day16-正则表达式语法

“”“author:Orange “””

正则表达式语法

1. 什么是正则表达式

正则表达式是一种工具; 一种专门用来做字符串匹配的工具, 能够在某些情况下让字符串处理变得非常简单。
正则是用来描述字符串规则
fullmatch(正则表达式, 字符串) - 判断正则表达式是否和字符串完全牛皮配, 如果不匹配返回None

2. 正则表达式的语法(通用的)

1) 普通字符

普通字符串在正则表达式中表示这个符号本身

2). - 匹配任意一个字符

匹配一个长度是3的字符串, 第一个字符串是任意字符, 后面是bc
re_str = r’.bc’
result = re.fullmatch(re_str, ‘1bc’)
print(result) # <re.Match object; span=(0, 3), match=‘1bc’>

3). \d - 匹配任意一个数字字符

re_str = r’\d\d\d’
result = re.fullmatch(re_str, ‘123’)
print(result) # <re.Match object; span=(0, 3), match=‘123’>

4) \D - 匹配任意一个非数字字符

re_str = r’\d\D\d’
result = re.fullmatch(re_str, ‘8n0’)
print(result) # <re.Match object; span=(0, 3), match=‘8n0’>

5) \s - 匹配任意一个空白字符

空白字符: 空格、\n(换行)、\t(缩进)

re_str = r'abc\s123'
print(re.fullmatch(re_str, 'abc\t123'))
# <re.Match object; span=(0, 7), match='abc 123'>
# <re.Match object; span=(0, 7), match='abc\t123'>

6) \S - 匹配任意一个非空字符

re_str = r'abc\S\d'
print(re.fullmatch(re_str, 'abct9'))
# <re.Match object; span=(0, 5), match='abct9'>

7) \w - 匹配任意一个数字、字母或下划线(非ASCII码中的字符都可以匹配)

8) [字符集] - 匹配字符集中出现的任意一个字符

注意：一个[]只能匹配一个字符

[abc] - 匹配一个字符是a或者b或者c
[\dabc] - 匹配一个字符是数字或者a或者b或者c
[1-9] - 减号在中括号中表示范围,表示匹配1-9任意一个字符
[a-z] - 匹配任意一个小写字母
[a-zA-Z] - 匹配任意一个字母
[/da-zA-Z] - 匹配字母、数字、下划线
[\u4e00-\u9fa5] - 匹配任意中文
-在[]中两个字符串之间才有特殊意义

re_str = r'[-abc]12-3'
print(re.fullmatch(re_str, '-12-3'))
# <re.Match object; span=(0, 5), match='-12-3'>

9) [^字符集] - 匹配不再字符集中的任意一个字符

[^abc] - 匹配除了abc以外的任意一个字符
[^\u4e00-\u9fa5] - 匹配除中文以外的任意一个字符
注意：^在[]中，如果没有在开头就表示这个符号本身

检测符号

匹配符号要求一个符号必须对应一个字符,会影响字符串长度的描述;
检测符号,不会匹配字符串,也不会影响字符串长度,他是在匹配成功的前提下对指定位置的字符进行检测

1) /b - 检测是否是单词边界

单词边界 - 所有能够区分出两个不同单词的符号,空白字符、标点符号、字符串开头和字符串结尾

2) /B - 检测是否不是单词边界

3) ^ - 检测是否是字符串开头

4) $ - 检测是否是字符串结尾

re_str1 = r'\d\d$'
print(re.search(re_str1, 'sdaghaguds327i85'))
# <re.Match object; span=(14, 16), match='85'>

匹配次数

1) * - 0次或多次

a* - 字符a出现0次或多次
\d* - 任意数字出现0次或多次（实质是\d在正则中出现0次或多次）
[字符集]* - 字符中的任意字符出现0次或者多次(每次都可以是任意一个)

2) + - 一次或者多次(至少一次)

3) ? - 0次或1次

写一个正则能匹配任意正整数:

re_str = r'[+]?[1-9]\d*'
print(re.fullmatch(re_str, '+85055445'))

# 用户名的要求：全部由数字或字母组成,长度是3-6位

re_str = r'[\da-zA-Z]{3,6}'
print(re.fullmatch(re_str, 'lijfue'))

4.{}

{N} - 匹配N次
{N,M} - 匹配M到N次
{M,} - 匹配至少M次
{,N} - 匹配至多N次

5) 贪婪和非贪婪

在匹配次数不确定的时候, 匹配模式有两张贪婪和非贪婪（在不确定次数后面加？）,默认贪婪模式
贪婪: 在能匹配成功的前提下，匹配次数选最多的 (+、?、*、{M,N}、{M,}、{,N})

非贪婪:在能匹配成功的前提下，匹配次数最少的 (+?、*?、??、{M,N}?、{M,}?、{,N}?)

非贪婪

re_str = r’a.+?b’
print(re.search(re_str, ‘xxamnbpppb====’)) # <re.Match object; span=(2, 6), match=‘amnb’>

分组()

用法一：整体操作次数

a{2,3}
(ab){2,3}

用法二：重复

\M  -   重复前面第M个分组中匹配到的内容

用法三：捕获
re中的findall在获取子串的时候,如果正则中有分组，只会获取分组的结果
re中search方法只找到第一个符合匹配的子串，
findall找到字符串中所有符合匹配的子串

re_str = r'(\d{2}[a-z]{2}){3,5}'
print(re.search(re_str, '89nm78jk89mk'))

re_str = r'a\d{2}b'
print(re.search(re_str, 'a77b'))    # <re.Match object; span=(0, 4), match='a77b'>
print(re.findall(re_str, 'a77b===a87ba55b'))    # ['a77b', 'a87b', 'a55b']
re_str = r'a(\d{2})b'
print(re.findall(re_str, 'a77b===a87ba55b'))    # ['77', '87', '55']

分支

1) |

正则1|正则2|正则3|…
先用正则1进行匹配, 如果匹配成功整个正则就匹配成功; 如果失败就用正则2进行匹配,如果成功整个
正则就匹配成功，如果失败就用正则3进行匹配，以此类推…
写一个正则能够匹配一个字符串：abc后面是三个数字或者三个大写字母

re_str = r'abc(\d{3}|[A-Z]{3})'
print(re.fullmatch(re_str, 'abcMKY'))   # <re.Match object; span=(0, 6), match='abcMKY'>

re_str = r'abc\d{3}|abc[A-Z]{3}'
print(re.fullmatch(re_str, 'abc345'))   # <re.Match object; span=(0, 6), match='abc345'>

转义符号

在正则中有特殊意义的符号前加\，让这个符号在正则中的功能消失。

re_str = r'\d{2}\.\d{2}'
print(re.fullmatch(re_str, '25.45'))

注意：在正则中独立存在有特殊意义的符号，放到[]中，它的意义会自动消失