# 正则表达式
1. 什么是正则表达式
正则表达式是一种可以让复杂的字符串问题变得简单的工具。
正则并不是Python特有语法(不属于Python),所有的高级编程语言都支持正在,正在的语法通用。
不管通过正则表达式解决的时候什么问题,写正则的时候都是在使用正则表达式描述字符串规则。
2. Python的re模块
re模块是Python用来支持正则表达式的一个模块,模块中包含了所有和正则相关的函数。
fullmatch (正则表达式, 字符串) - 判断正则表达式和指定的字符串是否完全匹配(判断整个字符
串是否符合正则表达式所描述的规则),如果匹配成功返回匹配对象,匹配失败返回None
from re import fullmatch
3.正则语法 匹配类符号
# 1)普通符号 - 在正则表达式中表示符号本身的符号
result = fullmatch(r'abc', 'abc')
print(result)
# 2). - 匹配任意一个字符
result = fullmatch(r'a.c', 'a.c')
print(result)
result = fullmatch(r'..abc', '*9abc')
print(result)
# 3)\d - 匹配任意一个数字字符
result = fullmatch(r'a\dc', 'a5c')
print(result)
# 4)\s - 匹配任意一个空白字符
空白字符 - 能产生空白效果的字符,例如:空格、换行、水平制表符
result = fullmatch(r'a\sc', 'a\tc')
print(result)
result = fullmatch(r'\d\d\s.ab', '34 吗ab')
print(result)
# 5)\D - 匹配任意一个非数字字符
result = fullmatch(r'a\Dc', 'a*c')
print(result)
# 6)\S - 匹配任意一个非空白字符
result = fullmatch(r'a\Sc', 'a c')
print(result) # None
result = fullmatch(r'a\Sc', 'a1c')
print(result)
# 7)[字符集] - 匹配字符集中的任意一个字符
"""
[abc] - 匹配a或者b或者c
[abc\d] - 匹配a或者b或者c或者任意数字
[1-9] - 匹配1到9中的任意一个数字
[a-z] - 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
[a-zA-Z\d_] - 匹配字母数字或者下划线
[\u4e00-\u9fa5] - 匹配任意一个中文字符
注意:[]中减号放在两个字符之间表示谁到谁(确定的方式是根据字符编码值大小确定的); 如果减号不在两个字符之间,就表示一个普通的减号
"""
result = fullmatch(r'a[MN12]b', 'aNb')
print(result)
result = fullmatch(r'a[MN\d]b', 'a4b')
print(result)
# 8)[^字符集] - 匹配不在字符集中的任意一个字符
result = fullmatch(r'a[^MN]b', 'a是b')
print(result)
result = fullmatch(r'a[^\u4e00-\u9fa5]b', 'a-b')
print(result)
次数
# 1. * - 0次或多次(任意次数)
# 注意:*在谁的后面控制的就是谁的次数
"""
a* - 0个或多个a
\d* - 0个或者多个\d
"""
result = fullmatch(r'a*123', 'aaaaaaaa123')
print(result)
result = fullmatch(r'\d*abc', '123411232abc')
print(result)
result = fullmatch(r'[MN]*abc', 'MNMabc')
print(result)
# 2. + - 1次或者多次(至少一次)
result = fullmatch(r'a+123', 'aaaaa123')
print(result)
# 3. ? - 0次或1次
result = fullmatch(r'A?123', 'A123')
print(result)
# 4. {}
"""
{M,N} - M到N次
{M,} - 至少M次
{,N} - 最多N次
{N} - N次
"""
result = fullmatch(r'[a-z]{3,5}123', 'bambk123')
print(result)
# 练习:写一个正则,判断输入的内容是否是一个合法的QQ号(长度是5~12位的数字,第一位不能是0)
qq = '3452'
result = fullmatch(r'[1-9]\d{4,11}', qq)
if result:
print(f'{qq} 合法')
else:
print(f'{qq} 不合法')
# 练习:判断输入的内容是否是一个合法的标识符(由字母、数字下划线组成,数字不能开头)
str1 = 'abc'
result = fullmatch(r'[a-zA-Z_][\da-zA-Z_]*', str1)
print(result)
match(正则表达式, 字符串) - 判断字符串开头是否符合正则表达式描述的规则
from re import match
result = match(r'\d{3}', '234宿舍wsww')
print(result)
贪婪和非贪婪
from re import match
"""
当匹配次数不确定的时候(*、+、?、{M,N}、{M,}、{,N}),匹配模式分为贪婪和非贪婪两种,默认是贪婪的。
贪婪和非贪婪:在匹配成功的时候有多种匹配结果,贪婪去最多次数对应的匹配结果, 非贪婪取最少次数对应的匹配结果
(匹配次数不确定的地方,有多种匹配方式都可以匹配成功,贪婪取最多次数, 非贪婪取最少次数)
贪婪模式:*、+、?、{M,N}、{M,}、{,N}
非贪婪模式:*?、+?、??、{M,N}?、{M,}?、{,N}?
