day16-正则表达式
二进制数据的转换
- 二进制类型/字节(bytes)
- 其他数据转二进制:bytes(数据)
- 二进制转字符串:str(数据, encoding=‘utf-8’)
二进制数据.decode(encoding=‘utf-8’) - 字符串转二进制:字符串.encode(encoding=‘utf-8’)
正则语法
- 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 - 正则表达式的语法(通用的)
- 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’ .
- 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’- \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’ - \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’ - \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’ - \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’ - \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)
- [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 - [^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
- 普通字符 - 普通字符在正则表达式中表示这个符号本身
- 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- \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 - \B - 检测是否不是单词边界
- ^ - 检测是否是字符串开头
- $ - 检测是否是字符串结尾
- \b - 检测是否是单词边界
- 匹配次数
*
- 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)+
- 1次或多次(至少1次)- ? - 0次或1次
- {} - 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
- 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}?) - 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 - 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。 - 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
- re.compile(正则表达式) - 编译正则表达式,返回正则对象
- 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 - 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 - 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