day15正则表达式
2018-08-03 本文已影响0人
剑眉星目cz
正则表达式的符号
正则表达式：用来做字符串查找、匹配、切割用的一种工具
python对正则表达式的支持：提供了re模块（python内置的模块）,包含字符串匹配、查找、切割等相关的方法
fllmatch(正则表达式，字符串)：用正则表达式和字符串进行匹配，看是否能够匹配成功
正则表达式：是一个符合正则规范的字符串
import re
if __name__ == '__main__':
# 注意：正则表达式的字符串，前面一般要加r来阻止转义。
# 因为正则表达式的符号中有很多到'\'的符号，其功能不是转义，而是表示特殊的意义。
1. .：匹配一个任意的字符
re_str ='.'
print(re.fullmatch(re_str, 'a'))
# <_sre.SRE_Match object; span=(0, 1), match='a'>
print(re.fullmatch(re_str,'ab'))
# None
"""匹配两个任意字符的字符串"""
# re_str = '..'
"""匹配第一个字符是a，第二个字符是b的字符串"""
re_str = 'ab'
print(re.fullmatch(re_str,'ab'))
# <_sre.SRE_Match object; span=(0, 2), match='ab'>
"""匹配第一个字符是a,第二个字符是任意字符的字符串"""
re_str=r'a.'
print(re.fullmatch(re_str,'ab'))
# <_sre.SRE_Match object; span=(0, 2), match='ab'>
2. \w:匹配一个字符是字母、数字或者下划线
re_str = r'\w'
print(re.fullmatch(re_str, '@'))
# None
print(re.fullmatch(re_str, 'a'))
# <_sre.SRE_Match object; span=(0, 1), match='a'>
print(re.fullmatch(re_str, 'ab'))
# None
"""匹配第一个字符是字母、数字或下划线，第二个字符是字母、数字或下划线的字符串"""
re_str = r'\w\w'
print(re.fullmatch(re_str,'ab'))
# <_sre.SRE_Match object; span=(0, 2), match='ab'>
re_str = r'\w.\w'
print(re.fullmatch(re_str,'u(9'))
# <_sre.SRE_Match object; span=(0, 3), match='u(9'>
3. \s 匹配一个空白字符（空格，换行，制表符）
"""匹配第一个字符是a，第二个字符是空白，最后一个字符是b的字符串"""
re_str = 'a\sb'
print(re.fullmatch(re_str,'a b'))
# <_sre.SRE_Match object; span=(0, 3), match='a b'>
print(re.fullmatch(re_str, 'a\tb'))
# <_sre.SRE_Match object; span=(0, 3), match='a\tb'>
print(re.fullmatch(re_str, 'a\nb'))
# <_sre.SRE_Match object; span=(0, 3), match='a\nb'>
4. \d匹配一个数字字符
re_str = r'\d\d\d'
print(re.fullmatch(re_str, '123')) # <_sre.SRE_Match object; span=(0, 3), match='123'>
print(re.fullmatch(re_str, '1b3')) # None
"""匹配第一个字符是0，后面两个字符是数字的字符串"""
re_str = r'0\d\d'
fullmatch 完全匹配
print(re.fullmatch(re_str,'019'))
# <_sre.SRE_Match object; span=(0, 3), match='019'>
match 部分匹配
print(re.match(re_str, '0190'))
# <_sre.SRE_Match object; span=(0, 3), match='019'>
5. \b 检测边界（单词边界 -- 一般的符号都可以作为单词边界）
边界：是单词的边界，边界可以是空格、逗号、问号都可以是边界，数字、字母不行。
"""三个任意字符的前面和后面都是边界的字符串"""
re_str = r'\b...\b'
print(re.match(re_str,'jsh'))
