一、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
正则表达式：是一个符合正则规范的字符串
match:从开始匹配，成功则停止------部分匹配
fullmatch:用整个字符串去匹配------完全匹配

1. 点(.) ：匹配一个任意字符
2. \w :匹配一个字符是字母、数字或下划线（w---word)
3. \s :匹配一个空白字符（空格，换行，制表符）(s----space)
4. \d :匹配一个数字字符(d-----digital)
5. \b :检测边界(字符串开头，字符串结尾都是边界，边界指的是单词边界---一般的符号都可以作为单词边界）（b-----边界）
6. ^ :检测字符串开始（^{The-----匹配以The开头的字符串）（}检测开头）
7. :检测字符串结束-------（-----检测结尾）
8. \W :匹配非字母、数字、下划线-------(\W---匹配非字母数字下划线
9. \S :匹配非空白字符
10. \D :匹配非数字
11. \B :检测非边界

二、正则表达式的符号组合

1. [] :匹配[]中出现的任意一个字符（只能一个）
   [0-9]:匹配0,1,2,3,4,5,6,7,8,9中的任意一个数字
   [0-8]:匹配0,1,2,3,4,5,6,7,8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]:匹配所有的字母
2. [^] :匹配不在[]中出现的任意一个字符
3. • ：匹配0次或者多次
4. • :匹配一次或者多次
5. ? :匹配0次或者1次
6. {N} ：匹配N次
7. {N,} ：匹配大于等于N次
8. {M,N} ：匹配至少M次，最多N次
9. | :分支(相当于or）
10. () ：匹配的时候是分组，让括号中的正则条件变成一个整体
    正则中：. \ [] {} () * + ? ^ | $，这些字符有特殊意义，所以在正则表达式中，如果想要单纯的表达这些字符，需要在前面加'';

注意：1. - 号在中括号中可能是特殊符号，需要加
2. . {} () * + ? $ | 在中括号中可以不加\，来表示字符
\N----->匹配前面第N个组中匹配到的内容(将第N组的内容重复一遍）

三、模块方法

1. compile() 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，可以通过对象调用相关的方法
2. fullmatch(正则表达式，字符串）完全匹配，从开始匹配到结尾
   返回值是匹配对象，如果失败返回None
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，匹配到正则表达式的范围为止
   返回值是匹配对象，如果匹配失败返回None
   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
   返回值是匹配对象，如果找不到符合要求的返回None
   5.findall(正则表达式，字符串）获取指定字符串中满足正则条件的所有的字符串
   返回值是列表，列表中是符合要求的字符串.没有满足要求的字符串就返回空的列表[]
   6.finditer(正则表达式，字符串)用法和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：（）捕获部分无效
   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，列表元素就是切割后被分段的字符串
4. sub(正则表达式，新字符串，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

作业

⼀.获取字符串中：

a.所有的正整数

b.所有的负整数

c.所有的浮点数

d.所有的⾮负浮点数

import re
str1 = '5hjfka154hbjkafdv4665sh&&^%$n,nfkalfnf'
re_str1 = r'[+]?[1-9]\d*'
result1 = re.findall(re_str1,str1)
print(result1)

re_str2 = r'[-][1-9]\d*'
str2 = '-456sjkfh-645()(&&ak-jsn-5553'
result2 = re.findall(re_str2,str2)
print(result2)

re_str3 = '[+-]?\d+.\d+'
str3 = 'hsk+41.85hjkdi-15561.51(*&^%$$-5661.56'
result3 = re.findall(re_str3,str3)
print(result3)

re_str4 = '[+]?\d+.\d+'
str4 = '+356.332ufhkfh-6468.16joijf64615'
result4 = re.findall(re_str4,str4)
print(result4)
结果：['5', '154', '4665']
['-456', '-645', '-5553']
['+41.85', '-15561.51', '-5661.56']
['+356.332', '6468.16', '64615']

