from re import fullmatch, search, findall

正则表达式：r‘正则语法’

1、正则表达式

1）概念：

正则表达式是处理字符串的工具，通过不同的正则符号来描述字符串的规则

2）正则符号（语法）

=================匹配符号=================

a、普通字符：除了在正则中有特殊功能和特殊意义的符号以外的字符
    普通字符代表字符本身
b、字符 . ——匹配任意一个字符（一个点只能匹配一个字符）
c、 \w  ——匹配一个数字、字母、下划线（前提是在ASCII码表中）（供了解）
d、 \d ——匹配任意一个数字字符
e、 \s ——匹配任意一个空白字符(空格字符、换行字符、制表符...）
f、 \大写字母 ——匹配除了 \小写字母 外的任意字符
    \D ——匹配一个非数字字符
    \S ——匹配一个非空白字符
g、 [字符集] ——匹配字符集出现的任意一个字符（一个[]只能匹配一个字符）
    [1-9] ——匹配1到9中任意一个字符（字符编码递增）
    [a-z] ——匹配任意一个小写字母
    [a-zA-Z] ——匹配任意一个字母
    [a-zA-Z\d_] ——匹配任意一个字母数字下划线
    [ \t\n] ——匹配任意一个空白字符
    [\u4e00-\u9fa5] ——匹配任意一个中文字符
h、 [^字符集] ——匹配不在字符集中的任意一个字符

re_str = r'abc'  # 长度为3
print(fullmatch(re_str, 'abc'))  # 匹配成功
re_str = r'abc..123'  # 长度为8
print(fullmatch(re_str, 'abc+=123'))  # 匹配成功
re_str = r'\wabc'  # 长度为4
print(fullmatch(re_str, '_abc'))  # 匹配成功
re_str = r'\d\dabc'  # 长度为5
print(fullmatch(re_str, '32abc'))  # 匹配成功
re_str = r'\s...'  # 长度为4
print(fullmatch(re_str, ' ty5'))  # 匹配成功
re_str = r'[zzybrx]'  # 长度为1
print(fullmatch(re_str, 'b'))  # 匹配成功
re_str = r'[\u4e00-\u9fa5]'  # 长度为1
print(fullmatch(re_str, '钟'))  # 匹配成功

================检测符号==================
所有的检测符号都不会影响字符串的长度

a、 \b ——检测是否是单词边界
单词边界：能够将两个单词隔开并且不会产生歧义的任意符号
          ——空白字符、标点符号、-、字符串开头和字符串结尾
匹配规则：先去掉\b对字符串进行匹配，如果匹配成功再检查
          \b所在的位置是否是单词边界
b、 ^ ——检查 ^ 所在的位置是否是字符串开头（[]外面）
c、 $ ——检查$所在位置是否是字符串结尾

print(fullmatch((r'abc,\b123'), 'abc,123'))  # 匹配成功
print(search(r'\b\d\d\b', 'jienv 45 swrr12rrfg'))  # 搜索成功
print(findall((r'\d\d\d'), '234erfgs4568ee905er'))  # ['234', '456', '905']

控制次数的符号（字符符号）

1、 * ——某个字符匹配0次或者多次
    123a* ——123后面a出现0次或者多次，123、123a、123aa
    123\d* ——123后面出现0个或者多个任意数字字符，123、1232、123456
2、 + ——某个字符匹配1次或者多次
3、 ？——某个字符匹配0次或者1次
4、 {}
    {N} ——某个字符匹配N次
    {M,N} ——某个字符匹配M到N此（至少M次，最多N次）
    {M,} ——某个字符匹配至少M次
    {,N} ——某个字符匹配最多N次

5、 贪婪和非贪婪

在匹配次数不确定的时候，会出现贪婪和非贪婪两种情况，默认情况都是贪婪
贪婪：在能够匹配成功的前提下，匹配次数尽可能多
非贪婪：在能够匹配成功的前提下，匹配次数尽可能少（在匹配次数后加？）

练习1：写一个正则表达式匹配一个字符：abc的前面是两个数字或者两个大写字母
======================分之==========================

正则1|正则2

——先让正则1去匹配，成则成，失败正则2去匹配（只要有一个匹配成功就好）

r‘\d\dabc|[a-z]{2}abc’

=======================分组=========================

1、（） ——将括号里面的内容作为一个整体
a、整体操作
r'(\d\d|[a-z]{2})abc' ——匹配一个字符串后面是abc，前面是两个数字或者两个大写字母
r'([a-z]\d){3}' ——某一段字符串重复出现
b、分组操作
分组截取：r'(\d{3})([a-z]{3})' ——方便后面分段或者分情况取到不同的匹配结果（不影响匹配）
分组重复：r'(\d{3})[a-z]{3}\1' ——用\X来重复前面第X个分组匹配到的内容（\X前面必须有这个分组）

=====================转义符号======================

1、加 \

在正则中有特殊功能和特殊意义的符号前加 \ ，让这个符号的特殊功能和意义消失

2、加[]

在[]中有特殊意义的符号：a、^放在开头 b、-放在两个字符之间
其他符号包括：. + ? * $ ,这些单独的符号在[]中都是符号本身

print(fullmatch(r'\n\d{3}\+[a-z]{3}', '\n123+abc'))  # 匹配成功

re模块

——是Python提供的专门针对正则表达式应用的相关函数

from re import *

1、compile（正则表达式）——将正则表达式转换成正则对象
2、字符串匹配
fullmatch（正则表达式，字符串）——正则表达式与字符串完全匹配
match（正则表达式，字符串）——匹配字符串开头
——以上两个方法的结果：匹配失败是None，匹配成功返回匹配对象
3、查找
search（正则表达式，字符串）——在字符串中查找第一个满足正则的子串
        如果找到了结果是匹配对象，否则为None
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，
        返回值是一个列表
        注意：如果正则中有分组，列表中的匹配结果只会取分组匹配到的内容
finditer（正则表达式，字符串）——获取字符串中所有满足正则的子串，
        返回值是一个迭代器，元素是匹配对象
result = finditer(r'(\d{3})([a-z]{2})', '是234hu士大夫345mmks89h=数348kl几十')
group = []
group1 = []
group2 = []
for x in result:
    group.append(x.group())
    group1.append(x.group(1))
    group2.append(x.group(2))
print(group)
print(group1)
print(group2)
4、切割
split（正则表达式，字符串）——将字符串中满足正则的子串作为切割点对字符串进行切割
        返回一个字符串列表
5、替换
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

补充：匹配对象

result = fullmatch(r'\d{3}=[a-z]{3}', '234=abc')
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的字符串，结果是字符串
匹配对象.group（N）——获取整个正则表达式中第N个分组匹配到的字符串

2、获取匹配到的字符串在原字符串中的范围

匹配对象.span（）——返回匹配结果在原字符串中的下标范围，[开始下标，结束下标）
匹配对象.span（N）——返回第N个分组匹配到的结果在原字符串中的范围

3、获取原字符串

匹配对象.string

print(result.group())
print(result.span())
print(result.string)