re模块:python提供的专门使用正则表达式的相关的函数的模块
from re import fullmatch, search, findall
from fileManager import read_file
一、正则表达式
1. 什么是正则表达式
正则表达式是一种让字符串处理更简单的工具(本质是做字符串匹配)
2. 正则表达式的语法
fullmatch(正则表达式, 字符串) - 让正则表达式式和字符串进行完全匹配,如果匹配失败结果是None
js的正则: /正则表达式/
python的正则: r’正则表达式’
2.1 匹配符号
1)普通字符 - 表示字符本身
re_str = r'abc'
result = fullmatch(re_str, 'abc')
print(result)
2). - 匹配一个任意字符
re_str = r'.abc'
result = fullmatch(re_str, '+abc')
print(result)
# 匹配一个长度是5的字符串,字符串中间三个字符是abc,第一个字符和最后一个字符任意
re_str = r'.abc.'
result = fullmatch(re_str, '(abc+')
print(result)
# 匹配一个长度是3的任意字符串
re_str = r'...'
result = fullmatch(re_str, 'ajs')
print(result)
3)\w - 匹配任意一个数字、字母或者下划线(针对ASCII码表有效)(注意:平时不用)
re_str = r'\wabc'
result = fullmatch(re_str, '8abc')
print(result)
4)\d - 匹配任意一个数字字符
re_str = r'\d\d\d'
result = fullmatch(re_str, '142')
print(result)
re_str = r'\d\dabc\d\d'
result = fullmatch(re_str, '23abc89')
print(result)
5)\s - 匹配任意一个空白字符
re_str = r'\s\d..'
result = fullmatch(re_str, '\n9k/')
print(result)
re_str = r'\d\d\s\d\d'
result = fullmatch(re_str, '78 23')
print(result)
6)\D和\S
\字母 - 小写字母和对应的大写字母的功能相反
re_str = r'\dabc\D'
result = fullmatch(re_str, '8abc-')
print(result)
re_str = r'\Sabc'
result = fullmatch(re_str, '=abc')
print(result)
7)[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
a. [abc123] - 匹配 a、b、c、1、2、3 中任意一个字符
b.
[a-z] - 匹配从字符a到字符z之间的任意一个字符(匹配任意一个小写字母)
[A-Z] - 匹配任意一个大写字母
[a-zA-Z] - 匹配任意一个字母
[0-9] - 匹配任意一个数字字符
[\u4e00-\u9fa5] - 匹配任意一个中文字符
re_str = r'[cz+?]123'
result = fullmatch(re_str, '?123')
print(result)
re_str = r'[\u4e00-\u9fa5]123'
result = fullmatch(re_str, '看123')
print(result)
# 练习:判断输入手机号码是否合法
re_str = r'1[3-9]\d\d\d\d\d\d\d\d\d'
result = fullmatch(re_str, '13598902763')
print(result)
# []中-前面的字符编码值必须小于-后面的字符编码
# result = fullmatch(r'[a-0]abc', '0abc')
# []中-如果不在两个字符之间,-就没有特殊功能直接表达它本身
result = fullmatch(r'[-09]abc', '-abc')
print(result)
# 练习:写一个正则表达式,要求可以匹配一个字符串:abc前面是一个数字、字母或者下划线
re_str = r'[a-zA-Z\d_]abc'
result = fullmatch(re_str, '_abc')
print(result)
8)[^字符集] - 取不在字符集中任意一个字符
[^\u4e00-\u9fa5] - 匹配任意一个非中文字符
[^0-9] - 匹配任意一个非数字字符
[^a-zA-Z] - 匹配任意一个非字母字符
print(fullmatch(r'[abc^]123', 'b123'))
print(fullmatch(r'[^abc]123', 'a123'))
2.2 检测符号
1)\b - 检测是否是单词的边界
单词边界:字符串开头、字符串结尾、凡是能区分出两个不同单词的符号
注意:检测类的符号不影响匹配的长度,只是在匹配成功的时候做进一步的检测
message = 'how are you?i am fine!thank you!'
