day15-医生的处方、道士的鬼符、程序员的正则表达式

有这么个说法：江湖传说中，程序员的正则表达式和医生的处方，道士的鬼符齐名, 曰: 普通人看不懂的三件神器. 这个传说至少向我们透露了两点信息: 一是正则表达式很牛, 能和医生的处方, 道士的鬼符齐名, 并被大家提起, 可见其江湖地位. 二是正则表达式很难, 这也从侧面说明了, 如果你可以熟练的掌握并应用它, 在装X的路上, 你将如日中天 （别问我中天是谁……）

好了！话不多说，进入今天主题。import我们的re模块，开始：

一、正则表达式

re模块:python提供的专门使用正则表达式的相关的函数的模块

1.什么正则表达式

正则表达式是一种让字符串处理更简单的工具(本质是做字符串匹配)

2.正则表达式的语法

fullmatch(正则表达式, 字符串)  - 让正则表达式式和字符串进行完全匹配，如果匹配失败结果是None
js的正则： /正则表达式/
python的正则： r'正则表达式'

1)普通字符 - 表示字符本身

re_str = r'abc'
result = fullmatch(re_str, 'abc')
print(result)

2) - 匹配一个任意字符

re_str = r'.abc'
result = fullmatch(re_str, '+abc')
print(result)

匹配一个长度是5的字符串，字符串中间三个字符是abc,第一个字符和最后一个字符任意

re_str = r'.abc.'
result = fullmatch(re_str, '(abc+')
print(result)

匹配一个长度是3的任意字符串

re_str = r'...'
result = fullmatch(re_str, 'ajs')
print(result)

3) \w - 匹配任意一个数字、字母或者下划线(针对ASCII码表有效)

（注意：平时不用）

re_str = r'\wabc'
result = fullmatch(re_str, '8abc')
print(result)

4) \d - 匹配任意一个数字字符

re_str = r'\d\d\d'
result = fullmatch(re_str, '142')
print(result)

re_str = r'\d\dabc\d\d'
result = fullmatch(re_str, '23abc89')
print(result)

5) \s - 匹配任意一个空白字符

re_str = r'\s\d..'
result = fullmatch(re_str, '\n9k/')
print(result)

re_str = r'\d\d\s\d\d'
result = fullmatch(re_str, '78 23')
print(result)

6) \D和\S

\字母 - 小写字母和对应的大写字母的功能相反

re_str = r'\dabc\D'
result = fullmatch(re_str, '8abc-')
print(result)

re_str = r'\Sabc'
result = fullmatch(re_str, '=abc')
print(result)

7) [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
a.

[abc123]  -  匹配 a、b、c、1、2、3 中任意一个字符

b.

[a-z]    -   匹配从字符a到字符z之间的任意一个字符(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
[0-9]    -   匹配任意一个数字字符
[\u4e00-\u9fa5]   - 匹配任意一个中文字符

re_str = r'[cz+?]123'
result = fullmatch(re_str, '?123')
print(result)

re_str = r'[\u4e00-\u9fa5]123'
result = fullmatch(re_str, '看123')
print(result)

练习：判断输入手机号码是否合法

re_str = r'1[3-9]\d\d\d\d\d\d\d\d\d'
result = fullmatch(re_str, '13598902763')
print(result)

[]中-前面的字符编码值必须小于-后面的字符编码

result = fullmatch(r'[a-0]abc', '0abc')

[]中-如果不在两个字符之间，-就没有特殊功能直接表达它本身
result = fullmatch(r'[-09]abc', '-abc')
print(result)

练习：写一个正则表达式，要求可以匹配一个字符串：abc前面是一个数字、字母或者下划线

re_str = r'[a-zA-Z\d_]abc'
result = fullmatch(re_str, '_abc')
print(result)

8)[^字符集] - 取不在字符集中任意一个字符

[^\u4e00-\u9fa5]   - 匹配任意一个非中文字符
[^0-9]  -  匹配任意一个非数字字符
[^a-zA-Z]  - 匹配任意一个非字母字符

print(fullmatch(r'[abc^]123', 'b123'))
print(fullmatch(r'[^abc]123', 'a123'))

1）\b - 检测是否是单词的边界

单词边界：字符串开头、字符串结尾、凡是能区分出两个不同单词的符号
注意：检测类的符号不影响匹配的长度，只是在匹配成功的时候做进一步的检测

message = 'how are you?i am fine!thank you!'
re_str = r'\d\d.\b\d\d'
print(fullmatch(re_str, '56=89'))