# <_sre.SRE_Match object; span=(0, 3), match='jsh'>
print(re.match(re_str, 'jsh '))
# <_sre.SRE_Match object; span=(0, 3), match='jsh'>
print(re.match(re_str, 'jsh,,,abc'))
# <_sre.SRE_Match object; span=(0, 3), match='jsh'>
print(re.match(re_str, 'jshb'))
# None
6. 检测字符串开始（The --> 匹配以The开头的字符串）
re_str = r'^The'
print(re.fullmatch(re_str,'The'))
print(re.findall(r'The','abc hThekl')) # ['The']
print(re.findall(r'^The', 'abc hThekl')) # []
print(re.findall(r'^The', 'The abc hThekl')) # ['The']
7.$ 检测字符串结束
re_str = r'abc$'
print(re.findall(re_str,'hah abc'))
# ['abc']
print(re.findall(re_str, 'hah abc-'))
# []
print(re.findall(re_str, 'hah abc '))
# []
8. \W 匹配非字母、数字、下划线
"""匹配第一个字符是非字母、数字、下划线的字符，第二个字符是字母、数字、下划线的字符串"""
re_str = r'\W\w'
print(re.fullmatch(re_str,'&k'))
# <_sre.SRE_Match object; span=(0, 2), match='&k'>
9. \S 匹配非空白字符
re_str = r'\S\d'
print(re.fullmatch(re_str,'p8'))
# <_sre.SRE_Match object; span=(0, 2), match='p8'>
10. \D 匹配非数字字符
"""匹配第一个字符是非数字字符，第二个字符是字母、数字、下划线"""
re_str = r'\D\w'
11. \B 检测非边界
"""匹配前面两个字符是a和b,第三个字符是c。并且检测b的后面是一个非边界"""
re_str = r'ab\Bc'
print(re.fullmatch(re_str, 'abc'))
# <_sre.SRE_Match object; span=(0, 3), match='abc'>
print(re.match(re_str, 'abc0'))
# <_sre.SRE_Match object; span=(0, 3), match='abc'>
正则表达式符号组合
import re
if __name__ == '__main__':
1.[]匹配[]中出现的任意'一个字符'
"""匹配一个字符串，前三位是abc，第四位是字符1或者字符a"""
re_str = r'abc[1a]'
print(re.fullmatch(re_str, 'abca'))
# <_sre.SRE_Match object; span=(0, 4), match='abca'>
print(re.fullmatch(re_str, 'abc1'))
# <_sre.SRE_Match object; span=(0, 4), match='abc1'>
print(re.fullmatch(re_str,'abc1a'))
# None
"""第一位是数字或者下划线，后面是abc"""
re_str = r'[\d_]abc'
print(re.fullmatch(re_str,'1abc'))
# <_sre.SRE_Match object; span=(0, 4), match='1abc'>
print(re.fullmatch(re_str, '_abc'))
# <_sre.SRE_Match object; span=(0, 4), match='_abc'>
print(re.fullmatch(re_str, 'aabc'))
# None
2.[^]匹配不在[]出现的任意一个字符
"""匹配一个字符串，前三位是abc，第四位不是数字字符也不是字符a"""
re_str = r'abc[^\da]'
print(re.fullmatch(re_str,'abc1'))
# None
print(re.fullmatch(re_str, 'abca'))
# None
print(re.fullmatch(re_str, 'abcw'))
# <_sre.SRE_Match object; span=(0, 4), match='abcw'>
3. * 匹配0次或者多次
