day16-正则表达式

day16-正则表达式

二进制数据的转换

1. 二进制类型/字节(bytes)
2. 其他数据转二进制：bytes(数据)
3. 二进制转字符串：str(数据, encoding=‘utf-8’)
   二进制数据.decode(encoding=‘utf-8’)
4. 字符串转二进制：字符串.encode(encoding=‘utf-8’)

正则语法

1. 什么是正则表达式
   正则表达式是一种工具，一种专门用来作字符串匹配的工具，能够在某些情况下让字符串的处理变得非常简单。
   fullmatch(正则表达式, 字符串) - 判断正则表达式是否和字符串完全匹配，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 - 普通字符在正则表达式中表示这个符号本身
      匹配一个字符串有三个字符，分别是a, b, c
      re_str = r’abc’
   2. . - 匹配任意一个字符(多行匹配(M(默认))：.不能匹配换行符；单行匹配(S)：.可匹配换行符)
      匹配一个长度是3的字符串，第一个字符是任意字符，后面是bc
      re_str = r’.bc’
   3. \d - 匹配任意一个数字字符
      匹配一个长度是5的字符串，前两个字符是数字字符，后面是abc
      re_str = r’\d\dabc’
   4. \D - 匹配任意一个非数字字符
      匹配一个长度是3的字符串，两个数字之间不是数字
      re_str = r’\d\D\d’
   5. \s - 匹配任意一个空白字符(空白字符：\s(空格)、\n(换行)、\t(制表符))
      匹配一个长度为7的字符串，abc与123之间有个空白字符
      re_str = r’abc\s123’
   6. \S - 匹配任意一个非空白字符
      匹配一个长度为5的字符串，abc和一个数字之间不是空白字符
      re_str = r’abc\S\d’
   7. \w - 匹配任意一个数字、字母或者下划线(不好用，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
      '-'号在[]中两个字符之间才有特殊意义
      [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] - 匹配1到9的任意一个数字字符
      [2-5abc] - 匹配2到5中任意一个数字字符或者a或者b或者c
      [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] - 匹配一个中文字符
   9. [^字符集] - 匹配除了abc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
      [^abc] - 匹配除了abc以外的任意一个字符
      [^\dxy] - 匹配除了xy和数字以外的任意一个字符
      [^a-z] - 匹配除了小写字母以外的任意一个字符
      [^\u4e00-\u9fa5] - 匹配除了中文以外的任意一个字符
3. 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，也不会影响字符串长度，它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，例如：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
4. 匹配次数
   1. * - 0次或多次
      示例：a* - 字符a出现0次或者多次
      \d* - \d出现0次或者多次(实质是\d在正则中出现0次或多次)
      [字符集]* - 字符集中任意字符出现0次或者多次(每次都可以是任意一个)
   2. + - 1次或多次(至少1次)
   3. ? - 0次或1次
   4. {} - 匹配多次
      {N} - 匹配多次
      {M,N} - 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种：贪婪(默认)和非贪婪(在不确定次数后面加?)
   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，匹配次数选最少的(+?、?、??、{M,N}?、{M,}?、{,N}?)
6. 分组
   1）()
   用法一：整体操作 - (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，只会获取分组匹配到的结果
7. 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，以此类推。
8. 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。
   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

re模块的使用

1. re.compile(正则表达式) - 编译正则表达式，返回正则对象
2. fullmatch(正则, 字符串) - 让整个字符串和正则进行匹配，匹配失败返回None，匹配成功返回匹配对象
   match(正则, 字符串) - 让字符串的开头和正则进行匹配，匹配失败返回None，匹配成功返回匹配对象
3. search(正则, 字符串) - 在字符串查找第一个满足正则的子串，如果找到了返回匹配对象，找不到返回None
   findall(正则, 字符串) - 获取字符串中所有满足正则的子串，返回值是列表，列表中的元素是子串，找不到返回空列表
   finditer(正则, 字符串) - 获取字符串中所有满足正则的子串，返回值是迭代器，迭代器中的元素是匹配对象
4. split(正则, 字符串) - 将字符串中满足正则的子串作为切割点
   sub(正则, 字符串1, 字符串2) - 将字符串2中满足正则的子串全部替换成字符串1