2）^ - 检测^所在的位置是否是字符串开头

re_str = r'\d^abc'
print(fullmatch(re_str, '1abc'))

re_str = r'^\d\d\d'
print(fullmatch(re_str, '678'))

re_str = r'^\d\d\d'
print(fullmatch(re_str, '678'))
print(search(re_str, 'shdj39极客时间238u丄282='))

3) $ - 检测$所在的位置是否是字符串结尾

re_str = r'\d\d$'
print(search(re_str, '时代峰峻78暗示法23沙发89'))

1. * - 匹配0次或多次

字符*    -  字符出现0次或多次

re_str = r'a*'
print(fullmatch(re_str, 'aaa'))

re_str = r'\d*'
print(fullmatch(re_str, '478923'))

re_str = r'123[a-z]*'
print(fullmatch(re_str, '123ukl'))

2. + - 匹配1次或多次(至少1次)

re_str = r'a+'
print(fullmatch(re_str, 'a'))

3. ? - 匹配0次或1次

re_str = r'\d?abc'
print(fullmatch(re_str, '0abc'))

练习：写一个正则表达式可以匹配任意一个整数字符串

# '23874', '-234', '+2348977'
re_str = r'[-+]?\d+'
print(fullmatch(re_str, '+23874'))

4. {}

{N}   -  匹配N次
{M,N}  - 匹配M到N次
{M,}   - 匹配至少M次
{,N}   - 匹配最多N次（0~N次）

re_str = r'\d{4}abc'
print(fullmatch(re_str, '6723abc'))

re_str = r'a{2,5}123'
print(fullmatch(re_str, 'aaaaa123'))

re_str = r'a{2,}123'
print(fullmatch(re_str, 'aaaaaaaaaaa123'))

re_str = r'a{,2}123'
print(fullmatch(re_str, 'aa123'))

4)贪婪和非贪婪

在匹配次数不确定的情况下，匹配模式分为两种：贪婪和非贪婪

a.贪婪：

默认都是贪婪的（在能匹配到的前提下匹配次数尽可能多）

        *、+、?, {M,N}、{M,}、{,N}

b.非贪婪：

(在能匹配到的前提下匹配次数尽可能少)在匹配次数不确定的时候，次数后面加问号，匹配就是非贪婪的

      *?、+？、??、{M,N}?、{M,}?、{,N}?

re_str = r'\d{2,}'
print(search(re_str, '护士227382abc你好！'))

re_str = r'\d{2,}?'
print(search(re_str, '护士227382abc你好！'))

二、分支和分组

1.分支: |

# 正则1|正则2|正则3...
# 写一个正则匹配一个字符串：123abc 和 456abc
re_str = r'123abc|456abc'
print(fullmatch(re_str, '456abc'))

re_str = r'123|345abc'
print(fullmatch(re_str, '123abc'))  # None
print(fullmatch(re_str, '123'))
print(fullmatch(re_str, '345abc'))

2.分组: ()

1)整体操作

# abc出现3次
re_str = r'(abc){3}'
print(fullmatch(re_str, 'abcabcabc'))

# 写一个正则匹配一个字符串：123abc 和 456abc
re_str = r'(123|456)abc'
print(fullmatch(re_str, '456abc'))

# 两个数字两个字母的结构重复4次: 34hj56kl67uj23Bm
re_str = r'(\d\d[a-zA-Z]{2}){4}'
print(fullmatch(re_str, '34hj56kl67uj23Bm'))

2)重复:

\M - 重复前面第M个分组匹配到的内容(M从1开始)

re_str = r'(\d\d)=\1abc'
print(fullmatch(re_str, '67=67abc'))

re_str = r'(\d\d)-([a-z]{3})-\2-\1'
print(fullmatch(re_str, '23-bnm-bnm-23'))

3)捕获

findall()     # 查找字符串中所有符合要求的子串

3.转义符号:

在具有特殊功能或者特殊意义的符号前加,让功能消失

re_str = r'\.\d\d'
print(fullmatch(re_str, '.23'))

re_str = r'abc\+\d\d'
print(fullmatch(re_str, 'abc+34'))

注意：独立存在有特殊功能的符号在[]中功能会自动消失

re_str = r'[-+.]abc'
print(fullmatch(re_str, '.abc'))

一不小心就这么多内容了，先慢慢吸收，明天还有部分的知识（re模块），今天就到这里吧～再见！