"""匹配一个字符串，前面是0个或者多个数字字符，然后是abc"""
re_str = r'\d*abc'
print(re.fullmatch(re_str,'abc'))
# <_sre.SRE_Match object; span=(0, 3), match='abc'>
print(re.fullmatch(re_str, '1abc'))
# <_sre.SRE_Match object; span=(0, 4), match='1abc'>
print(re.fullmatch(re_str, '321abc'))
# <_sre.SRE_Match object; span=(0, 6), match='321abc'>
print(re.fullmatch(re_str,'12a34abc'))
# None
[0-9]:匹配0，1，2，3，4，5，6，7，8，9中的任意一个字符
[1-8]:匹配1，2，3，4，5，6，7，8
[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]:匹配所有的字母
print(re.fullmatch(r'[0-9]','8'))
# <_sre.SRE_Match object; span=(0, 1), match='8'>
print(re.fullmatch(r'[1-9]', '0'))
# None
写一个正则表达式，判断一个字符串是数字字符串{不能空串}
re_str = r'\d\d*'
re_str = r'[0-9][0-9]*'
写一个正则表达式，检测一个字符串是否是合格的标识符（字母、数字、下划线组成，数字不能开头）
re_str = r'[a-zA-Z_]\w*'
4. +:匹配一次或者多次
"""匹配一个字符串开头出现一次或者多个数字字符，然后再有0次或者多次数字、字母、下划线"""
re_str = r'\d+\w*'
5. ?:匹配0次或者1次
re_str = r'[a-z]?123'
判断一个字符串是否是正整数字符串(除0开头)
re_str = r'[+]?[1-9][0-9]*'
print(re.fullmatch(re_str,'+120'))
6. {N}:匹配N次
"""前面5个数字，然后是abc"""
re_str = r'\d{5}abc'
"""前面3位是12ab中任意数字，然后是abc"""
re_str = r'[12ab]{3}abc'
print(re.fullmatch(re_str,'aaaabc'))
# <_sre.SRE_Match object; span=(0, 6), match='aaaabc'>
print(re.fullmatch(re_str, '21babc'))
# <_sre.SRE_Match object; span=(0, 6), match='21babc'>
6. {N,}:匹配大于等于N次
"""字符串前面至少三位数字，后面多少随意"""
re_str = r'\d{3,}.*'
7. {M,N}:匹配至少M次最多N次
"""密码要求：数字、字母组成8-16位"""
re_str = r'[\da-zA-Z]{8-16}'
8. | 分之
"""匹配一个字符串，是三个数字字符或者是三个小写字符"""
re_str = r'\d{3}|[a-z]{3}'
print(re.fullmatch(re_str,'wba'))
9.()匹配的时候是分组，让括号中的正则条件变成一个整体
"""匹配一个字符串，abc整体重复三次"""
re_str=r'(abc){3}'
print(re.fullmatch(re_str,('abcabcabc')))
re_str=r'(\d\w[0-3]){2}'
print(re.fullmatch(re_str,('3a3')))
# None
print(re.fullmatch(re_str, ('3a37b1')))
# <_sre.SRE_Match object; span=(0, 6), match='3a37b1'>
"""了解"""
# 尽可能少：在能够匹配到的前提下尽可能少
# 10. *? :重复任意次，尽可能少的重复
re_str = r'ba*?b'
print(re.match(re_str,'baaaaab'))
# <_sre.SRE_Match object; span=(0, 7), match='baaaaab'>
# 11. +?:重复一次或多次，尽可能少的重复
re_str = r'ba+?'
print(re.match(re_str,'baaaa'))
# <_sre.SRE_Match object; span=(0, 2), match='ba'>
# 12. ??重复0次或者1次，尽可能的少重复
re_str = r'b??'
