正则表达式

• 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
  b.提取满足条件的字符串
  c.字符串替换
  python中通过re模块中相应的方法支持正则表达式的匹配、查找和替换的功能

for re import fullmatch

• fullmatch(正则表达式，字符串) --》判断正则表达式是否完全匹配
  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的语法。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 .(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，第一个字符是'a'，第二个是任意字符，第三个字符是'b'
re_str = r'a.b'
result = fullmatch(re_str,'abb')
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,'abbb')
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,'0bbb')
print(result)

#3 \s（匹配任意空白字符）

• 空白字符：空格、制表符、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,'666')
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

re_str = r'abc\b\sab'#匹配一个字符串前三位是abc，第四位是空白字符，后面是两位是ab。并且要求c的后面是单词边界
result = fullmatch(re_str,'abc ab')
print(result)

#6 ^ （检测是否是字符串开头）

re_str = r'^a\d\d\d'
result = fullmatch(re_str,'a666')
print(result)

#7 $ （检测是否是字符串结尾）

re_str = r'abc\d$'
result = fullmatch(re_str,'abc6')
print(result)

#8 \W(匹配非字母、数字、下划线)

re_str = r'\W...'
result = fullmatch(re_str,';bbb')
print(result)

#9 \S(匹配非空白字符)

re_str = r'\S..'
result = fullmatch(re_str,'bbb')
print(result)

#10 \D (匹配非数字)

re_str = r'\D\D\D.'
result = fullmatch(re_str,'bbb2')
print(result)

#11 \B(检测是否不是边界)

re_str = r'a\B.cd'
result = fullmatch(re_str,'abcd')
print(result)

#12

• 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
  [字符1-字符2] --》匹配一个字符，这个字符是编码制unicode值在字符1到字符2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1-9 [a-z]--》小写字母 [A-Z]大写字母
  """
  """匹配一个字符串第一个字符是1-9任意一个，后边任意字符"""

re_str = r'[abc].'
result = fullmatch(re_str,'c9')
print(result)

re_str = r'[1-9].'
result = fullmatch(re_str,'99')
print(result)

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


re_str = r'[19-]'
result = fullmatch(re_str,'-')
print(result)

re_str = r'[19-]'
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,'b')
print(result)

#^字符集

• 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

re_str = r'[^abc]...'
result = fullmatch(re_str,'dddd')
print(result)

正则表达式次数相关的符号

#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'[a-zA-Z_]\w*'
print(fullmatch(re_str,'c9'))

#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,'1abc'))

#3. ？（0次或者1次）

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

re_str = r'[+-]?[1-9]\d*|0'
print(fullmatch(re_str,'+9'))

#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,'4396'))

re_str = r'\d{,3}'
print(fullmatch(re_str,'66'))

#判断密码是否符合要求：密码室友数字和字母组成，并且位数是6-16

re_str = r'[0-9a-zA-Z]{6,16}'
print(fullmatch(re_str,'qwertyuiop'))

分之和分组

#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,'ACD'))

re_str = r'abc|d'
print(re.fullmatch(re_str,'d'))

#能匹配成功时abc，d和aaa

re_str = r'abc|aaa|d'
print(re.fullmatch(re_str,'d'))

#2 （）（分组）

• a.组合（将括号中的内容作为整体进行操作）
  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（）中匹配到结果.数字带代表前第几个分组

#匹配一个字符串，以数字字母的组合出现3次

re_str = r'(\d[a-z]){3}'
print(re.fullmatch(re_str,'6d6d6f'))
#b.捕获
re_str = r'(\d[a-z]\d)'
print(re.findall(re_str,'2d2d2d'))
#c.重复
re_str = r'([a-z]{3})-\1'
print(re.findall(re_str,'hsn-hsn'))

#3.转义字符

• 正则表达式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.

  • --> 匹配一次或多次 + -->字符+

  注意：在中括号中有特殊功能的符号，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[]要表示-本身，就不要放在两个字符之间
  （）需要转移

re_str = r'\d{2}\.\d{2}'
print(re.fullmatch(re_str,'12.34'))

re_str = r'[.+*]'
print(re.fullmatch(re_str,''))

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

re_str = r'[(\d{3})\1[a-z]{2}]'
print(re.fullmatch(re_str,'666666aa'))

re模块中的函数

# 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)