re_str = r'\d\d.\b\d\d'
print(fullmatch(re_str, '56=89'))
2)^ - 检测^所在的位置是否是字符串开头
re_str = r'\d^abc'
print(fullmatch(re_str, '1abc'))
re_str = r'^\d\d\d'
print(fullmatch(re_str, '678'))
re_str = r'^\d\d\d'
print(fullmatch(re_str, '678'))
print(search(re_str, 'shdj39极客时间238u丄282='))
3)$ - 检测$所在的位置是否是字符串结尾
re_str = r'\d\d$'
print(search(re_str, '时代峰峻78暗示法23沙发89'))
2.3 匹配次数
1)* - 匹配0次或多次
字符 * - 字符出现0次或多次
re_str = r'a*'
print(fullmatch(re_str, 'aaa'))
re_str = r'\d*'
print(fullmatch(re_str, '478923'))
re_str = r'123[a-z]*'
print(fullmatch(re_str, '123ukl'))
2)+ - 匹配1次或多次(至少1次)
re_str = r'a+'
print(fullmatch(re_str, 'a'))
3)? - 匹配0次或1次
re_str = r'\d?abc'
print(fullmatch(re_str, '0abc'))
# 练习:写一个正则表达式可以匹配任意一个整数字符串
# '23874', '-234', '+2348977'
re_str = r'[-+]?\d+'
print(fullmatch(re_str, '+23874'))
4){}
{N} - 匹配N次
{M,N} - 匹配M到N次
{M,} - 匹配至少M次
{,N} - 匹配最多N次(0~N次)
re_str = r'\d{4}abc'
print(fullmatch(re_str, '6723abc'))
re_str = r'a{2,5}123'
print(fullmatch(re_str, 'aaaaa123'))
re_str = r'a{2,}123'
print(fullmatch(re_str, 'aaaaaaaaaaa123'))
re_str = r'a{,2}123'
print(fullmatch(re_str, 'aa123'))
5)贪婪和非贪婪
在匹配次数不确定的情况下,匹配模式分为两种:贪婪和非贪婪
a. 贪婪:默认都是贪婪的(在能匹配到的前提下匹配次数尽可能多)
*、+、?, {M,N}、{M,}、{,N}
b. 非贪婪:(在能匹配到的前提下匹配次数尽可能少)在匹配次数不确定的时候,次数后面加问号,匹配就是非贪婪的
*?、+?、??、{M,N}?、{M,}?、{,N}?
re_str = r'\d{2,}'
print(search(re_str, '护士227382abc你好!'))
re_str = r'\d{2,}?'
print(search(re_str, '护士227382abc你好!'))
# 练习:获取疫情信息中所有的国家的名字
content = read_file('data.json')
re_str = r'"provinceName":"(.+?)",'
print(findall(re_str, content))
二、分支和分组
1. 分支: |
正则1|正则2|正则3…
# 写一个正则匹配一个字符串:123abc 和 456abc
re_str = r'123abc|456abc'
print(fullmatch(re_str, '456abc'))
re_str = r'123|345abc'
print(fullmatch(re_str, '123abc')) # None
print(fullmatch(re_str, '123'))
print(fullmatch(re_str, '345abc'))
2. 分组: ()
1)整体操作
# abc出现3次
re_str = r'(abc){3}'
print(fullmatch(re_str, 'abcabcabc'))
# 写一个正则匹配一个字符串:123abc 和 456abc
re_str = r'(123|456)abc'
print(fullmatch(re_str, '456abc'))
# 两个数字两个字母的结构重复4次: 34hj56kl67uj23Bm
re_str = r'(\d\d[a-zA-Z]{2}){4}'
print(fullmatch(re_str, '34hj56kl67uj23Bm'))
2)重复:
\M - 重复前面第M个分组匹配到的内容(M从1开始)
re_str = r'(\d\d)=\1abc'
print(fullmatch(re_str, '67=67abc'))
re_str = r'(\d\d)-([a-z]{3})-\2-\1'
print(fullmatch(re_str, '23-bnm-bnm-23'))
3)捕获
findall
3. 转义符号: 在具有特殊功能或者特殊意义的符号前加,让功能消失
re_str = r'\.\d\d'
print(fullmatch(re_str, '.23'))
re_str = r'abc\+\d\d'
print(fullmatch(re_str, 'abc+34'))
注意:独立存在有特殊功能的符号在[]中功能会自动消失
re_str = r'[-+.]abc'
print(fullmatch(re_str, '.abc'))
三、re模块
1. re.compile()
compile(正则表达式) - 编译正则表达式,创建正则表达式对象
re_obj = compile(r'\d{3}')
fullmatch(r'\d{3}', '234')
