python正则表达式二

标点符号的特殊含义

特殊字符	Value
.	(点) 在默认模式，匹配除了换行的任意字符。如果指定了标签 DOTALL ，它将匹配包括换行符的任意字符。
^	(插入符号) 匹配字符串的开头， 并且在 MULTILINE 模式也匹配换行后的首个符号。
$	匹配字符串尾或者在字符串尾的换行符的前一个字符，在 MULTILINE 模式下也会匹配换行符之前的文本。
*	对它前面的正则式匹配0到任意次重复， 尽量多的匹配字符串。
+	对它前面的正则式匹配1到任意次重复。
?	对它前面的正则式匹配0到1次重复。
*?, +?, ??	‘*’, ‘+’，和 ‘?’ 修饰符都是 贪婪的；它们在字符串进行尽可能多的匹配。
{m}	对其之前的正则式指定匹配 m 个重复；少于 m 的话就会导致匹配失败。
{m,n}	对正则式进行 m 到 n 次匹配，在 m 和 n 之间取尽量多。
{m,n}?	前一个修饰符的非贪婪模式，只匹配尽量少的字符次数。
|转义特殊字符
[]	用于表示一个字符集合。
|	A|B，一旦 A 匹配成功， B 就不再进行匹配
(…)	（组合），匹配括号内的任意正则表达式，并标识出组合的开始和结尾。
(?…)	这是个扩展标记法 （一个 ‘?’ 跟随 ‘(’ 并无含义）。 ‘?’ 后面的第一个字符决定了这个构建采用什么样的语法。
(?aiLmsux)	( ‘a’, ‘i’, ‘L’, ‘m’, ‘s’, ‘u’, ‘x’ 中的一个或多个) 这个组合匹配一个空字符串；
(?:…)	正则括号的非捕获版本。 匹配在括号内的任何正则表达式，但该分组所匹配的子字符串 不能 在执行匹配后被获取或是之后在模式中被引用。
(?aiLmsux-imsx:…)	(‘a’, ‘i’, ‘L’, ‘m’, ‘s’, ‘u’, ‘x’ 中的0或者多个， 之后可选跟随 ‘-’ 在后面跟随 ‘i’ , ‘m’ , ‘s’ , ‘x’ 中的一到多个 .) 这些字符为表达式的其中一部分 设置 或者 去除 相应标记
(?P…)	（命名组合）
(?P=name)	反向引用一个命名组合；它匹配前面那个叫 name 的命名组中匹配到的串同样的字串。
(?#…)	注释；里面的内容会被忽略。
(?=…)	匹配 … 的内容，但是并不消费样式的内容。比如， Isaac (?=Asimov) 匹配 'Isaac ’ 只有在后面是 ‘Asimov’ 的时候。
(?!…)	匹配 … 不符合的情况。
(?<=…)	匹配字符串的当前位置，它的前面匹配 … 的内容到当前位置。
(?<!…)	匹配当前位置之前不是 … 的样式。
(?(id/name)yes-pattern|no-pattern)	如果给定的 id 或 name 存在，将会尝试匹配 yes-pattern ，否则就尝试匹配 no-pattern，no-pattern 可选，也可以被忽略。

种类	[ ]的用法
1	字符可以单独列出，比如 [amk] 匹配 ‘a’， ‘m’， 或者 ‘k’
2	可以表示字符范围，通过用 ‘-’ 将两个字符连起来。比如 [a-z] 将匹配任何小写ASCII字符， [0-5][0-9] 将匹配从 00 到 59 的两位数字， [0-9A-Fa-f] 将匹配任何十六进制数位。 如果 - 进行了转义 （比如 [a-z]）或者它的位置在首位或者末尾（如 [-a] 或 [a-]），它就只表示普通字符 ‘-’。
3	特殊字符在集合中，失去它的特殊含义。比如 [(+*)] 只会匹配这几个文法字符 ‘(’, ‘+’, ‘*’, or ‘)’。
4	字符类如 \w 或者 \S (如下定义) 在集合内可以接受，它们可以匹配的字符由 ASCII 或者 LOCALE 模式决定。
5	不在集合范围内的字符可以通过 取反 来进行匹配。如果集合首字符是 ‘^’ ，所有 不 在集合内的字符将会被匹配，比如 [^5] 将匹配所有字符，除了 ‘5’， [^^] 将匹配所有字符，除了 ‘^’. ^ 如果不在集合首位，就没有特殊含义。
6	在集合内要匹配一个字符 ‘]’，有两种方法，要么就在它之前加上反斜杠，要么就把它放到集合首位。比如， [()[]{}] 和 [{}] 都可以匹配括号。

