Python正则表达式

认识正则表达式

正则表达式是一种可以让一些复杂的字符串问题变得简单的工具。

案例：判断指定的字符串是否是一个合法的手机号，11位：每一位都是数字；第一位都是数字，第二位是：3-9

tel = input('请输入电话：')


def is_tel(num: str):
    from re import fullmatch
    return bool(fullmatch(r'1[3-9]\d{9}', num))


print(is_tel(tel))

案例2：提取字符串中的数字到一个列表

str1 = '年龄13，工资8200'
from re import findall

result = findall(r'\d+', str1)
print(result)

匹配类符号

正则不是Python特有的语法（所有的高级编程语言，正则的语法都通用。）

不管通过正则表达式解决什么时候的问题，写正则的时候都是在使用正则表达式描述字符串规则。

Python的re模块

re模块是Python用来支持正则表达式的一个模块，模块中包含了所有和正则相关的函数。

fullmatch(正则表达式,字符串) - 判断正则表达式和指定的字符串是否完全匹配（判断整个字符串是否符合正则表达式所描述的规则）如果匹配成功返回匹配对象，匹配失败返回None。

正则语法 - 匹配类符号

普通符号

在正则表达式中表示符号本身的符号

result = fullmatch(r'abc', 'abc')
print(result)  # <re.Match object; span=(0, 3), match='abc'>

.

匹配任意一个字符

result = fullmatch(r'a.c', 'aac')
print(result)  # <re.Match object; span=(0, 3), match='aac'>

result = fullmatch(r'..abc', '#1abc')
print(result)  # <re.Match object; span=(0, 5), match='#1abc'>

\d

匹配任意一个字符

result = fullmatch(r'a\dc', 'a2c')  # 表示a和c之间是数字
print(result)  # <re.Match object; span=(0, 3), match='a2c'>

\s

匹配任意一个空白字符

空白字符：能产生空白效果的字符，例如:空格、换行、水平制表符

result = fullmatch(r'a\sc', 'a\tc')
print(result)  # <re.Match object; span=(0, 3), match='a\tc'>

\D

匹配任意一个非数字字符

result = fullmatch(r'a\Dc', 'a#c')
print(result)  # <re.Match object; span=(0, 3), match='a#c'>

\S

匹配任意一个非空白字符

result = fullmatch(r'a\Sc', 'a$c')
print(result)  # <re.Match object; span=(0, 3), match='a$c'>

[字符集]

匹配字符集中的任意一个字符

"""
[abc]		-	匹配a或者b或者c
[abc\d]		-	匹配a或者b或者c或者任意数字
[1-9]		-	匹配1到9中的任意一个数字
[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]	-	匹配任意一个字母
[a-zA-Z\d_]	-	匹配字母数字或者下划线
[\u4e00-\u9fa5]	-	匹配任意一个中文字符
"""

result = fullmatch(r'a[ande]c', 'aac')
print(result)

注意：[]中减号放在两个字符之间表示谁到谁（确定的方式是根据字符编码值大小确定的）；如果减号不在两个字符之间，就表示一个普通的减号

[ ^ 字符集]

匹配不在字符集中的任意一个字符

result = fullmatch(r'a[^WE]b', 'aSb')  # 中间的字符除了W,E的字符都可以匹配
print(result)  # <re.Match object; span=(0, 3), match='aSb'>

匹配次数

（一）* - 0次或多次（任意次数）

注意：*在谁的后面控制的就是谁的次数

"""
a*		-	0个或多个a
\d*		-	0个或多个\d
"""
from re import fullmatch

result = fullmatch(r'a*usdcj','aaaaausdcj')
print(result)

result = fullmatch(r'\d*abc','12324234abc')
print(result)

（二）+ - 1次或者多次（至少一次）

result = fullmatch(r'a+usdcj','aaaaausdcj')
print(result)

（三） ？ - 0次或1次

result = fullmatch(r'a?usdcj','usdcj')
print(result)

result = fullmatch(r'a?usdcj','ausdcj')
print(result)

（四）{}

"""
{M,N}		-	M到N次
{M,}		-	至少M次
{,N}		-	最多N次
{N}			-	N次
"""

result = fullmatch(r'[a-z]{3,5}123','absc123')
print(result)

result = fullmatch(r'[a-z]{3,}123','abjsfgbc123')
print(result)

result = fullmatch(r'[a-z]{,5}123','asc123')
print(result)

result = fullmatch(r'[a-z]{5}123','abjsc123')
print(result)

