Python正则

#!/usr/bin/env python3
import re

#----------------正则----------------

'''
正则表达式基础知识摘记：
1.在正则表达式中，如果直接给出字符，就是精确匹配。用\d可以匹配一个数字，\w可以匹配一个字母或数字，所以：
'00\d'可以匹配'007'，但无法匹配'00A'
2. .可以匹配任意字符，所以：'py.'可以匹配'pyc'、'pyo'、'py!'等等。
3.要匹配变长的字符，在正则表达式中，用*表示任意个字符（包括0个），用+表示至少一个字符，用?表示0个或1个字符，用{n}表示n个字符，用{n,m}表示n-m个字符
例子：\d{3}\s+\d{3,8}
    \d{3}表示匹配3个数字，例如'010'
    \s可以匹配一个空格（也包括Tab等空白符）,所以\s+表示至少有一个空格
    \d{3,8}表示3-8个数字
4.如果要匹配'010-12345'这样的号码呢？由于'-'是特殊字符，在正则表达式中，要用'\'转义，所以，上面的正则是\d{3}\-\d{3,8}。
5.要做更精确地匹配，可以用[]表示范围，比如：
    [0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线；
    [0-9a-zA-Z\_]+可以匹配至少由一个数字、字母或者下划线组成的字符串，比如'a100'，'0_Z'，'Py3000'等等；
    [a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是Python合法的变量；
    [a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。
'''

# re模块

str = '010-12345' #需要检测的字符串
match = r'^\d{3}\-\d{3,8}$' #正则
# 常见判断方法（）match()方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None
if re.match(match, str):
    print('ok')
else:
    print('not ok')

# 切分字符串
print('a b  c'.split(' ')) #['a', 'b', '', 'c']
print(re.split(r'\s+','a b   c')) #['a', 'b', 'c']

# 分组 提取子串
m = re.match(r'^(\d{3})-(\d{3,8})$' , '010-12345')
print(m.group(0)) #gp0永远是原始字符串
print(m.group(1))
print(m.group(2))
print(m.groups())

t = '19:05:30'
m1 = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
print(m1.groups())

# 编译
'''
re内部模块
1.编译正则表达式，如果正则表达式的字符串本身不合法，会报错；
2.用编译后的正则表达式去匹配字符串。
'''
#如果一个正则表达式要重复使用几千次，出于效率的考虑，我们可以预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
print(re_telephone.match('010-12345').groups())

'''
        特殊元素

    ^   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}  
    re{ n,} 精确匹配n个前面表达式。
    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)    G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
    \W  匹配非字母数字
    \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。c
    \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个分组的子表达式。
    \10 匹配第n个分组的子表达式，如果它经匹配。否则指的是八进制字符码的表达式。
'''