1. 能够完全匹配字符串“(010)-62661617”和字符串“01062661617”的正则表达式包括（）
   A. “(?\d{3})?-?\d{8}”
   B. “[0-9()-]+”
   C. “[0-9(-)]\d”
   D. “[(]?\d[)-]\d*”
   答案：A、B、D
2. 能够完全匹配字符串“c:\rapidminer\lib\plugs”的正则表达式包括（）
   A. “c:\rapidminer\lib\plugs”
   B. “c:\rapidminer\lib\plugs”
   C. “(?i)C:\RapidMiner\Lib\Plugs” ?i:将后⾯的内容的⼤写变成⼩写
   D. “(?s)C:\RapidMiner\Lib\Plugs” ?s：单⾏匹配
   答案：D（因为匹配\要用两个\才能够实现）
3. 能够完全匹配字符串“back”和“back-end”的正则表达式包括（）
   短路操作：前⾯的为真了，就不会再执⾏后边的操作
   A. “\w{4}-\w{3}|\w{4}”
   B. “\w{4}|\w{4}-\w{3}”
   C. “\S+-\S+|\S+”
   D. “\w\b-\b\w|\w*”
   答案：A、B、C
4. 能够完全匹配字符串“go go”和“kitty kitty”，但不能完全匹配“go kitty”的正则表达式包括（）
   :\1就是重复前⾯第⼀个()/组合⾥⾯的内容
   ： \2就是重复前⾯第⼆个()/组合⾥⾯的内容
   A. “\b(\w+)\b\s+\1\b”
   B. “\w{2,5}\s*\1”
   C. “(\S+) \s+\1”
   D. “(\S{2,5})\s{1,}\1”
   答案：A、C、D
5. 能够在字符串中匹配“aab”，⽽不能匹配“aaab”和“aaaab”的正则表达式包括（）
   A. “a*?b”
   B. “a{,2}b”
   C. “aa??b”
   D. “aaa??b”
   答案：B、C、D
   """三.观察下⾯双引号内的⽂本”中⽂名 ⻉拉克·侯赛因·奥巴⻢ 外⽂名 Barack Hussein Obama II 别 名 欧巴⻢ 国
   籍美国 ⺠ 族 德裔族 出⽣地 美国夏威夷州檀⾹⼭ 出⽣⽇期 1961年8⽉4⽇ 职 业政治家、律师、总统 毕业院
   校哥伦⽐亚⼤学，哈佛⼤学 信 仰新教 主要成就 1996年伊利诺伊州参议员 主要成就美国第56届、 57届总统
   2009年诺⻉尔和平奖获得者 时代周刊年度⻛云⼈物2008、 2011 任期内清除本·拉登 代表作品 《我相信变⾰》《我⽗亲的梦想》《⽆畏的希望》 所属政党美国⺠主党 ⾎ 型 AB型 学 院⻄⽅学院 妻 ⼦⽶歇尔·拉沃恩·
   奥巴⻢ 性 别 男”
   a. （此题为示范题）当使⽤正则表达式“中⽂名\s+(\S+)\s+”抽取美国总统奥巴⻢的中⽂名时，替换字符
   串“1”的赋值为需要抽取的中⽂名。 b. 当使⽤正则表达式“___________”抽取美国总统奥巴⻢的外⽂名时，替换字符串“1”的赋值为需要抽取的
   外⽂名。
   c. 当使⽤正则表达式“___________________________”抽取美国总统奥巴⻢的出⽣⽇期时，替换字符
   串“1”的赋值为需要抽取的出⽣⽇期。 d. 使⽤正则表达式“_________________________”抽取美国总统奥巴⻢的职业时，替换字符串“1”的赋值
   为需要抽取的职业。
   e. 使⽤正则表达式“___________________________”抽取美国总统奥巴⻢的主要成就时，替换字符
   串“1”的赋值为需要抽取的主要成就。 f. 使⽤正则表达式“______________________________”抽取美国总统奥巴⻢的妻⼦姓名时，替换字符 串“1”的赋值为需要抽取的姓名。"""
   import re
   str1 = "中⽂名 ⻉拉克·侯赛因·奥巴⻢ 外⽂名 Barack Hussein Obama II 别 名 欧巴⻢ 国
   籍美国 ⺠ 族 德裔族 出⽣地 美国夏威夷州檀⾹⼭ 出⽣⽇期 1961年8⽉4⽇ 职 业政治家、律师、总统 毕业院
   校哥伦⽐亚⼤学，哈佛⼤学 信 仰新教 主要成就 1996年伊利诺伊州参议员 主要成就美国第56届、 57届总统
   2009年诺⻉尔和平奖获得者 时代周刊年度⻛云⼈物2008、 2011 任期内清除本·拉登 代表作品 《我相信变⾰》《我⽗亲的梦想》《⽆畏的希望》\ 所属政党美国⺠主党 ⾎ 型 AB型 学 院⻄⽅学院 妻⼦ ⽶歇尔·拉沃恩·
   奥巴⻢ 性 别 男"

re_str1 = r'\b[a-zA-Z]* [a-zA-Z]* [a-zA-Z]* II'
result1 = re.findall(re_str1,str1)
print(re.sub(result1[0],'$1',str1))

re_str2 = r'\d{4}\S\d+\S\d+\S'
result2 = re.findall(re_str2,str1)
print(re.sub(result2[0],'$1',str1))

re_str3 = r'\S{3}、\S{2}、\S{2}'
result3 = re.search(re_str3,str1)
print(re.sub(result3.group(),'$1',str1))

result4 =re.split(r'[教代]',str1)
str2 = result4[1]+'代'+result4[2]
print(re.sub(str2,'$1',str1))

re_str4 = r'\S{3}·\S{3}·'
result5 = re.findall(re_str4,str1)
print(re.sub(result5[1],'$1',str1))