贪婪和非贪婪

当匹配次数不确定的时候（*、+、？、{M,N}、{M,}、{,N}），匹配模式分为贪婪和非贪婪两种，默认是贪婪

贪婪和非贪婪：在匹配成功的时候有多种匹配结果，贪婪取最多次数对应的匹配结果（匹配次数不确定的地方，有多种匹配方式都可以匹配成功，贪婪取最多次数，非贪婪取最少次数）

贪婪模式：*、+、?、{M,N}、{M,}、{,N}

非贪婪模式：*?、+?、??、{M,N}?、{M,}?、{,N}?

match(正则表达式，字符串)

判断字符串开头是否符合正则表达式的规则

示例：

# amb、amb计算b、amb计算bxxb
# 贪婪模式
result = match(r'a.+b', 'amb计算bxxbmn')
print(result)           # <re.Match object; span=(0, 9), match='amb计算bxxb'>

# 非贪婪模式
result = match(r'a.+?b', 'amb计算bxxbmn')
print(result)           # <re.Match object; span=(0, 3), match='amb'>


# 注意：如果匹配结果只有一种可能，那么贪婪和非贪婪的结果一样
result = match(r'a.+b', 'ambxx')
print(result)           #  <re.Match object; span=(0, 3), match='amb'>

result = match(r'a.+?b', 'ambxx')
print(result)           # <re.Match object; span=(0, 3), match='amb'>

注意：如果匹配结果只有一种可能，那么贪婪和非贪婪的结果一样

分组和分支

（一）分组 - ()

1）整体 - 将正则表达式中的一部分作为一个整体进行相关操作

2）重复 - 可以在正则表达式中通过 \M 来重复它前面的第M个分组的匹配结果

3）捕获 - 只获取正则表达式中的一部分匹配到的结果（分为手动捕获和自动捕获）

from re import fullmatch
from re import findall


# '12nm34bn13jk55gh...'
result = fullmatch(r'(\d\d[a-z]{2})+', '23mn')
print(result)

# 23m23、34j34、43h43 -   能匹配
# 23m34、45h56   -   不能匹配
result = fullmatch(r'(\d{2})[a-z]\1', '23m23')
print(result)

# 23jkn=jkn23
result = fullmatch(r'(\d{2})([a-z]{3})=\2\1', '23jkn=jkn23')
print(result)

# 提取message中金额对应的数字子串
message = '芳龄18，月入2000元，身高165，每年有5000元压岁钱，节假日爸妈给200元'
result = findall(r'(\d+)元',message)
print(result)

\M 只能重复在它出现之前的分组内容，无法重复在它之后出现的内容

# result = fullmatch(r'\d{2}\1\2=([a-z]{2})', '2323mk=mk')	# 报错！
# print(result)

（二）分支 - |

正则1|正则2|正则3|… - 匹配可以和多个正则中任意一个正则匹配的字符串

# 匹配一个字符串是三个数字或者两个小写字母
result = fullmatch(r'\d{3}|[a-z]{2}', 'mk')
print(result)

注意：如果想要正则表达式中的一部分实现多选一的效果，变化的部分用分组表示

# a234b、amjkb
result = fullmatch(r'a\d{3}b|a[a-z]{3}b', 'a234b')
print(result)

result = fullmatch(r'a(\d{3}|[a-z]{3})b', 'amjkb')
print(result)

转义符号

1. 转义符号

正则中的转义符号，就是在本身具备特殊功能或者特殊意义的符号前加’ \ ',让这个符号变成一个普通符号

from re import fullmatch

# 匹配任意一个小数对应的字符串
result = fullmatch(r'\d+\.\d+', '234.9784')
print(result)

# +234、+3432
result = fullmatch(r'\+\d+', '+879678')
print(result)

# (mv)、(soadhof)
result = fullmatch(r'\([a-z]+\)', '(sxoihcoweef)')
print(result)

2. []里面的转义符号

单独存在有特殊意义的符号（+、*、？、.等），在[]中特殊意义会自动消失

result = fullmatch(r'\d+[.]\d+', '234.9784')
print(result)

本身在[]中有特殊功能的符号，如果要表示普通符号必须加’ \ ’

result = fullmatch(r'a[M\-N]b', 'a-b')
print(result)

result = fullmatch(r'a[MN-]b', 'a-b')
print(result)

result = fullmatch(r'a[\^MN-]b', 'a^b')
print(result)

