day14-正则表达式
1.认识正则表达式
什么是正则表达式:
一种可以让复杂的字符串问题变得简单的工具
# 案例1:判断输入的内容是否是一个合法的手机号码
# 要求:a. 长度是11位、 b.全部都是数字字符 c. 第一位是1 d.第二位:3~9
tel = '134893872n6'
# 方法1:不使用正则
if len(tel) == 11:
if tel[0] == '1' and tel[1] in '3456789':
flag = True
for x in tel[2:]:
if not '0' <= x <= '9':
flag = False
break
if flag:
print('合法')
else:
print('不合法')
else:
print('不合法')
else:
print('不合法')
# 方法2:使用正则表达式
from re import fullmatch
result = fullmatch(r'1[3-9]\d{9}', tel)
if result:
print('合法')
else:
print('不合法')
2.匹配类符号
a.fullmatch函数
fullmatch(正则表达式, 字符串) - 判断字符串是否满足正则表达式描述的规则,如果不满足,结果就是None
不管使用正则表达式解决什么样的字符串问题,写正则的是都是在描述字符串规则
b.所有匹配类符号
1.普通符号 - 在正则表达式中表示本身的字符就是普通符号
from re import fullmatch
result = fullmatch(r'abc', 'abc')
print(result)
- . - 匹配任意一个字符
result = fullmatch(r'.bc', '1bc')
print(result)
result = fullmatch(r'..c', 'nbc')
print(result)
3.\d - 匹配任意一个数字字符
result = fullmatch(r'a\d\db', 'a12b')
print(result)
4.\s - 匹配任意一个空白字符
# 空白字符 - 所有能产生空白效果的字符:空格、\t,\n
result=fullmatch(r'a\sb', 'a b')
print(result)
5.\w - 匹配任意一个数字、字母、下划线或者中文
result = fullmatch(r'a\wb', 'a是b')
print(result)
6.\D \S \W
"""
\后面跟大写字母对应的功能和\后面跟小写字母的功能相反
\D - 匹配任意一个非数字字符
"""
result = fullmatch(r'a\Wb', 'a b')
print(result)
result = fullmatch(r'a\Db', 'a b')
print(result)
result = fullmatch(r'a\Sb', 'adb')
print(result)
7.[]字符集 - 匹配在字符集中任意一个字符
"""
[amx] - 匹配a、m、x中的任意一个
[\dmn] - (\开头的特殊符号在中括号的还是有特殊意义)匹配任意一个数字或者m或者n
[3-9mn] - (-在中括号中表示谁到谁)匹配3到9中的任意一个数字或者m或者n
[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
[\u4e00-\u9fa5] - 匹配任意一个中文
"""
result = fullmatch(r'a[xyz]b', 'axb')
print(result)
result = fullmatch(r'a[\u4e00-\u9fa5]{3}b', 'a吃掉了b')
print(result)
# 中括号中的-只有放在两个字符之间才能表示谁到谁,如果放在中括号的最前面或者最后面,或者放在中括号外面减号就只表示减号本身
- [^字符集] - 匹配不在字符集中的任意一个字符
result = fullmatch(r'a[^A-Z]b', 'a9b')
print(result)
# 中括号中的^只有放在最前面才有特殊功能,如果不在最前面^就是普通符号
3.匹配次数相关符号
a.* - 0次或者多次
b.+ - 1次或者多次
c. ? - 0次或者1次
d.{}
{N} - N次
{M,N} - M到N次
{M,} - 至少M次
{,N} - 最多N次
e.贪婪和非贪婪
匹配次数不确定的时候匹配模式分为贪婪和非贪婪两种,默认是贪婪的
贪婪:在能匹配成功的情况下,有多种匹配次数,贪婪取次数最多的那个次数。{+、*、?、{m,n}
非贪婪:在能匹配成功的情况下,有多种匹配次数,非贪婪取次数最少的那个次数。
# 练习:写正则表达式可以匹配任意一个整数字符串(不考虑0)
# 匹配成功:'123'、'9'、'-234'、'+233'
# 匹配失败:'23m'、'--7283'、'++782'、'009'、'02'
while True:
a = input('输入一个字符串')
print(fullmatch(r'[+-]?[1-9]\d*', a))
4.分组和分支
1.()-分组
在正则表达式中可以用()将正则表达式中的部分内容括起来表示一个整体,一个()代表一个分组。
a.整体控制 - 以某个部分为单位对符号进行控制
b.重复 - 在正则中可以通过\N来重复它前面第N个分组匹配到的结果
# '234-234'、'001-001'、'890-890'
print(fullmatch(r'(\d{3})-\1', '890-890'))
print(fullmatch(r'([a-z]{2})(\d{3})=\2\1', 'mn870=870mn'))
c.捕获 - 获取匹配结果的某个部分
捕获分为自动捕获和手动捕获两种,只有findall具有自动捕获的功能,其他情况需要手动捕获
findall(正则表达式,字符串) - 获取字符串中所有满足正则的子串
# 自动捕获 - 自动获取匹配结果分组匹配到的内容
result = findall(r'(\d+)元', message)
print(result)
# 手动捕获 - 写额外的代码来获取匹配结果中分组匹配到的内容
result = fullmatch(r'(\d+)元', '8229元')
print(result)
# 获取某个分组对应的匹配结果:匹配对象.group(分组数)
print(result.group(1))
result = fullmatch(r'(\d{2})([a-z]{3})', '12asd')
print(result.group()) # 12asd
print(result.group(1)) # 12
print(result.group(2)) # asd
2.| - 分支
正则1|正则2 - 先用正则1去匹配,如果匹配成功整个正则表达式就匹配成功,如果匹配失败就用正则2来匹配
5.检测类符号
检测类符号 - 检测指定的位置是否符合相应的要求(不影响字符串长度)
1.\b - 检测\b所在的位置是否是单词边界
单词边界:英文符号中可以区分出不同单词的符号(例如:空白符号、英文标点符号、字符串开头、字符串结尾)
2. ^ - 检测是否是字符串开头
3.$ - 检测是否是字符串结尾
4.转义符号 - 在正则中有特殊意义的符号前加,让这个符号变成普通符号
5.re模块 - 模块全是和正则表达式相关的函数
fullmatch(正则, 字符串) - 匹配整个字符串(判断整个字符串是否符合正则描述的规则),匹配成功返回匹配对象,匹配失败返回None
match(正则, 字符串) - 匹配字符串开头(判断字符串开头是否符合正则描述的规则),匹配成功返回匹配对象,匹配失败返回None
search(正则, 字符串) - 匹配字符串中第一个满足正则的子串,匹配成功返回匹配对象,匹配失败返回None
findall(正则, 字符串) - 获取字符串中所有满足正则的子串,返回值是一个列表,列表中的元素是匹配到字符串
finditer(正则, 字符串) - 获取字符串中所有满足正则的子串,返回值是一个迭代器,迭代器中的元素是匹配对象
split(正则, 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
sub(正则, 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