re_obj.fullmatch('234')
search(r'\d{3}', 'hu23hjk890jhkh78')
re_obj.search('hu23hjk890jhkh78')
2. 匹配
1)fullmatch(正则表达式, 字符串)
让整个字符串和正则表达式进行匹配
2)match(正则表达式, 字符串)
匹配字符串开头
如果匹配不到结果是None,如果匹配成功了结果是匹配对象
re_str = r'\d{3}'
print(fullmatch(re_str, '732'))
print(fullmatch(re_str, '732hjas')) # None
print(match(re_str, '789'))
print(match(re_str, '789j手机打开'))
# 设置同时忽略大小写和单行匹配
print(fullmatch(r'123.[a-z]{3}', '123\nHNA', flags=S|IGNORECASE))
print(fullmatch(r'(?is)123.[a-z]{3}', '123\nHNA'))
3. 匹配对象
# result = match(re_str, '789j手机打开')
re_str = r'(\d{2})-([a-z]{3})'
result = match(re_str, '23-sjm回款及时发货')
print(result)
1)获取匹配到的字符串
匹配对象.group() - 获取整个正则表达式匹配到结果
print(result.group()) # 23-sjm
# 匹配对象.group(分组号) - 获取正则表达式中指定的分组匹配到的结果(分组号从1开始)
print(result.group(1)) # 23
print(result.group(2)) # sjm
2)获取匹配到的子串的范围
# 匹配对象.span()
print(result.span()) # (0, 6)
print(result.span(2)) # (3, 6)
3)获取原字符串
匹配对象.string
print(result.string)
4. 查找
1)search(正则表达式,字符串)
在字符串中查找第一个能和正则表达式匹配的子串。如果找到了返回匹配对象,找不到返回None
2) findall(正则表达式,字符串)
获取字符串中所有满足正则表达式的子串。返回一个列表,列表中的元素是字符串
3) finditer(正则表达式,字符串)
获取字符串中所有满足正则表达式的子串。返回一个迭代器,迭代器中的元素是匹配对象
str1 = 'and123=hu123aaa456klk98!ll7hu123oop'
result = search(r'\d+', str1)
print(result) # <re.Match object; span=(3, 6), match='123'>
result = findall(r'\d+', str1)
print(result) # ['123', '123', '456', '98', '7', '123']
result = findall(r'\d+[a-z]', str1)
print(result) # ['123a', '456k', '7h', '123o']
# findall正则中如果有分组,只获取分组匹配到的内容
result = findall(r'(\d+)[a-z]', str1)
print(result) # ['123', '456', '7', '123']
result = findall(r'(\d+)([a-z])', str1)
print(result) # [('123', 'a'), ('456', 'k'), ('7', 'h'), ('123', 'o')]
str2 = '9h3jabc===9k2mabc9293h0oabc==!!!'
result = findall(r'(\d[a-zA-Z]){2}abc', str2)
print(result)
result = finditer(r'((\d[a-zA-Z]){2})abc', str2)
# print(list(result))
for x in result:
print(x.group(1))
5. 切割
split(正则表达式, 字符串) - 将字符串中能和正则表达式匹配的子串作为切割点,对字符串进行切割。返回值是列表,列表中的元素是字符串
split(正则表达式, 字符串, 次数) - 指定切割次数
str1 = 'and123=hu123aaa456klk98!ll7hu123oop'
result = split(r'\d+', str1)
print(result) # ['and', '=hu', 'aaa', 'klk', '!ll', 'hu', 'oop']
result = split(r'\d+', str1, 3)
print(result) # ['and', '=hu', 'aaa', 'klk98!ll7hu123oop']
6. 替换
sub(正则表达式, 字符串1, 字符串2) - 将字符串2中能和正则表达式匹配的子串全部替换成字符串1
sub(正则表达式, 字符串1, 字符串2, 次数) - 限制替换次数
str1 = 'and123=hu123aaa456klk98!ll7hu123oop'
new_str1 = sub(r'\d+', '+', str1)
print(new_str1)
sentence = '你丫是傻 叉吗? 你是笨蛋吗?垃圾. F u c k you.'
re_str = r'(?i)[操肏艹草曹]|f\s*u\s*c\s*k|s\s*h\s*i\s*t|傻\s*[笨蛋垃圾比逼叉缺吊屌]|煞\s*笔'
new_sentence = sub(re_str, '*', sentence)
print(new_sentence)