'gov')  # 高级域名集合

for i in xrange(randrange(5, 11)):
    dtint = randrange(maxint)  # 随机生成一个整数
    dtstr = ctime(dtint)       # 使用time.ctime()函数将该整数转换为日期
    llen = randrange(4, 8)     # login is shorter
    login = ''.join(choice(lc) for j in range(llen)) # random.choice()函数的功能是接受一个序列，然后返回该序列的一个随机元素
    dlen = randrange(llen, 13)  # domain is longer
    dom = ''.join(choice(lc) for j in xrange(dlen))
    print '%s::%s@%s.%s::%d-%d-%d' % (dtstr, login, dom, choice(tlds), dtint, llen, dlen)

#Python3

from random import randrange, choice
from string import ascii_lowercase as lc # 全部小写字母集成	`为列表
from sys import maxsize
from time import ctime

tlds = ('com', 'edu', 'net', 'org', 'gov')  # 高级域名集合

for i in range(randrange(5, 11)):
    dtint = randrange(maxsize)  # 随机生成一个整数
    dtstr = ctime(dtint)       # 使用time.ctime()函数将该整数转换为日期
    llen = randrange(4, 8)     # login is shorter
    login = ''.join(choice(lc) for j in range(llen)) # random.choice()函数的功能是接受一个序列，然后返回该序列的一个随机元素
    dlen = randrange(llen, 13)  # domain is longer
    dom = ''.join(choice(lc) for j in range(dlen))
    print ('%s::%s@%s.%s::%d-%d-%d' % (dtstr, login, dom, choice(tlds), dtint, llen, dlen))

输出结果：

在这里插入图片描述

匹配字符串

#正则表达式的简化
"^Mon|^Tue|^Wed|^Thu|^Fri|^Sat|^Sun"
"^(Mon|Tue|Wed|Thu|Fri|Sat|Sun)"
=========================================================


import re
data = 'Wed Mar 20 13:40:35 2002::geom@mnfdlm.edu::1016602835-4-6'


patt='^(Mon|Tue|Wed|Thu|Fri|Sat|Sun)'
m = re.match(patt,data)

print(
m.group(),
m.group(1),
m.groups()
)
=====================================
Wed Wed ('Wed',)

分组 ^()

当地的日期和缩写，可以是^\w{3}

import re
data='Wed Mar 20 13:40:35 2002::geom@mnfdlm.edu::1016602835-4-6'

patt = '^(\w{3})'
m = re.match(patt, data)
if m is not None: print(m.group())
print(m.group(1))


================================
Wed
Wed

当{3}在圆括号中时，先匹配三个连续的字母数字字符，然后表示为一个分组。但是如果将{3}移到外部，它就等效于三个连续的单个字母数字字符。

group(1)访问子组1时，子组1被持续被下一个字符替换。

换句话说：这些是单个字母数字字符的三个独立（并且重叠）分组，与一个包含三个连续字母数字字符的单独分组相反。

import re
data='Thu Feb 15 17:46:04 2007::uzifzf@dpyivihw.gov::1171590364-6-8'

patt = '^(\w){3}'
m = re.match(patt, data)
if m is not None:
    print('完整匹配', m.group())
    print('子组1：', m.group(1))


===============================================
Thu
u

搜索、匹配与贪婪

+是个贪婪匹配符号

import re
data='Thu Feb 15 17:46:04 2007::uzifzf@dpyivihw.gov::1171590364-6-8'

patt = '\d+-\d+-\d+'
m = re.search(patt, data)
if m is not None: print(m.group())
    
==========================================
1171590364-6-8

若用match()匹配则返回None。

re.match('.+(\d+-\d+-\d+)',data).group(1) 正则表达式从左至右扫描求值，并且试图获取尽可能多的字符串

import re
data='Thu Feb 15 17:46:04 2007::uzifzf@dpyivihw.gov::1171590364-6-8'

m = re.match('.+\d+-\d+-\d+',data).group()
j = re.match('.+(\d+-\d+-\d+)',data).group(1)

print(m,'\n'*2,j)
============================================
Thu Feb 15 17:46:04 2007::uzifzf@dpyivihw.gov::1171590364-6-8 
 4-6-8

书中错误：strip('::') 为删除首尾要求符号，直到首尾符号要求不存在为止。详见菜鸟教程

import re
data='Thu Feb 15 17:46:04 2007::uzifzf@dpyivihw.gov::1171590364-6-8'

S1 = re.split('::',data)
S2 = S1[2]              					#1171590364-6-8
#S3_zhi = re.match('\d+-\d+-\d+',S2).group()

print(S2)

==================================
1171590364-6-8