01-正则表达式语法

正则表达式是用来匹配或者描述字符串的工具。

用处：
a. 判断输入的字符串是否是邮箱/手机号码，是否是IP地址
b. 提取满足条件的字符串
c. 字符串替换

python中通过re模块中相应的方法来支持正则表达式的匹配、查找和替换的功能。

from re import fullmatch

fullmatch(正则表达式字符串，字符串) ---> 判断正则表达式和字符串是否完全匹配
正则表达式：
就是一个字符串，字符串中是正则表达式语法。r'正则表达式'
正则表达式中包含两个部分，一个是正则语法对应的字符，还有普通字符。

1. (. 匹配任意字符)

# 1  .（匹配任意字符）
"""
一个.只匹配一个任意字符
"""
# 匹配一个字符串，第一个字符是'a'，第二个字符是任意字符，第三个字符是'b'
re_str = r'a.b'
result = fullmatch(re_str,'a8b')
#result = fullmatch(re_str,'b8b')   # result = None
print(result)

#匹配一个长度是4，第一个字符和最后一个字符分别是'a'和'b'，中间两个字符是任意字符的字符串
re_str = r'a..b'
result = fullmatch(re_str,'a|*b')
print(result)

2. \w(匹配字母数字下划线)

#2. \w(匹配字母数字下划线)
"""
一个\w匹配一个字符
"""
# 匹配一个第一个字符是数字字母或者下划线，后面三个字符是任意字符的字符串
re_str = r'\w...'
result  = fullmatch(re_str, 'a8js')
print(result)

# 3 \s(匹配任意空白字符)

# 3. \s(匹配任意空白字符)
"""
空白字符：空格、制表符tab、回车(换行)等，都属于空白字符
一个\s匹配一个空白字符
"""
# 匹配一个第一个字符是a，第二个字符是空白，最后一个字符是b的字符串
re_str = r'a\sb'
result = fullmatch(re_str, 'a b')
print(result)

4. \d(匹配数字字符)

re_str = r'\d\d\d'
result = fullmatch(re_str,'283')
print(result)

5. \b(检测边界)

"""
一个\b不会去匹配一个字符，而是单纯的检测\b出现的位置是否是单词边界
单词边界：字符串开始和结尾、空格、换行、标点符号等，可以将两个单词隔开的字符都是单词边界。
how,are
you
"""
re_str = r'babc'
result = fullmatch(re_str,'abc')
print(result)
re_str = r'abc\b\saaa' # 匹配一个字符串前三位是abc，第四位是空白字符，后面是aaa，并且要求c后面是单词边界
result = fullmatch(re_str,'abc aaa')
print(result)

6 ^(检测是否是字符串开头)

re_str = r'^\d\d\d'   # 判断一个字符串是否是三个数字开头
result = fullmatch(re_str, '123')
print(result)

7. $ (是否是字符串结尾)

re_str = r'abc$'
result = fullmatch(re_str,'abc')
print(result)

8. \W(匹配非字母数字下划线)

re_str = r'\Wabc'
result = fullmatch(re_str, '#abc')
print(result)

9. \S(匹配非空白字符)

re_str = r'\S...'
result = fullmatch(re_str,'ajks') #  ' 2dsf' 不可以匹配
print(result)

10 \D(匹配非数字字符)

re_str = r'\D\w\w\w'
result = fullmatch(re_str,'#h7_')
print(result)

11 \B(检测是否不是单词边界)

re_str = r'and\bYou'
result = fullmatch(re_str,'andYou')
print(result)

12 [] (匹配中括号中出现的任意一个字符)
一个[]匹配的是一个字符
[字符集] ---> 匹配一个字符，这个字符是字符集中的任意一个字符
例如：[abc], [\d+]

[字符1-字符2] ---> 匹配一个字符，这个字符是Unicode编码值在字符1到字符2中的任意一个字符
例如：[1-9] --> 数字1-9 [a-z] --> 小写字母 [A-Z] --> 大写字母
[\u0031-\u0039] 数字1到9
[\u4e00-\u9fa5] 匹配所有的中文

