Python正则表达式（search和match）

'''
正则一般是用来匹配，比如电话号码和人匹配
'''

'''

re.match函数                            #match   ：re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置
函数语法：
re.match(pattern, string, flags=0)


re.search函数                           #search ：re.search 扫描整个字符串并返回第一个成功的匹配。      
函数语法：
re.search(pattern, string, flags=0)


pattern 匹配的正则表达式
string  要匹配的字符串。
flags   标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志


pattern:
^   匹配字符串的开头
$  匹配字符串的末尾。
.   匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]   用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...]  不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re* 匹配0个或多个的表达式。
re+ 匹配1个或多个的表达式。
re? 匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}  精确匹配 n 个前面表达式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。
re{ n,} 匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。
re{ n, m}   匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b    匹配a或b
(re)    匹配括号内的表达式，也表示一个组
(?imx)  正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx) 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re) 类似 (...), 但是不表示一个组
(?imx: re)  在括号中使用i, m, 或 x 可选标志
(?-imx: re) 在括号中不使用i, m, 或 x 可选标志
(?#...) 注释.
(?= re) 前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re) 前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re) 匹配的独立模式，省去回溯。
\w  匹配字母数字及下划线
\W  匹配非字母数字及下划线
\s  匹配任意空白字符，等价于 [\t\n\r\f].
\S  匹配任意非空字符
\d  匹配任意数字，等价于 [0-9].
\D  匹配任意非数字
\A  匹配字符串开始
\Z  匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z  匹配字符串结束
\G  匹配最后匹配完成的位置。
\b  匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B  匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等.  匹配一个换行符。匹配一个制表符。等
\1...\9 匹配第n个分组的内容。
\10 匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。


flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
re.I 忽略大小写
re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
re.M 多行模式
re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
re.X 为了增加可读性，忽略空格和 # 后面的注释


正则表达式实例:
实例:           描述:
[Pp]ython        匹配 "Python" 或 "python"
rub[ye]          匹配 "ruby" 或 "rube"
[aeiou]          匹配中括号内的任意一个字母
[0-9]            匹配任何数字。类似于 [0123456789]
[a-z]            匹配任何小写字母
[A-Z]            匹配任何大写字母
[a-zA-Z0-9]     匹配任何字母及数字
[^aeiou]        除了aeiou字母以外的所有字符
[^0-9]          匹配除了数字外的字符

'''

import re

                                                                #search ：re.search 扫描整个字符串并返回第一个成功的匹配。
result = re.search('wuyanzu','wuyanzu.cn')                     #直接输入要匹配的字符串
print(result.group())
                                                                #match   ：re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
result = re.match('wuyanzu','wuyanzu.cn').group()              # group 输出匹配的值
print(result)

a = re.match('[^asdhH]+?','woknhlj').group()    #[^...]是表示不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
print(a)                                        #+表示取一个或多个，是贪婪。  +？表示非贪婪   贪婪模式是把所有匹配的获取到，非贪婪模式只取到第一个匹配到的字符串

b = re.match('[a-zA-Z0-9_]*','12_3ds').group()   #表示匹配到的可以是a-z或A-Z或0-9或下划线，*是取0个或多个
print(b)

b = re.match('[a-zA-Z0-9_]{4}','12_3ds').group()    #表示匹配到的可以是a-z或A-Z或0-9或下划线，只取四个值
print(b)

b = re.match('[a-zA-Z0-9_]{2,5}','12_3ds').group()    #匹配2-5位的值
print(b)

b = re.match('^4.*[369]$','4dfvea12453').group()    #这里的^表示	匹配字符串的开头，？表示取0个或1个，$表示匹配字符串的末尾。
print(b)                                            #match匹配从左边第一个匹配

b = re.search('4.*[369]$','24dfvea12459').group()   #search匹配是从整体里找符合条件的
print(b)

c=re.match(r'[\w]{4,20}@163.com','949978171@163.com').group()        # 实例: 匹配网易163邮箱
print(c)


mylist = ['apple','banana','pen','orange']          #判断匹配的数据列表里有没有，有返回数据，没有返回没有
for i in mylist:

    a = re.match('apple|pen',i)         #  |  是或者的意思
    if a:
        print(a.group())
    else:
        print('没有')


# mylist = []                                              #匹配163邮箱或者126邮箱，有输出邮箱，没有输出没有
# mylist.append(input('请输入邮箱：'))
# for i in mylist:
#
#     a = re.match('[\w]{4,20}@(126|163)\.com',i)
#     if a:
#         print(a.group())
#         print(a.group(1))
#     else:
#         print('没有')



mylist = ['010-8989345','020-321532','0103425431','0111-3713456']        #匹配显示   区号与号码
for i in mylist:
    a = re.match('(0[1-9][0-9]{1,2})-?(\d{6,8})',i)        #（）表示分组，分组的编码是从1开始
    if a:
        print('区号：',a.group(1))   #表示分组1的内容
        print('号码',a.group(2))     #表示分组2的内容
    else:
        print('没有找到')


mystr = 'c:\\a\\b\\c'
a=re.match('c:\\\\a\\\\b\\\\c',mystr).group()
print(a)
b=re.match(r'c:\\a\\b\\c',mystr).group()    #r作用：使用字符串的原始意义，就不用在使用很多转义字符
print(b)

# '''匹配网页'''
# import re
#
#
# content = '<html>hello world</html>'
#
# obj = re.match('<[a-zA-Z0-9]+>(.*)</[a-zA-Z0-9]+>',content)
# if obj:
#     print(obj.group(1))
# else:
#     print('0')
#
#
#
#
# obj = re.match('<([a-zA-Z0-9]+)>(.*)</\\1>',content)      #第一个\表示转义字符，第二个\1表示用group（1）
# if obj:
#     print(obj.group(2))
# else:
#     print('0')
#
#
# obj = re.match(r'<([a-zA-Z0-9]+)>(.*)</\1>',content)      #有r就是使用原始意义
# if obj:
#     print(obj.group(2))
# else:
#     print('0')


import re

content1 = '<html><h1>hello world</h1></html>'
obj = re.match('<(?P<name1>[a-zA-Z0-9]+)><(?P<name2>[a-zA-Z0-9]+)>(.*)</(?P=name2)></(?P=name1)>',content1)      #分组命名格式（?P<名字>）
if obj:
    print(obj.group(3))
else:
    print('0')

import re

content = '我想买10斤苹果，总价2元'
obj = re.findall('\d+',content)    #不用group，他直接输出是一个列表
print(obj)
print(obj[1])


a=re.sub('\d+','100',content)    #对被替换的copy一份再改，对原来数据不改变
print(a)
print(content)