"""
# amb、amb计算b、amb计算bxxb
# 1)示例1:
# 贪婪模式
result = match(r'a.+b', 'amb计算bxxbmn')
print(result) # <re.Match object; span=(0, 9), match='amb计算bxxb'>
# 非贪婪模式
result = match(r'a.+?b', 'amb计算bxxbmn')
print(result) # <re.Match object; span=(0, 3), match='amb'>
# 注意:如果匹配结果只有一种可能,那么贪婪和非贪婪的结果一样
result = match(r'a.+b', 'ambxx')
print(result) # <re.Match object; span=(0, 3), match='amb'>
result = match(r'a.+?b', 'ambxx')
print(result) # <re.Match object; span=(0, 3), match='amb'>
from re import match
# match(正则表达式, 字符串) - 判断字符串开头是否符合正则表达式描述的规则
result = match(r'\d{3}', '234宿舍wsww')
print(result)
# 1. 贪婪和非贪婪
"""
当匹配次数不确定的时候(*、+、?、{M,N}、{M,}、{,N}),匹配模式分为贪婪和非贪婪两种,默认是贪婪的。
贪婪和非贪婪:在匹配成功的时候有多种匹配结果,贪婪去最多次数对应的匹配结果, 非贪婪取最少次数对应的匹配结果
(匹配次数不确定的地方,有多种匹配方式都可以匹配成功,贪婪取最多次数, 非贪婪取最少次数)
贪婪模式:*、+、?、{M,N}、{M,}、{,N}
非贪婪模式:*?、+?、??、{M,N}?、{M,}?、{,N}?
"""
# amb、amb计算b、amb计算bxxb
# 1)示例1:
# 贪婪模式
result = match(r'a.+b', 'amb计算bxxbmn')
print(result) # <re.Match object; span=(0, 9), match='amb计算bxxb'>
# 非贪婪模式
result = match(r'a.+?b', 'amb计算bxxbmn')
print(result) # <re.Match object; span=(0, 3), match='amb'>
# 注意:如果匹配结果只有一种可能,那么贪婪和非贪婪的结果一样
result = match(r'a.+b', 'ambxx')
print(result) # <re.Match object; span=(0, 3), match='amb'>
result = match(r'a.+?b', 'ambxx')
print(result) # <re.Match object; span=(0, 3), match='amb'>
转义字符
from re import fullmatch
# 1. 转义符号
# 正则中的转义符号,就是在本身具备特殊功能或者特殊意义的符号前加'\',让这个符号变成一个普通符号。
# 匹配任意一个小数对应的字符串
result = fullmatch(r'\d+\.\d+', '23.879')
print(result)
# +234、+889111
result = fullmatch(r'\+\d+', '+23')
print(result)
# (mv)、(ksma)
result = fullmatch(r'\([a-z]+\)', '(msnd)')
print(result)
# 2. []里面的转义符号
# 单独存在有特殊意义的符号(+、*、?、.等),在[]中特殊意义会自动消失
result = fullmatch(r'\d+[.+*?]\d+', '23?879')
print(result)
# 本身在中括号中有特殊功能的符号,如果要表示普通符合必须加'\'
result = fullmatch(r'a[MN-]b', 'a-b')
print(result)
result = fullmatch(r'a[M\-N]b', 'a-b')
print(result)
result = fullmatch(r'a[MN^]b', 'a^b')
print(result)
result = fullmatch(r'a[\^MN]b', 'a^b')
print(result)
检测类
from re import fullmatch, findall
# 检测类符号是在匹配成功的情况下,检测检测类符号所在的位置是否符号相关要求
# 1.\b - 检测是否是单词边界
# 单词边界:可以将两个单词区分开的符号都是单词边界,比如:空白符号、英文标点符号、字符串开头和字符串结尾
result = fullmatch(r'abc\b mn', 'abc mn')
print(result)
message = '203mn45,89 司机34kn;23;99mll==910,230 90='
result = findall(r'\d+', message)
print(result) # ['203', '45', '89', '34', '23', '99', '910', '230', '90']
result = findall(r'\d+\b', message)
print(result) # ['45', '89', '23', '910', '230', '90']
result = findall(r'\b\d+', message)
print(result) # ['203', '89', '23', '99', '910', '230', '90']
result = findall(r'\b\d+\b', message)