注意： -在中括号中，如果放在两个字符之间表示范围

# 匹配一个字符串，第一个字符是'a'或者'b'或者'c'，后面三个a
re_str = r'[abc]aaa'
result = fullmatch(re_str, 'baaa') # 'aaaa' , 'baaa' ,'caaa' 这三个可以匹配成功
print(result)

re_str = r'[1-4]\d\d\d'   #要求第一个只能是中括号内的范围内，即 只能是1-4
result = fullmatch(re_str,'1234')
print(result)

re_str = r'[\u0031-\u0039][a-z]'
result = fullmatch(re_str,'1h')
print(result)

#匹配一个字符，是字母数字下划线或者是空白
re_str = r'[\w\s]'
result = fullmatch(re_str,'a')
print(result)

13 [^字符集] (匹配一个不在字符集中的任意字符)
注意：^必须放在中括号中的最前面才有效

# 匹配一个四位的字符串，第一位不是abc中的任意一个，后面三位是任意字符
re_str = r'[^abc]...'
result = fullmatch(re_str, ' u98')
print(result)

02. 正则表达式次数相关符号

from re import fullmatch

# 1.  *(匹配0次或者多次)
"""
字符* ---> 字符出现0次或者多次
"""
# 匹配0位或者多位的数字字符串
re_str = r'\d*'
print(fullmatch(re_str,'123'))

# 用正则表达式来检测一个标识符是否符合要求：数字字母下划线组成，数字不开头
re_str = r'[a-zA-Z_]\w*'
print(fullmatch(re_str,'_abc'))

# 2. +(匹配一次或者多次)
# 匹配abc前至少有一个或者多个数字的字符串
re_str = r'\d+abc'
print(fullmatch(re_str,'123abc'))

# 3. ?(0次或者1次)

re_str = r'a?123'
print(fullmatch(re_str,'a123'))

#练习：写一个正则表达式，匹配所有的整数(123, -2331, +9...可以匹配的，012，-032，+015等不能匹配)
re_str = r'[1-9+-]\d*'# [+-}?[1-9]\d*
print(fullmatch(re_str,'+4523'))

# 4. {}(指定次数)
"""
{N} ---> 匹配N次
{M,N} --> 匹配M到N次
{M,} --> 至少匹配M次
{,N} --> 最多匹配N次
"""
re_str = r'\d{3}'
print(fullmatch(re_str,'123'))

re_str = r'\d{3,}'
print(fullmatch(re_str,'12345'))

re_str = r'\d{,3}'
print(fullmatch(re_str,'23'))

re_str = r'[a-z]{2,5}'
print(fullmatch(re_str,'hrvd'))

# 判断密码是否符合要求：密码是由数字和字母组成，并且位数是6-16位
re_str = r'[\da-zA-Z]{6,16}'
print(fullmatch(re_str,'fwgewef'))

03-分之和分组

import re

# 1. | （分之）
"""
条件1|条件2 ---> 先用条件1去匹配，如果匹配成功就匹配成功。如果条件1匹配失败，用条件2去匹配。
注意：如果条件1匹配成功，就不会用条件2再去匹配
"""
re_str = r'[a-z]{3}|[A-Z]{3}'
print(re.fullmatch(re_str,'ABC'))

#能匹配成功的是abc, d和aaa
re_str = r'abc|d|aaa'
print(re.fullmatch(re_str,'aaa'))

#'abc'+W/H/Y
re_str = r'abc(W|H|Y)'
print(re.fullmatch(re_str, 'abcY'))

# 2. ()(分组)
"""
a. 组合(将括号中的内容作为一个整体进行操作)
b. 捕获 -- 使用带括号的正则表达式匹配成功后，只获取括号中的内容
c. 重复 -- 在正则表达式中可以通过\数字来重复前面()中匹配到的结果.数字代表前面第几个分组
"""
# a. 组合
# 匹配一个字符串，以数字字母的组合出现3次。一个数字加一个字母出现3次  比如  1h2e3t
re_str = r'(\d[a-zA-Z]){3}'
print(re.fullmatch(re_str, '3t0j5d'))

# b. 捕获
re_str = r'(\d{3})abc'
print(re.fullmatch(re_str,'112abc'))
print(re.findall(re_str,'ejskfn484abcklsalnef1515abcknaf535abcfn'))

