正则表达式简单入门

正则表达式是爬虫，Web开发，数据处理等各类涉及到文本处理的一把锋利的瑞士军刀，是每个程序员必须掌握的一门技能。

# 1. 正则表达式的7个境界

'''要确定文本中是否包含数字123456，我们可以用in运算符，也可以使用index函数'''

text = '身高:178,体重:168,学号:123456,密码:9527'

target = '123456'

if target in text:
    print('find it')

print(text.index(target))

# level1 - 固定的字符串

'''
要求：确定字符串中是否有123456

findall()方法的第1个参数是模式，第2个参数是要查找的字符串
模式中会有一些特殊字符，所以用r表示这是一个raw字符串，让Python不要去转义里面的特殊字符
level1就是一个固定的字符串匹配，可以用传统的字符串匹配解决
'''
import re
text = '身高:178,体重:168,学号:123456,密码:9527'
print(re.findall(r'123456',text))

# level2 - 某一类字符
'''
要求：找出所有的单个的数字
这个表达式\d表示所有的数字，所以1,7,8,1,6,8等都可以匹配到。这是很简单的模式，只匹配1个单独的数字

'''
text = '麦叔身高:178，体重：168，学号：123456，密码:9527'
print(re.findall(r'\d',text))

# level3 - 重复某一类字符

'''
要求：找所有的数字，比如178，168，123456，9527等。
这个模式\d+在\d的后面增加了+号，表示数字可以出现1到多次，所以178等都符合它的要求
'''
text = '麦叔身高:178，体重：168，学号：123456，密码:9527'
print(re.findall(r'\d+',text))

# leve4 - 组合level2

'''
要求：找出座机号码
\d{4}-\d{8}这是一个组合的模式，表示前面4个数字，中间一个横杠，后面8个数字
'''
text = '麦叔电话是18812345678，他还有一个电话号码是18887654321，他爱好的数字是01234567891，他的座机是：0571-52152166'
print(re.findall(r'\d{4}-\d{8}',text))

# leve5 - 多种情况

'''
要求：找出手机号码或者座机号码
比上面有复杂了点，因为使用竖线(|)来表示”或“的关系，就是手机号码和电话号码都可以
'''
text = '麦叔电话是18812345678，他还有一个电话号码是18887654321，他爱好的数字是01234567891，他的座机是：0571-52152166'
print(re.findall(r'\d{4}-\d{8}|1\d{10}',text))

# level6 - 限定位置
'''
要求：在句子开头的手机号码,或座机
在表达式的最开始使用了^符号，表示一定要在句子的开头才行。这时候只有18812345678能匹配上

'''
text = '18812345678，他还有一个电话号码是18887654321，他爱好的数字是01234567891，他的座机是：0571-52152166'
print(re.findall(r'^\d{4}-\d{8}|^1\d{10}',text))


# level7 - 内部约束

'''
要求：找出形如barbar, dardar的前后三个字母重复的字符串
\w{3}表示3个字符，放在小括号中(\w{3})就成为一个分组，而后面的(\1)表示它里面的内容和第1个括号里的内容必须相同，其中的1就表示第1个括号，也就是说3个字符要重复出现两次

'''
text = 'barbar carcar harhel'

print(re.findall(r'(\w{3})(\1)',text))

# 2. 写正则表达式的步骤

'''
确定模式包含几个子模式
各个部分的字符分类是什么
各个子模式如何重复
是否有外部位置限制
是否有内部制约关系
'''

text = '随机数字：01234567891，座机1：0571-52152166，座机2：0571-52152188-1234'
print(re.findall(r'\d{3,4}-\d{7,8}-\d{3,4}|\d{3,4}-\d{7,8}', text))

# 3. Python正则模块re的用法

t = \
(
'''
<1> 查找
re.search()：查找符合模式的字符，只返回第一个，返回Match对象
re.match()：和search一样，但要求必须从字符串开头匹配
re.findall()：返回所有匹配的字符串列表
re.finditer()：返回一个迭代器，其中包含所有的匹配，也就是Match对象

<2> 替换
re.sub()：替换匹配的字符串，返回替换完成的文本
re.subn()：替换匹配的字符串，返回替换完成的文本和替换的次数

<3> 分割
re.split()：用匹配表达式的字符串做分隔符分割原字符串

re.compile()：把正则表达式编译成一个对象，方便后面使用

'''
)

# print(t)

import re
text = "aBc,Abc,ABC"
m = re.search(r'abc',text,flags=re.I)
print(m.group())

text = '18812345678，他还有一个电话号码是18887654321，他爱好的数字是01234567891，他的座机是：0571-52152166'
m = re.search(r'(\d{4})-(\d{8})',text)
print(m.group(),m.group(1),m.group(2))

# match
import re
text = "xaBc,Abc,ABC"
m = re.match(r'abc',text,flags=re.I)
print(m)

# findall
import re
text = "xaBc,abc,ABC"
m = re.findall(r'abc',text,flags=re.I)
print(m)

# findall
import re
text = "ABC,abc,xaBc"
m = re.findall(r'^abc',text,flags=re.I)
print(m)

import re
text = "abbb ,accc "
m = re.findall(r'ac*',text,flags=re.I)
print(m)

# findall
text = '18812345678，他还有一个电话号码是18887654321，他爱好的数字是0571-52152188，他的座机是：0571-52152166'
m = re.findall(r'\d{4}-\d{8}',text)
print(m)

# finditer
text = '18812345678，他还有一个电话号码是18887654321，他爱好的数字是0571-52152188，他的座机是：0571-52152166'
it  = re.finditer(r'\d{4}-\d{8}',text)

for m in it:
    print(m.group())

# sub 
import re
text = "aBc,Abc,ABC,fafafafa"
m = re.sub(r'abc','***',text,flags=re.I)
print(m)

# subn 
import re
text = "aBc,Abc,ABC,fafafafa"
m = re.subn(r'abc','***',text,flags=re.I)
print(m)

# match
import re
text = "xaBc,Abc,ABC"

list = []
for i in text.split(','):
    m = re.match(r'abc',i,flags=re.I)
    if m != None:
        list.append(m.group())
print(list)


text = "xaBc,Abc,ABC"
m = re.findall(r'abc',text,flags=re.I)
print(m)

text = "Abc,ABC"
m = re.match(r'abc',text,flags=re.I)
print(m.group())