python100day- day16 - 正则表达式
from re import fullmatch, search, findall
一、正则语法
匹配符号
1.什么是正则表达式
"""
正则表达式是一种工具;一种专门用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
"""
re_str = r'abc'
result = fullmatch(re_str, 'abc')
print(result)
2) . - 匹配任意一个字符
re_str = r'.bc'
result = fullmatch(re_str, 'xbc')
print(result)
re_str = r'a..c'
result = fullmatch(re_str, 'axvc')
print(result)
3) \d - 匹配任意一个数字字符
re_str = r'\d\d\d'
result = fullmatch(re_str, '111')
print(result)
re_str = r'\d\dabc'
result = fullmatch(re_str, '11abc')
print(result)
4) \D - 匹配任意一个非数字字符
re_str = r'\d\D\d'
result = fullmatch(re_str, '1s2')
print(result)
5) \s - 匹配任意一个空白字符
空白字符:空格、换行\n、\t(制表符)
re_str = r'abc\s123'
result = fullmatch(re_str, 'abc 123')
print(result)
6) \S - 匹配任意一个非空白字符
re_str = r'abc\D\d'
result = fullmatch(re_str, 'abcs8')
print(result)
re_str = r'\S...'
print(fullmatch(re_str, 'nini'))
7) \w - 匹配任意一个数字、字符或者下划线(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
[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] - 匹配一个字符是数字1~9中的任意一个
[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] - 匹配任意一个中文字符
"""
re_str = r'[abc]123'
result = fullmatch(re_str, 'b123')
print(result)
re_str = r'[\dxy=]mn'
result = fullmatch(re_str, '=mn')
print(result)
注意: - 减号在[]中两个字符之间才有特殊意义
re_str = r'[-abc]12-3'
result = fullmatch(re_str, '-12-3')
print(result)
9) [^字符集] - 匹配不在字符集中的任意一个字符
"""
[^abc] - 匹配除了abc以外的任意一个字符
[^\dxy] - 匹配除了数字和xy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
"""
print(fullmatch(r'[^abc]123', 'a123'))
print(fullmatch(r'[\u4e00-\u9fa5]123', '好123'))
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
"""
re_str = r'abc\b\s123'
result = fullmatch(re_str, 'abc 123')
print(result)
2 \B - 检测是否不是单词边界
re_str = r'abc\B123'
print(fullmatch(re_str, 'abc123'))
3)^ - 检测是否是字符串开头
re_str = r'abc^123'
print(fullmatch(re_str, 'abc123'))
re_str = r'^abc123'
print(fullmatch(re_str, 'abc123'))
4)$ - 检测是否是字符串结尾
re_str = r'\d\d$'
print(fullmatch(re_str, 'ddvjidv那几率22ss33'))
print(search(re_str, 'dfsafsSdasf333是送给备份11'))
匹配次数
1)* - 0次或多次
"""
a* - 字符a出现0次或者多次
\d* - 任意数字出现0次或多次(实质是\d在正则中出现0次或多次)
[字符集]* - 字符集中的任意字符出现0次或者多次(每次都可以是任意一个)
"""
re_str = r'a*bc'
print(fullmatch(re_str, 'aaaaaaaaaaaaaaaabc'))
re_str = r'a\d*c'
print(fullmatch(re_str, 'a247675325675c'))
re_str = r'a[A-Z]*c'
print(fullmatch(re_str, 'aDc'))
2) + - 一次或多次(至少一次)
re_str = r'a[A-Z]+c'
print(fullmatch(re_str, 'ac'))
3)? - 0次或1次
写一个正则能匹配任意正整数:23, 3434, +87, 023(None)
re_str = r'[+]?[1-9]\d*'
print(fullmatch(re_str, '+1111'))
4){}
"""
{N} - 匹配N次
{M,N} - 匹配M到N次
{M,} - 匹配至少M次
{,N} - 匹配到最多N次
"""
re_str = r'\d{3}'
print(fullmatch(re_str, '212'))
re_str = r'[\da-zA-Z]{3,6}'
print(fullmatch(re_str, '123eee'))
print(fullmatch(r'a{3,}123', 'aaa123'))
print(fullmatch(r'a{,3}123', 'aa123'))
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(再不确定后面加?号)
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}?)
