一、正則表達式語法
正則表達式是用匹配或者描述字符串的工具。
用處：
a.判斷字符串是否滿足某個條件---判斷輸入的字符串是否是郵箱/手機號碼。是否是ip地址
b.提取滿足條件的字符串
c.字符串替換
python中通過re模塊中相應的方法來支持正則表達式的匹配、查找和替換等功能
from re import fullmatch
fullmatch(正則表達式字符串, 字符串) ---> 判斷正則表達式和字符串是否完全匹配
正則表達式字符串: 就是一個字符串，字符串中是正則表達式語法。r'正則表達式'
正則表達式中包含兩個部分，一個是正則語法對應的字符，二個是普通字符
1 .(點)(匹配任意字符)
一個.只匹配一個任意字符
# 匹配一個長度是3的字符串，第一個字符是'a', 第二個字符是任意字符，最后一個字符是b
re_str = r'a.b'
result = fullmatch(re_str, 'a|b')
print(result)
# 匹配一個長度是4，第一個字符和最后一個字符分別是a和b,中間兩個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(匹配字母數字下劃線)
一個\w匹配一個字符
# 匹配一個第一個字符是數字字母或者下劃線，后面三個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)、回車(換行\n)等，都輸入空白字符
一個\s匹配一個空白字符
# 匹配一個第一個字符是a,第二個字符是空白，最后一個字符b的字符串
re_str = r'a\sb'
result = fullmatch(re_str, 'a\nb')
print(result)
4 \d(匹配數字字符)
re_str = r'\d\d\d'
result = fullmatch(re_str, '282')
print(result)
5 \b(檢測邊界)
一個\b不會去匹配一個字符，而是單純的檢測\b出現的位置是否是單詞邊界
單詞邊界: 字符串開始和結尾、空格、換行、標點符號等，可以將兩個單詞隔開的字符都單詞邊界
re_str = r'\babc'
re_str = r'abc\b\saaa' # 匹配一個字符串前三位是abc,第四位是空白字符，后面是aaa。并且要求c后面是單詞邊界
result = fullmatch(re_str, 'abc aaa')
print(result)
6 ^(檢測是否是字符串開頭)
re_str = r'^\d\d\d' # 判斷一個字符串是否是三個數字開頭
result = fullmatch(re_str, '123')
print(result)
7 $(檢測是否是字符串結尾)
re_str = r'abc$'
result = fullmatch(re_str, 'abc')
print(result)
8 \W(匹配非字母、數字下劃線)
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(匹配非數字字符)
re_str = r'\D\w\w\w'
result = fullmatch(re_str, '#h7_')
print(result)
11 \B(檢測是否不是單詞邊界)
re_str = r'and\BYou'
result = fullmatch(re_str, 'andYou')
print(result)
12 [] (匹配中括號中出現的任意一個字符)
一個[]匹配一個字符
[字符集] --> 匹配一個字符，這字符是字符集中的任意一個字符
例如：[abc], [\d+]
[字符1-字符2] --> 匹配一個字符，這個字符是Unicode編碼值在字符1到字符2中的任意一個字符;要求字符1的編碼值要小于字符2
例如：[1-9] --> 數字1到9 [a-z] --> 小寫字母 [A-Z] --> 大寫字母
[\u0031-\u0039] --> 數字1到9
[\u4E00-\u9fa5] --> 匹配所有的漢字
注意：-在中括號中，如果放在兩個字符之間表示范圍。
"""匹配一個字符串第一個字符是a或者b或c,后邊三個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)
# 匹配一個字符，是字母數字下劃線或者是空白
re_str = r'[\w\s]'
result = fullmatch(re_str, 'u')
print(result)
13 [^字符集] (匹配一個不在字符集中的任意字符)
注意：^必須放在中括號中的最前面才有效
"""匹配一個四位的字符串，第一位不是abc中的任意一個，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、正則表達式次數相關符號
from re import fullmatch
1. *(匹配0次或者多次)
字符* --> 字符出現0次或者多次
# 匹配0位或者多位的數字字符串
re_str = r'\d*'
print(fullmatch(re_str, '123'))
# 用一個正則表達式來檢測一個標識符是否符合要求：數字字母下劃線組成，數字不開頭(位數至少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前面有一個或者多個數字的字符串
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'))
練習：寫一個正則表達式，匹配所有的整數（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. {}(指定次數)
{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'))
# 判斷密碼是否符合要求：密碼是由數字和字母組成，并且位數是6-16位
re_str = r'[\da-zA-Z]{6,16}'
三、分之和分組
import re
1. |(分之)
條件1|條件2 --> 先用條件1去匹配，如果匹配成功就匹配成功。如果條件1匹配失敗，用條件2去匹配。
注意：如果條件1匹配成功就不會用條件2再去匹配
re_str = r'[a-z]{3}|[A-Z]{3}'
print(re.fullmatch(re_str, 'AHD'))
能匹配成功時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. ()(分組)
a.組合(將括號中的內容作為一個整體進行操作)
b.捕獲 -- 使用帶括號的正則表達式匹配成功后，只獲取括號中的內容
c.重復 -- 在正則表達式中可以通過\數字來重復前面()中匹配到的結果。數字代表前第幾個分組
a.組合
匹配一個字符串，以數字字母的組合出現3次
re_str = r'(\d[a-zA-Z]){3}'
print(re.fullmatch(re_str, '2h8h7j'))
b.捕獲
re_str = r'(\d{3})abc'
print(re.fullmatch(re_str, '773abc'))
print(re.findall(re_str, 'euhasdhf873abcssjsja235abcu-03s834432abcjjsks'))
c.重復
re_str = r'([a-z]{3})-(\d{2})\2'
print(re.fullmatch(re_str, 'hsn-2323'))
3.轉義符號
正則表達式中可以通過在特殊的符號前加\，來讓特殊的符號沒有意義
. --> 任意字符 . --> 字符.