练习

1. 用户名匹配：由数字、字母、下划线和中横线-组成，长度为4到14位，并且不能以数字开头。

import re

while True:
    user_name = input('请输入用户名')
    x = re.compile(r'^[a-zA-Z_-][\w-]{3,13}$')
    if x.match(user_name):
        print('成功输入用户名{}'.format(user_name))
        break
    else:
        print('用户名不合法，请重输')

2. 匹配邮箱
   r'^[\w.-]+@[\w.-]\.[a-zA-z]{2,4}$'
3. 匹配手机号
   r'^1\d{10}$'

正则替换

a = 'ad234ds3dsf2'
print(re.sub(r'\d+', '0', a))  # 把数字替换成0


# 通过函数替换，把数字变成2倍
def Doub(x):
    data = x.group()
    return str(int(data) * 2)


print(re.sub(r'\d+', Doub, a))

# 或者用lambda表达式
print(re.sub(r'\d+', lambda x: str(int(x.group()) * 2), a))

贪婪模式

a = 'ad234acv234dsf2345'
result = re.match(r'ad(.+)(\d+)', a)
print(result.group(1))
result1 = re.match(r'ad(.+)(.+)', a)
print(result1.group(1))
result2 = re.match(r'ad(\d+)(.+)', a)
print(result2.group(1))

python正则表达式默认贪婪模式（尽可能多的匹配）

非贪婪模式

a = 'ad234acv234dsf2345'
result = re.match(r'ad(.+?)(\d+)', a)
print(result.group(1))
result1 = re.match(r'ad(.{2,5}?)(.+)', a)
print(result1.group(1))
result2 = re.match(r'ad(\d+?)(.+)', a)
print(result2.group(1))

作业

1. 用户名匹配，要求：
   • 用户名只能包含数字 字母 下划线
   • 不能以数字开头
   • 长度在6到16位范围

import re


def user_name():
    while True:
        name = input('请输入用户名')
        if re.match(r'^[a-zA-z_]\w{5,15}$', name):
            print('输入正确')
            break
        else:
            print('输入不合法')


user_name()

2. 密码匹配，要求：
   • 不能包含!@#￥%^&*这些特殊符号
   • 必须以字母开头
   • 长度在6到12位

import re


def pass_word():
    while True:
        p_word = input('请输入密码')
        if re.fullmatch(r'[a-zA-z][^!@#￥%^&*]{5,11}', p_word):
            print('输入正确')
            break
        else:
            print('输入不合法')


pass_word()

3. 已知有文件test.txt里面的内容如下：

陈XX Caoyan 6895 13811661805 caoyan@baidu.com
常XX Yu Cao 8366 13911404565 caoyu@baidu.com
柴XX Shirley Cao 6519 13683604090 caoyue@baidu.com
曹XX Cao Zheng 8290 13718160690 caozheng@baidu.com
查XX Zha Lingli 6259 13552551952 zhalingli@baidu.com
查XX Zha Shan 8580 13811691291 zhanshan@baidu.com
查XX Rachel 8825 13341012971 zhanyu@baidu.com

提取文件中所有的手机号和邮箱

import re

file_name = r'H:\pythonProject\test'

# 定义手机号提取规则
get_tel = re.compile(r'\d{11}')
# 定义邮箱提取规则
get_mail = re.compile(r'\w+@baidu\.com')


# 读取文件
with open(file_name, encoding='utf-8') as f:
    list1 = f.readlines()
    str_l = ' '.join(list1)

print('所有电话号码是{}'.format(get_tel.findall(str_l)))
print('所有邮箱是{}'.format(get_mail.findall(str_l)))