"""
贪婪模式:
re_str = r'a.+b'
print(search(re_str, 'xxasdbsdfebfdd==可发放符合b---'))
非贪婪模式:
re_str = r'a.+?b'
print(search(re_str, 'xxasdbsdfebfdd==可发放符合b---'))
分组
1)()
"""
用法一:整体操作
a{2,3}
(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
"""
两个数字两个字母的结构重复3到5次,类似:89nm78dd89hh
re_str = r'(\d{2}[a-z]{2}){3,5}'
print(fullmatch(re_str, '23dl45jk12jk45gh32fg'))
re_str = r'(\d)\1abc\1'
print(fullmatch(re_str, '22abc2'))
re_str = r'M(\d[a-z])N\1([A-Z])\2'
print(fullmatch(re_str, 'M4aN4aQQ'))
re_str = r'a\d{2}b'
print(findall(re_str, 'mma78bghga67bhgha34bbh'))
re_str = r'a(\d{2})b'
print(findall(re_str, 'mma78bghga67bhgha34bbh'))
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;如果匹配失败就用正则2进行匹配,
如果成功整个正则就匹配成功,如果失败就用正则3进行匹配,以此类推...
"""
写一个正则能够匹配一个字符串:abc后面是三个数字或者abc后面是三个大写字母
re_str = r'abc\d{3}|abc[A-Z]{3}'
print(fullmatch(re_str, 'abc123'))
print(fullmatch(re_str, 'abcAAA'))
re_str = r'abc(\d{3}|[A-Z]{3})'
print(fullmatch(re_str, 'abc233'))
print(fullmatch(re_str, 'abcFSV'))
转义符号
"""
在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。
"""
re_str = r'\d{2}\.\d{2}'
print(fullmatch(re_str, '34.24'))
re_str = r'[.+*]abc'
print(fullmatch(re_str, '.abc'))
二、re模块的使用
import re
1.compile(‘正则表达式’) - 编译正则表达式,返回正则对象
re_obj = re.compile(r'\d{3}')
正则表达式对象.fullmatch(字符串)
print(re_obj.fullmatch('789'))
re.fullmatch(正则表达式, 字符串)
print(re.fullmatch(r'\d{3}', '789'))
2.匹配
"""
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) - 让字符串开头和正则匹配,匹配失败返回None,匹配成功返回匹配对象
"""
print(re.match(r'\d{3}', '345hvfyfyfyf个is过户后古尔沟'))
3.匹配对象
result = re.match(r'(\d{2})([a-z]{3})([A-Z]{2})', '23aasSAssff')
print(result)
1)匹配到的字符串
匹配对象.group() / 匹配对象.group(0) - 获取整个正则匹配到的子串
匹配对象.group(N) - 获取第N个分组匹配到的子串
print(result.group(0))
print(result.group(1))
print(result.group(3))
2)获取匹配范围 - 匹配到的子串在原字符串中的下标范围
匹配对象.span()
print(result.span())
print(result.span(2))
4.查找
"""
search(正则, 字符串) - 在字符串中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,列表中的元素是字符串或者元组
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
"""
1)search
print(re.search(r'\d{3}', 'hfhfgs245hfuh登记表吃饭饭费'))
2)findall
print(re.findall(r'\d{3}', '355udjgugb124jnjdbf766ggh'))
print(re.findall(r'a(\d{3})', 'a234kgnrknha664mkhkna323gff'))
print(re.findall(r'([a-z]{2})(\d{3})', 'abm678十几年a092sdjb8239==-a786lksa119Kjd'))
print(re.findall(r'(\d|[a-z])[A-Z]{2}', 'hKM-水电费8MN速度快的9PP'))
3)finditer
result = re.finditer(r'([a-z]{2})(\d{3})', 'abm678十几年a092sdjb8239==-a786lksa119Kjd')
print(result)
print(list(result))
5.切割和替换
"""
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
"""
result = re.split(r'\d+', 'asjj823kasjkdfh299jSDK飞机和478sdjfh3上课的家伙5上看到回复')
print(result)
result = re.sub(r'\d+', '+', 'asjj823kasjkdfh299jSDK飞机和478sdjfh3上课的家伙5上看到回复')
print(result)
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)
print(bytes(10))
print(bytes(True))
print(bytes('abc', encoding='utf-8'))
print(bytes([1, 2]))
list1 = [100, 'abc', 12.5]
b1 = bytes(str(list1),encoding='utf-8')
print(b1)
3.二进制转字符串:
方法一:str(数据)
字符串转二进制:字符串.encode(encoding=‘utf-8’)
str1 = str(b1, encoding='utf-8')
print(str1)
list1 = eval(str1)
print(list1,type(list1))
str2 = 'hello'
b2 = str2.encode(encoding='utf-8')
print(b2)
方法二:二进制数据.decode(encoding=‘utf-8’)
str2 = b2.decode(encoding='utf-8')
print(str2)