- --> 匹配一次或者多次 + --> 字符+
注意：在中括號有特殊功能的符號，只代表符號本身
\不管在哪兒都需要轉義
-在[]外面沒有特殊功能,在[]中要表示-本身，就不要放在兩個字符之間
()需要轉義
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模塊中的函數
import re
1. compile
compile(正則表達式字符串) --> 將正則表達式字符串轉換成正則表達式對象
re_objct = re.compile(r'\d+')
print(re_objct)
print(re_objct.fullmatch('23738'))
2. fullmatch和match
fullmatch(正則表達式字符串, 字符串)
--> 用正則表達式去完全匹配字符串(匹配整個字符串)，返回匹配對象(SRE_Match)或者None
match(正則表達式字符串, 字符串)
--> 匹配字符串開頭,返回匹配對象或者None
result = re.fullmatch(r'\d([a-zA-Z]+)123', '2hjdh123')
print(result)
1.span(group=0) --> 獲取匹配成功的區間(左閉右開區間)
print(result.span(0))
print(result.start(1)) # 獲取匹配到的開始下標
print(result.end(1)) # 獲取匹配到的結束下標后的下標
2.group(group = 0) --> 獲取匹配結果
group()/group(0) --> 獲取正則表達式完全匹配的結果
group(index>0) --> 獲取正則表達式中第group個分組匹配到的結果
print('0:',result.group())
print('1:',result.group(1))
3.string --> 獲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(正則表達式, 字符串)
--> 查找字符串中滿足正則表達式的第一個字符串。返回值是匹配對象或者None
result = re.search(r'(\d)[a-zA-Z]+', 'uhsh2hdje+984nf')
print(result.group(0))
print(result.group(1))
print(result.string)
練習：使用search匹配出一個字符串中所有的數字字符串'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(正則表達式, 字符串) --> 獲取字符串中滿足正則表達式的所有的子串，返回一個列表
注意：如果正在表達式中有分組，取值的時候只取分組中匹配到的結果;
如果有多個分組，會將每個分組匹配到的結果作為一個元祖的元素
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(正則表達式, 字符串)
--> 查找所有滿足正則條件的子串，返回值是迭代器，迭代器中的元素是匹配對象
re_str = r'\d+'
str1 = 'abc34kshd8923kabcshd9lkkk890kaa'
result = re.finditer(re_str, str1)
print(result)
for item in result:
print(item)
6. split
split(正則表達式,字符串) --> 將字符串按照滿足正則表達式條件的子串進行分割
"""
str1 = 'ahsb1sssa8-jjhd7nhs+90nsjhf3-4hhh7+8kjj-'
result = re.split(r'[-+]', str1)
print(result)
7.sub
sub(正則表達式,repl,字符串) --> 將字符串中滿足正則表達式條件的子串替換成repl。返回替換后的字符串
str1 = 'hsj8jskfh98ssjj8hshh'
result = re.sub(r'\d+','*', str1)
print(result)
str1 = '智 障,你在干嘛？逼, 后視鏡，媽的加扣扣上'
result = re.sub(r'傻\s*叉|逼|fuck|媽的|智\s*障', '*', str1)
print(result)
with open('./data', 'r', encoding='utf-8') as f:
content = f.read()
# "name": "搞笑精選匯"
result = re.findall(r'"name":"(.+?)"', content)
print(result)
day18-作業
1. 寫一個正則表達式判斷一個字符串是否是ip地址
規則：一個ip地址由4個數字組成，每個數字之間用.連接。每個數字的大小是0-255 例如：255.189.10.37 正確 256.189.89.9 錯誤
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. 計算一個字符串中所有的數字的和
例如：字符串是：‘hello90abc 78sjh12.5’ 結果是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. 驗證輸入的內容只能是漢字
re_str = r'[\u4E00-\u9fa5]+'
result = re.fullmatch(re_str,'你好')
print(result)
4. 電話號碼的驗證
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. 簡單的身份證號的驗證
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、不定項選擇題
能夠完全匹配字符串“(010)-62661617”和字符串“01062661617”的正則表達式包括（ A B D ）
A. “(?\d{3})?-?\d{8}”
B. “[0-9()-]+”
C. “[0-9(-)]\d”
D. “[(]?\d[)-]\d*”能夠完全匹配字符串“c:\rapidminer\lib\plugs”的正則表達式包括（ B C ）
A. “c:\rapidminer\lib\plugs”
B. “c:\rapidminer\lib\plugs”
C. “(?i)C:\RapidMiner\Lib\Plugs” ?i:將后面的內容的大寫變成小寫
D. “(?s)C:\RapidMiner\Lib\Plugs” ?s：單行匹配能夠完全匹配字符串“back”和“back-end”的正則表達式包括（ 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*”能夠完全匹配字符串“go go”和“kitty kitty”，但不能完全匹配“go kitty”的正則表達式包括（A D）
:\1就是重復前面第一個()/組合里面的內容
：\2就是重復前面第二個()/組合里面的內容
A. “\b(\w+)\b\s+\1\b”
B. “\w{2,5}\s*\1”
C. “(\S+) \s+\1”
D. “(\S{2,5})\s{1,}\1”能夠在字符串中匹配“aab”，而不能匹配“aaab”和“aaaab”的正則表達式包括（ B C ）
A. “a*?b”
B. “a{,2}b”
C. “aa??b”
D. “aaa??b”