# 13. {N,}? 重复至少N次，尽可能少的重复
# 14. {N,M}? 重复N到M次，尽可能少的重复
正则表达式
1.特殊符号转义
正则中：. \ [] {} () * + ? | $ ^ 这些字符有特殊意义，所以在正则表达式中，
如果想要单纯表达这些字符，需要在前面加''
注意：1. - ,[],^,\在[]中能是特殊的符号,需要加
2. .{} () * + ? $ | 在中括号中可以不用加\，来表示字符
import re
if __name__ == '__main__':
re_str = r'\d+.\d'
print(re.fullmatch(re_str,'1299'))
# <_sre.SRE_Match object; span=(0, 4), match='1299'>
print(re.fullmatch(re_str,'12.9'))
# <_sre.SRE_Match object; span=(0, 4), match='12.9'>
re_str = r'\d+\.\d'
print(re.fullmatch(re_str, '1299'))
# None
print(re.fullmatch(re_str,'12.9'))
# <_sre.SRE_Match object; span=(0, 4), match='12.9'>
\N ---> 匹配前面第N个组中匹配到的内容
re_str = r'([1-9][a-z]{2})\1'
print(re.fullmatch(re_str,'8hh8hh'))
# <_sre.SRE_Match object; span=(0, 6), match='8hh8hh'>
re模块方法
import re
if __name__ == '__main__':
1.compile（正则字符串）将正则表达式字符串转换成正则表达式对象
转换成正则表达式对象后，可以通过对象用相关的方法
re_object = re.compile(r'\w{6,12}')
print(re_object.fullmatch('ahjhhs'))
# <_sre.SRE_Match object; span=(0, 6), match='ahjhhs'>
print(re.fullmatch(r'\w{6,12}','ahjhhs'))
# <_sre.SRE_Match object; span=(0, 6), match='ahjhhs'>
2.fullmatch(正则表达式，字符串) 完全匹配，从字符串开头匹配到结尾
# 返回值是匹配对象,如果匹配失败返回None
match = re.fullmatch('\w{3}','hks')
print(match)
# a.获取匹配到的结果
print(match.group()) # hks
# b.获取匹配到范围
print(match.span()) # (0, 3)
# c.获取匹配到的开始下标和结束下标
print(match.start(),match.end()) # 0 3
# d.获取被匹配的字符串（原字符串）
print(match.string) # hks
# 应用：判断一个字符串是否是某种字符串（判断账号、密码是否符合要求等）
3.match(正则表达式，字符串)不完全匹配，从字符串开头开始匹配，匹配到正则表达式对应的范围为止
# 返回值是匹配对象,如果匹配失败返回None
match = re.match(r'\w{3}','h3shhhhsbs')
print(match)
print(match.group()) # h3s
print(match.string) # h3shhhhsbs
# 应用：判断一个字符串是否以某种字符串开头
4.search(正则表达式，字符串)在指定的字符串中查找某种字符串（以正则表达式来描述）,如果有多个满足条件的，只匹配第一个
# 返回值是匹配对象，如果找不到要求的返回None
print(re.search(r'\d{2,}[a-z]','sha23n--877m0899'))
# 应用：判断一个字符串中是否包含某种字符串
5.findall(正则表达式，字符串)去获取指定字符串中满足正则条件的所有的子串
# 返回值是列表，列表中是符合要求的字符串.没有满足要求的子串就返回[]
result = re.findall(r'[a-zA-Z](\d+)','12a123buy=236ok98s')
print(result) # ['123', '98']
# 注意：在通过正则表达式获取子串的时候，可以通过在正则表达式中添加括号，来约束获取的内容（值获取括号的匹配到的内容）
# 匹配的时候还是按原正则表达式去查找
# 应用：字符串提取
6.finditer(正则表达式，字符串)用法的findall一样，只是返回值的类型不一样
# 返回一个迭代器，迭代器中的内容是匹配对象
# 注意：（）语法捕获部分无效
result = re.finditer(r'[a-zA-Z](\d+)','12a123buy=236ok98s')
for match in result:
print(match)
#<_sre.SRE_Match object; span=(2, 6), match='a123'>
#<_sre.SRE_Match object; span=(14, 17), match='k98'>
7.split(正则表达式，字符串)按正则表达式匹配到的字符串进行切割
# 返回值是列表，列表元素就切割后被分段的字符串
result = re.split(r'\d+','ahsj27jk1kaj8js00jsj')
print(result) # ['ahsj', 'jk', 'kaj', 'js', 'jsj']
# print('ahsj27jkkajjsjsj'.split('sj')) # ['ah', '27jkkajj', '', '']
8.sub(要替换的字符串，替换后的字符串，原字符串变量名（或原字符串）) 在原字符串中查找符合正则的子串，替换成新的字符串
# 返回值是替换后的字符串
"""将指定字符串中所有'sb'替换成*"""
str1 = '你好sb,你全家都是sb，大，傻，叉!'
result = re.sub(r'sb|傻|叉','*',str1)
print(str1)
print(result)
