一、正则表达式语法

正则表达式是用匹配或者描述字符串的工具。

用处：

a.判断字符串是否满足某个条件---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、查找和替换等功能

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

正则表达式字符串: 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，二个是普通字符
1 .(点)(匹配任意字符)

一个.只匹配一个任意字符

匹配一个长度是3的字符串，第一个字符是'a', 第二个字符是任意字符，最后一个字符是b

re_str = r'a.b'
result = fullmatch(re_str, 'a|b')
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, r'a\nb')
print(result)

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, 'o8js')
print(result)

3 \s(匹配任意空白字符)

空白字符: 空格、制表符(\t)、回车(换行\n)等，都输入空白字符

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b的字符串

re_str = r'a\sb'
result = fullmatch(re_str, 'a\nb')
print(result)

4 \d(匹配数字字符)

re_str = r'\d\d\d'
result = fullmatch(re_str, '282')
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单词边界

re_str = r'\babc'
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 $(检测是否是字符串结尾)

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, '2jkh')
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[]匹配一个字符

[字符集] --> 匹配一个字符，这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;要求字符1的编码值要小于字符2

例如：[1-9] --> 数字1到9 [a-z] --> 小写字母 [A-Z] --> 大写字母

[\u0031-\u0039] --> 数字1到9

[\u4E00-\u9fa5] --> 匹配所有的汉字

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c,后边三个a"""
re_str = r'[abc]aaa'
result = fullmatch(re_str, 'caaa')
print(result)

re_str = r'[1-4]\d\d\d'
result = fullmatch(re_str, '1989')
print(result)

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

re_str = r'[\u4E00-\u9fa5][\u4E00-\u9fa5][\u4E00-\u9fa5]'
result = fullmatch(re_str, '就深刻')
print(result)

re_str = r'[91-]'
result = fullmatch(re_str, '-')
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, 'u')
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]...'
re_str = r'[^1-9]...'
result = fullmatch(re_str, '898i')
print(result)

二、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'))

用一个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(位数至少1位)

re_str = r'[a-zA-Z_]\w*'
print(fullmatch(re_str, 'A'))

2. +(匹配一次或者多次)
   匹配abc前面有一个或者多个数字的字符串

re_str = r'\d+abc'
print(fullmatch(re_str, '9abc'))

3. ?(匹配0次或者1一次)

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, -2334, +9...可以匹配的，012， -023，+0122不能匹配）

re_str = r'[-+]?[1-9]\d*'
print(fullmatch(re_str, '1234'))

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, '1234'))

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

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

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}'

三、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, 'AHD'))

能匹配成功时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

re_str = r'(\d[a-zA-Z]){3}'
print(re.fullmatch(re_str, '2h8h7j'))

b.捕获

re_str = r'(\d{3})abc'
print(re.fullmatch(re_str, '773abc'))
print(re.findall(re_str, 'euhasdhf873abcssjsja235abcu-03s834432abcjjsks'))

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

. --> 任意字符 . --> 字符.

--> 匹配一次或者多次 + --> 字符+

注意：在中括号有特殊功能的符号，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=34'))

re_str = r'\d+\d'
print(re.fullmatch(re_str, '3+7'))

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

re_str = r'(\d{3})\1([a-z]{2})\2\1'
print(re.fullmatch(re_str, '123123bbbb123'))

四、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_objct = re.compile(r'\d+')
print(re_objct)
print(re_objct.fullmatch('23738'))

2. fullmatch和match

fullmatch(正则表达式字符串, 字符串)

--> 用正则表达式去完全匹配字符串(匹配整个字符串)，返回匹配对象(SRE_Match)或者None

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]+)123', '2hjdh123')
print(result)

1.span(group=0) --> 获取匹配成功的区间(左闭右开区间)

print(result.span(0))

print(result.start(1)) # 获取匹配到的开始下标

print(result.end(1)) # 获取匹配到的结束下标后的下标
2.group(group = 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(index>0) --> 获取正则表达式中第group个分组匹配到的结果

print('0:',result.group())
print('1:',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]+', 'uhsh2hdje+984nf')
print(result.group(0))
print(result.group(1))
print(result.string)

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：如果正在表达式中有分组，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')]

re_str = r'(\d+)k[a-d]+'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.findall(re_str, str1)
print(result) # ['8923', '890']

re_str = r'\d+k[a-d]+'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.findall(re_str, str1)
print(result) # ['8923kabc', '890kaa']

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 = 'ahsb1sssa8-jjhd7nhs+90nsjhf3-4hhh7+8kjj-'

result = re.split(r'[-+]', 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 = 'hsj8jskfh98ssjj8hshh'
result = re.sub(r'\d+','', str1)
print(result)
str1 = '智 障,你在干嘛？逼, 后视镜，妈的加扣扣上'
result = re.sub(r'傻\s叉|逼|fuck|妈的|智\s障', '', str1)
print(result)

with open('./data', 'r', encoding='utf-8') as f:
content = f.read()
# "name": "搞笑精选汇"
result = re.findall(r'"name":"(.+?)"', content)
print(result)

作业

1. 写一个正则表达式判断一个字符串是否是ip地址

规则：一个ip地址由4个数字组成，每个数字之间用.连接。每个数字的大小是0-255 例如：255.189.10.37 正确 256.189.89.9 错误

import re
re_str = r'((\d|[1-9]\d|1\d{2}|2[0-4]\d|25[0-5]).){3}(\d|[1-9]\d|1\d{2}|2[0-4]\d|25[0-5])'
result = re.fullmatch(re_str,'255.183.10.37')
print(result)

2. 计算一个字符串中所有的数字的和

例如：字符串是：‘hello90abc 78sjh12.5’ 结果是90+78+12.5 = 180.5

str1 = 'hello90abc 78sjh12.5'
result = re.findall(r'[^a-z]+',str1)
print(result)
sum1 = 0
for item in result:
sum1 += float(item)
print(sum1)

3. 验证输入的内容只能是汉字

re_str = r'[\u4E00-\u9fa5]+'
result = re.fullmatch(re_str,'你好')
print(result)

4. 电话号码的验证

re_str = r'(13\d|150[0-3]|15[5-9]|17[6-8]|18[0-9])\d{8}'
result= re.fullmatch(re_str,'15589154445')
print(result)

5. 简单的身份证号的验证

re_str=r'^[1-9]\d{5}(18|19|([23]\d))\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\d{3}[0-9Xx]$'
result = re.fullmatch(re_str,'510211199505181572')
print(result)

二、不定项选择题

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 B D ）

A. “(?\d{3})?-?\d{8}”

B. “[0-9()-]+”

C. “[0-9(-)] \d ”

D. “[(]?\d [)-] \d*”

能够完全匹配字符串“c:\rapidminer\lib\plugs”的正则表达式包括（ B C ）

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

能够完全匹配字符串“back”和“back-end”的正则表达式包括（ A B D ）

A. “\w{4}-\w{3}|\w{4}” match->back,back-end fullmatch-> back,back-end

B. “\w{4}|\w{4}-\w{3}” match-> back, back fullmatch-> back,back-end

C. “\S+-\S+|\S+”

D. “\w \b-\b\w |\w*”

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（A D）

:\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”

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（ B C ）

A. “a*?b”

B. “a{,2}b”

C. “aa??b”

D. “aaa??b”