# c.重复
re_str = r'([a-z]{3}-(\d{2})\2)'
print(re.fullmatch(re_str, 'hsn-2323'))

# 3.转义符号
"""
正则表达式中可以通过在特殊的符号前加\，来让特殊的符号没有意义
. + * ^ $ 等有特殊功能
. --> 任意字符 \. --> 字符.
+ --> 匹配一次或者多次   \+ --> 字符+

注意：在中括号中有特殊功能的符号，功能会消失，只代表符号本身。
      \不管在哪儿都需要转义
      - 在[]外面没有特殊功能，在[]中要表示 - 本身，就不要放在两个字符之间
      () 需要转义
"""
re_str = r'\d{2}\.\d{2}'
print(re.fullmatch(re_str,'12.12'))

re_str = r'\d\+\d'
print(re.fullmatch(re_str, '2+2'))

# re_str = r'[\]'
# print(re.fullmatch(re_str, '.'))

04-re模块中的函数

import re

# 1. compile
"""
compile(正则表达式字符串) --> 将正则表达式字符串转换成正则表达式对象
"""
re_object = re.compile(r'\d+')
print(re_object)
print(re_object.fullmatch('24255'))  #对象方法

# 2. fullmatch
"""
fullmatch(正则表达式字符串，需要去匹配的字符串) 
  --> 用正则表达式去完全匹配字符串(匹配整个字符串)，返回的是匹配对象

match(正则表达式字符串，字符串)
 --> 匹配字符串开头，返回匹配对象或者None
"""
result = re.fullmatch(r'\d([a-zA-Z]+)', '2hdfd')
print(result,type(result))

# 1. span(group=0) --> 获取匹配成功的开始下标和结束下标(左闭右开区间)
print(result.span())
print(result.start(0))  # 获取匹配到的开始下标
print(result.end(0))   # 获取匹配到的结束下标后的下标

# 2. group(下标=0) --> 获取匹配结果
"""
group()/group(0) --> 获取正则表达式完全匹配的结果
group(大于0) --> 获取正则表达式中第index个分组匹配到的结果
"""
print(result.group())
print(result.group(1))

# 3. string --> 获取被匹配的原字符串
print(result.string)

result = re.match(r'\d([a-zA-Z]+)123','2hjdh123ABC')
print('match',result)

# 3. search
"""
search(正则表达式，字符串)
---> 查找字符串中满足正则表达式的第一个字符串。返回值是匹配对象或者None

"""
result = re.search(r'\d[a-zA-Z]+','affe5geg525hh')
print(result.group(0))
print(result.group(1))
print(result.sting)

# 练习： 使用search匹配出一个字符串中所有的数字字符串
# 'abc34jshd8923jkshd9lkkk890k' --> 34, 8923, 9 890

re_str = r'\d+'
str1 = 'abc34jshd8923jkshd9lkkk890k'
result = re.search(re_str,str1)
while result:
    print(result)
    str1 = str1[result.end():]
    result = re.search(re_str, str1)

# 4.findall
"""
findall(正则表达式，字符串) --》 获取字符串中满足正则表达式的所有的子串，返回一个列表
注意：如果正则表达式有分组，取值的时候只取分组中匹配到的结果;
     如果有多个分组，会将每个分组匹配到的结果作为一个元祖的元素
"""
re_str = r'(\d+)k([a-d]+'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.findall(re_str,str1)
print(result)   #[('8923','abc'), ('890','aa')]

# 5.finditer
"""
finditer(正则表达式，字符串)
--> 查找所有满足正则条件的子串，返回值是迭代器，迭代器中的元素是匹配对象
"""
re_str = r'\d+'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.finditer(re_str, str1)
print(result)
for item in result:
    print(item)

# 6. split
"""
split(正则表达式，字符串) --> 将字符串按照满足正则表达式条件的子串进行分割
"""
str1 = 'sged1gesg5ged3grbt79ag4n1515sdf'
result = re.split(r'\d+',str1)
print(result)

# 7. sub
"""
sub(正则表达式，repl, 字符串) --> 将字符串中满足正则表达式条件的子串替换成repl。返回替换后的字符串
"""
str1 = 'hsj2jji5131ne15n41gn3'
result = re.sub(r'\d+','*',str1)
print(result)

str1 = '智  障，你在干嘛？'
result = re.sub(r'傻逼|逼|fuck|妈的|智\s*障','*',str1)
print(result)