print(result) # ['89', '23', '910', '230', '90']
# 2.\B - 检测是否不是单词边界
message = '203mn45,89 司机34kn;23;99mll==910,230 90='
result = findall(r'\B\d+\B', message)
print(result)
# 3.^ - 检测是否是字符串开头
message = '203mn45,89 司机34kn;23;99mll==910,230 90='
result = findall(r'^\d+', message)
print(result)
# 提取字符串前5个字符
message = '203mn45,89 司机34kn;23;99mll==910,230 90='
result = findall(r'^.{5}', message)
print(result)
# 4.$ - 检测是否是字符串结尾
# 提取字符串最后5个字符
message = '203mn45,89 司机34kn;23;99mll==910,230 90='
result = findall(r'.{5}$', message)
print(result)
# '\2233'
result = fullmatch(r'\\\d+', '\92233')
print(result)
常用函数
from re import *
# 1. 常用函数
# 1) fullmatch(正则表达式, 字符串) - 完全匹配,判断整个字符串是否符合正则表达式描述的规则,匹配成功返回匹配对象,匹配失败返回空
result = fullmatch(r'\d{3}', '234')
print(result)
# 2) match(正则表达式, 字符串) - 匹配字符串开头,判断字符串开头是否符合正则表达式描述的规则,匹配成功返回匹配对象,匹配失败返回空
result = match(r'\d{3}', '823介绍数据库')
print(result)
# 3) search(正则表达式, 字符串) - 获取字符串中第一个能够和正则匹配的子串,能找到返回匹配对象,找不到返回空
result = search(r'\d{3}', 'ba203还是678说')
print(result)
# 4) findall(正则表达式, 字符串) - 获取字符串中所有满足正则的子串,返回一个列表,列表中的元素是字符串。
# 注意:如果正则表达式中有分组,会针对分组做自动捕获(只获取分组匹配到的结果)
result = findall(r'\d{3}', 'ba203还是678说kk0222jksn就是23311')
print(result)
# 5) finditer(正则表达式, 字符串) - 获取字符串中所有满足正则的子串,返回一个迭代器,迭代器中的元素是每个子串对应的匹配对象
result = finditer(r'\d{3}', 'ba203还是678说kk0222jksn就是23311')
print(result)
# print(next(result))
print(list(result))
# 6) split(正则表达式, 字符串) - 将字符串中所有满足正则的子串作为切割点对字符串进行切割
str1 = '123aMKnb嗑生嗑死aKKssa923b==='
# 将str1中的a和b作为切割点对字符串进行切割
result = split(r'a|b', str1)
print(result) # ['123', 'MKn', '嗑生嗑死', 'KKss', '923', '===']
# 7)sub(正则表达式, 字符串1, 字符串2) - 将字符串2中所有满足正则的子串都替换成字符串1
result = sub(r'\d+', '+', 'ba203还是678说kk0222jksn就是23311')
print(result)
message = '我草!你TM看不见吗?f u c k!'
result = sub(r'(?i)草|TM|f\s*u\s*c\s*k|sb|妈', '*', message)
print(result)
# 2.匹配对象
result = search(r'(\d{3})([A-Z]{2})', '-=2设计师234KM222哈哈宿舍239KH')
print(result) # <re.Match object; span=(6, 11), match='234KM'>
# 1)直接获取整个正则表达式对应的匹配结果: 匹配对象.group()
print(result.group()) # '234KM'
# 2)手动捕获某个分组对应的匹配结果: 匹配对象.group(分组数)
print(result.group(1)) # '234'
print(result.group(2)) # 'KM'
# 3)获取匹配结果在原字符串中的位置: 匹配对象.span()
print(result.span()) # (6, 11)
print(result.span(2)) # (9, 11)
# 3.参数
# 1)匹配忽略大小写: (?i)
result = fullmatch(r'(?i)abc', 'AbC')
print(result)
# 2)单行匹配: (?s) (了解!)
"""
多行匹配(默认):匹配的时候.不能和换行(\n)进行匹配
单行匹配:匹配的时候.可以和换行(\n)进行匹配
"""
result = fullmatch(r'abc.123', 'abc\n123')
print(result) # None
result = fullmatch(r'(?s)abc.123', 'abc\n123')
print(result) # <re.Match object; span=(0, 7), match='abc\n123'>