day14 正则表达式

day14 正则表达式

什么是正则表达式：一种可以让复杂字符串问题变简单的工具

写逻辑困难时可用
正则表达式由正则符号组成

符号：匹配类、匹配次数、检测类、分支分组

# 案例1、判断输入内容是否为合法电话号码
# 要求：长度是11位、全部是数字字符、第一位是1开头、第二位是3~9
tel = ''
#法1
if len(tel) == 11:
    if tel[0] == '1' and tel[1] in '3456789':
        flag = True
        # pass
        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')


#法2：
from re import  fullmatch

result = fullmatch(r'1[3-9]\d{9}',tel)
if result:
    print('合法')
else:
    print('不合法')


#案例2，提取所有数字
message = ' : , : , ...'  #文本信息
#['','','',...]，数字列表
#法1：
result = []
str1 = ''
for x in message:
    if '0' <= x <= '9':
        str1 += x
    else:
        if str1:
            result.append(str1)
        str1 = ''
if str1:
    result.append(str1)
print(result)

#法2：
from re import  findall
#findall:正则里查找相关的工具
result = findall(r'\d+',message)
print(result)

1、模块：fullmatch

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，不符合结果为None

使用正则表达式解决问题时，都是在描述字符串规则

2、所有匹配类符号：约束字符
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

②特殊意义符号：

符号	意义
.	匹配任意一个字符
\d	匹配任意一个数字字符
\s	匹配任意一个空白字符（空格、\t、\n）
\w	匹配任意一个数字、字母、下划线或者中文
\D、\S、\W	匹配功能和小写字母完全相反（非）
[字符集]	匹配在字符集中任意一个字符

注：特殊符号在[]中仍有效

[\u4e00-\u9fa5]:匹配任意一个中文或者任意一方大写字母

​ ^ :匹配不在字符集中的任意一个字符，放在[]最前面才有特殊功能

3、匹配次数符号（不能单独使用，要接在匹配类符号后）

符号	意义
*	任意次（包括0）
+	>=1次
?	0或者1次
{N}	N次
{M,N}	M到N次
{M,}	至少M次
{,N}	至多N次

from re import  fullmatch

result = fullmatch(r'abc', 'abc')  #字符串规则：abc,匹配结果：abc
print(result)

result = fullmatch(r'.bc', '0bc')
print(result)
result = fullmatch(r'...', 'abc')

print(fullmatch(r'a*b', 'b'))
print(fullmatch(r'\d*b','0b'))
print(fullmatch(r'.*b', 'b'))
print(fullmatch(r'[A-Z]*b','kkllb'))

print(fullmatch(r'a+b', 'ab'))

print(fullmatch(r'a?b', 'ab'))

print(fullmatch(r'a{3}b', 'aaab'))

4.贪婪和非贪婪(用的少，了解)：

匹配次数不确定的时候匹配模式分为贪婪模式和非贪婪模式。默认是贪婪

贪婪：匹配成功有多种结果的情况下，取最大值（类似经济学中的经济人定义）
非贪婪：在匹配次数符号后接？

fullmatch，需要全部符合
match，开头符合即匹配成功
match(正则表达式，字符串)

from re import  match
print(match(r'a\db', 'a3bpppppp'))

print(match(r'a.+b', 'a12bkskshjwbkksowbuik'))

print(match(r'a.+b','ahhjibiioolbiop0[bjkkp'))
print(match(r'a.+?b','ahhjibiioolbiop0[bjkkp'))

#partice: 写正则表达式可以匹配任意一个整数字符串（不考虑0）
print(fullmatch(r'[+-]?[1-9]\d*', '123'))

5、() ：分组
在正则表达式中，用()将正则表达式中的部分内容括起来表示一个整体

①整体操作，控制某个部分
②重复：在正则中通过\n来重复前面第n个分组匹配到的结果
③捕获：获取匹配结果某部分，分为手动捕获和自动捕获
自动捕获：获取匹配结果分组匹配到的内容，findall
手动捕获：代码中写出分组匹配到的内容，fullmatch
获取正则对应匹配结果：匹配对象.group()
获取某个分组对应的匹配结果：匹配对象.group(分组数)

6、| ： 分支（类似或者）
正则1 | 正则2 ：先用正则1匹配，匹配失败则用正则2匹配

from re import fullmatch
print(fullmatch(r'([a-z]{2}\d{3})*', ''))

print(fullmatch(r'([a-z]{2})(\d{3})=\2\1{2}', 'mn891=891mnmn'))

from re import findall
message = ' 年龄:18岁 , 身高:178 , 体重：120, 月薪：3000元 , 房租：1000元'
print(findall(r'\d+', message))
print(findall(r'\d+元', message))
print(findall(r'(\d+)元', message))  #元：筛选作用

print(fullmatch(r'\d{2}[a-z]{3}|\d{2}[\u4e00-\u9fa5]{3}'), '23wer')
print(fullmatch(r'\d{2}([a-z)|[\u4e00-\u9fa5])', '23为人体'))

7、检测类符号（不影响字符串长度）：在匹配成功的情况下，检测指定的位置是否符合相应要求

①\b ：检测是否是单词边界
单词边界：空白符号，换行符号，标点符号，字符串开头/结尾
underground
under ground
under
ground
under,ground

②^ : 检测是否是字符串开头
③$ : 检测是否是字符串结尾
④search(正则，字符串)：获取字符串中第一个满足条件的子串
⑤转义符号：特殊符号前加\，使之普通化
⑥re模块：提供和正则表达式相关的函数

模块	作用
fullmatch	完全匹配，匹配成功返回匹配对象，失败为None
martch	开头匹配，匹配成功返回匹配对象，失败为None
saerch	查找，匹配第一个满足正则的子串
findall	捕获，获取所以满足正则的子串，返回值是列表，元素为匹配的字符串
finditer	返回迭代器，内容为正则匹配对象
sub(正则，字符串1，字符串2)	替换，将字符串2中所有满足正则的字串用字符串1替换
splite	切割，满足正则的子串作为切割点

from re import fullmatch
print(fullmatch(r'\d{2},\ba', '23,a'))

str1 = '123adfsg666韶关市,jji999 900'
print(findall(r'\d+', str1))
print(findall(r'\b\d+', str1))

from re import search

print(search(r'\d{3}', 'shhko677与死神hh556hb'))
print(search(r'^1[3-9]\d{9}$', '13018222713'))

print(fullmatch(r'[\u4e00-\u9fa5]\.\d+', '好.111'))
print(fullmatch(r'\d\*\d','2*4'))

from re import finditer, split, sub
str1 = 'hi还曾经四次加哦就啊m9088，huhihj vyih788 i90'
print(findall(r'\d+', str1))

result = finditer(r'\d+', str1)
print(result)
print(next(result))
print(list(result))

print(split(r'\d+', str1))

print(sub('d+|[a-z]+', 'A', str1))