# '\2233'
result = fullmatch(r'\\\d+', '\92233')
print(result)

检测类符号

检测类符号是在匹配成功的情况下，检测检测类符号所在的位置是否符合相关要求

1. \b - 检测是否是单词边界

单词边界：可以将两个单词区分开的符号都是单词边界，比如：空白符号、英文标点符号、字符串开头和字符串结尾

result = fullmatch(r'abc\b mn', 'abc mn')
print(result)

message = '203mn45,89 司机34kn;23;99mll==910,230 90='
result = findall(r'\d+', message)  
print(result)       # ['203', '45', '89', '34', '23', '99', '910', '230', '90']

result = findall(r'\d+\b', message)		# 右边为边界的数
print(result)       # ['45', '89', '23', '910', '230', '90']

result = findall(r'\b\d+', message)		# 左边为边界的数
print(result)       # ['203', '89', '23', '99', '910', '230', '90']

result = findall(r'\b\d+\b', message)		# 左右都为边界的数
print(result)       # ['89', '23', '910', '230', '90']

2. \B - 检测是否不是单词边界

message = '203mn45,89 司机34kn;23;99mll==910,230 90='
result = findall(r'\B\d+\B', message)		# 左右都不为边界的数
print(result)

3. ^ - 检测是否是字符串开头

message = '203mn45,89 司机34kn;23;99mll==910,230 90='
result = findall(r'^\d+', message)
print(result)

^. {N} 提取字符串前N个字符

message = '203mn45,89 司机34kn;23;99mll==910,230 90='
result = findall(r'^.{5}', message)
print(result)

4. $ - 检测是否是字符串结尾

.{N}$ 提取字符串最后N个字符

message = '203mn45,89 司机34kn;23;99mll==910,230 90='
result = findall(r'.{5}$', message)
print(result)

re模块常用函数

from re import *

1.常用函数

1） fullmatch(正则表达式, 字符串)

完全匹配，判断整个字符串是否符合正则表达式描述的规则，匹配成功返回匹配对象，匹配失败返回空

result = fullmatch(r'\d{3}', '234')
print(result)

2） match(正则表达式, 字符串)

匹配字符串开头，判断字符串开头是否符合正则表达式描述的规则，匹配成功返回匹配对象，匹配失败返回空

result = match(r'\d{3}', '823介绍数据库')
print(result)

3） search(正则表达式, 字符串)

获取字符串中第一个能够和正则匹配的子串，能找到返回匹配对象，找不到返回空

result = search(r'\d{3}', 'ba203还是678说')
print(result)

4） findall(正则表达式, 字符串)

获取字符串中所有满足正则的子串，返回一个列表，列表中的元素是字符串

注意：如果正则表达式中有分组，会针对分组做自动捕获（只获取分组匹配到的结果）

result = findall(r'\d{3}', 'ba203还是678说kk0222jksn就是23311')
print(result)

5） finditer(正则表达式, 字符串)

获取字符串中所有满足正则的子串，返回一个迭代器，迭代器中的元素是每个子串对应的匹配对象

result = finditer(r'\d{3}', 'ba203还是678说kk0222jksn就是23311')
print(result)
print(list(result))

6） split(正则表达式, 字符串)

将字符串中所有满足正则的子串作为切割点对字符串进行切割

示例：

将str1中的a和b作为切割点对字符串进行切割

str1 = '123aMKnb嗑生嗑死aKKssa923b==='
result = split(r'a|b', str1)
print(result)       # ['123', 'MKn', '嗑生嗑死', 'KKss', '923', '===']

7）sub(正则表达式, 字符串1, 字符串2)

将字符串2中所有满足正则的子串都替换成字符串1

result = sub(r'\d+', '+', 'ba203还是678说kk0222jksn就是23311')
print(result)  # ba+还是+说kk+jksn就是+

2.匹配对象

result = search(r'(\d{3})([A-Z]{2})', '-=2设计师234KM222哈哈宿舍239KH')
print(result)       # <re.Match object; span=(6, 11), match='234KM'>

1）匹配对象.group()

直接获取整个正则表达式对应的匹配结果

print(result.group())       # '234KM'

2）匹配对象.group(分组数)

手动捕获某个分组对应的匹配结果

print(result.group(1))      # '234'
print(result.group(2))      # 'KM'

3）匹配对象.span()

获取匹配结果在原字符串中的位置

print(result.span())            # (6, 11)
print(result.span(2))           # (9, 11),这里是第二分组

3.参考

1）匹配忽略大小写: (?i)

result = fullmatch(r'(?i)abc', 'AbC')
print(result)

2)单行匹配: (?s)

"""
多行匹配(默认)：匹配的时候.不能和换行(\n)进行匹配
单行匹配：匹配的时候.可以和换行(\n)进行匹配
"""

result = fullmatch(r'abc.123', 'abc\n123')
print(result)       # None

result = fullmatch(r'(?s)abc.123', 'abc\n123')
print(result)       # <re.Match object; span=(0, 7), match='abc\n123'>