一、正则表达式
正则表达式就是用来检测字符串是否满足某种规则的工具
例如：
- a.账号是手机号/邮箱/多少位由什么东西组成
- b.脏话替换成*等....
1.正则语法
2.python对正则表达式的支持，提供了内置模块：re
fullmatch(正则表达式,字符串)：判断整个字符串是否符合正则表达式规则
1.匹配字符
1) ' . ' 匹配任意字符
# 匹配一个字符串，前三位分别是abc，最后一位是任意字符
re_str = r'abc.'
result = fullmatch(re_str, 'abc&')
print(result)
2)'\w'匹配字母数字下划线
# 匹配一个字符串，前三位是分别是abc，最后两位是字母数字下划线
re_str = r'abc\w\w'
result = fullmatch(re_str, 'abc_0')
print(result)
3)'\s'匹配空白字符(空白指空格、制表符、和回车等所有产生空白的字符)
re_str = r'\w\w\w\s.'
result = fullmatch(re_str, 'a_0 !')
print(result)
4)'\d'匹配一个数字字符
# 匹配一个字符串，前三位是数字字符，最后一位是任意字符
re_str = r'\d\d\d.'
result = fullmatch(re_str, '202*')
print(result)
5)'\b'检测是否是单词边界检测(单词的开头、单词的结尾、单词和单词之间的标点空格等)
# good good study,day day up!
# 注意：正则中遇到\b，匹配的时候先不管它，匹配成功后再回来看\b的位置是否是个单词边界
# 匹配一个字符串，前四位是when，第五位是空白，空白后面是where，并且第四位n后面是个单词边界
re_str = r'when\b.where'
result = fullmatch(re_str, 'when,where')
print(result)
6)'^'检测字符串是否以给定的正则表达式开头
# 匹配一个字符串，是否以两个数字符开头
re_str = r'^\d\d'
result = fullmatch(re_str, '23')
print(result)
7)'$'检测字符串是否以给定的正则表达式结尾
# 匹配一个字符串"a数字"，并且"a数字"的字符串的结尾
re_str = r'a\d$'
result = fullmatch(re_str, 'a8')
print(result)
8)'\W'匹配一个非数字、字母、下划线
9)'\S'匹配非空字符串
10)'\D'匹配非数字字符
11)'\B'检测非单词边界
2.匹配次数
1')[ ]'匹配中括号中出现的任意字符
# 注意：一个中括号只匹配一个字符
# 匹配一个3位的字符串，第一位是a或者b或者c，后两位是数字
re_str = r'[abc]\d\d'
result = fullmatch(re_str, 'a12')
print(result)
' - '在正则中的中括号的应用：如果将减号方法两个字符的中间代表的是谁到谁。如果想要表示' - '符号本身，就放在开头或结尾
# 要求一个字符串中的第一个是1-8中的一个，后面两位是小写字母
# [-1-8]：代表字符集是：-12345678
# [-18]或者[18-]：代表的字符集是'1','8','-'
re_str = r'[-1-8][a-z][a-z]'
result = fullmatch(re_str, '-mn')
print(result)
2)[^字符集]匹配不在[]字符集中的任何一个字符
# 匹配一个四位的字符串，第一位不是大写字母或数字，后三位是abc
re_str = r'[^A-Z\d]abc'
result = fullmatch(re_str, '!abc')
print(result)
3)' * '匹配0次或者多次
# 匹配一个字符串，最后一位是b，b前面有0个或者多个a
re_str = r'a*b' # 'b','ab','aab','aaab'...
result = fullmatch(re_str, 'b')
print(result)
re_str = r'\d*'
re_str = r'[abc]*'
4)' + '匹配一次或者多次（至少一次）
# 判断一个字符串是否是无符号的正整数
re_str = r'[1-9]+\d*'
print(fullmatch(re_str, '1010'))
5)' ? '匹配0次或者一次
# 判断一个字符串是否是整数
re_str = r'[-+]?[1-9]+\d*'
print(fullmatch(re_str, '-100'))
6)
{N}匹配N次
{N,}至少匹配N次
{,N}最多匹配N次
{M,N} 匹配至少M次，最多N次(N>M)
3.分支和分组
1)' | '分支(相当于逻辑运算中的or)
# \d{3}[a-z]{2}是分支的第一个条件，{A-Z}{3}是分支的第二个条件
re_str = r'\d{3}[a-z]{2}|[A-Z]{3}'
print(fullmatch(re_str, 'ABC'))
注意：正则中的分支有短路操作，如果使用|连接多个条件，前面的条件已经匹配出结果，那么就不会使用后面的条件再去匹配了
2)分组
a.分组
通过加()来对正则条件进行分组
# 两位数字两位字母出现3次
re_str = r'(\d{2}[a-z]{2}){3}'
print(fullmatch(re_str, '11aa22bb33cc'))
b.重复
可以通过\数字来重复匹配前面的括号中匹配的结果
re_str = r'(\d{2})-(\w{2})\1{2}\2'
print(fullmatch(re_str, '12-a_1212a_'))
c.捕获
按照完整的正则表达式去匹配，只捕获()中的内容，只有在findall中有效
re_str = r'a(\d{2})b'
print(findall(re_str, 'a78b'))
['78']
二、正则中的转义
正则表达式中的转义和字符串中的转义字符没有任何关系。在python中的字符串前加r阻止的是字符串的转义，不能阻止正则表达式的转义
在正则表达式中，可以通过在有特殊意义的符号前加\来表示符号本身
\+ \. \* \? \\ \( \) \[ \] \^ \$ \|
注意：
a.-号只有在中括号中的两个字符之间才有特殊的意义
b.如果特殊符号放在[]中作为字符集的内容，那么除了-号在两个字符之间以外，其他的都不需要转义
c.\不管在哪都需要转义
三、re模块
1.compile(正则表达式)：将正则表达式转换成正则表达式对象
re_str = r'\d+'
re_object = re.compile(re_str)
# 不转成对象，调用相应的函数
re.match(re_str, '78s')
# 转换成对象，调用相应的方法
re_object.match('78r')
2.match(正则表达式,字符串)和fullmatch
# match:判断字符串的开头是否能够和正则表达式匹配
# fullmatch:判断整个字符串是否能够和正则表达式匹配
# 返回值都是匹配结果，如果匹配成功返回匹配对象，否则返回None
re_str = r'abc\d{3}'
match1 = re.match(re_str, 'abc123abcdef')
match2 = re.fullmatch(re_str, 'abc123')
print(match1)
print(match2)
a.匹配到的范围。匹配结果字符的下标范围
print(match1.span())
# 获取起点
print(match1.start())
# 获取终点
print(match1.end())
# 注意：group参数，用来指定分组对应的相应的结果
re_str = r'(\d{3})\+([a-z]{2})'
match1 = re.match(re_str, '123+ab123')
print(match1.span())
print(match1.span(1))
print(match1.span(2))
# 在匹配结果中，获取第2个分组的起始下标
print(match1.start(2))
b.获取匹配结果对应的字符串
re_str = r'(\d{3})\+([a-z]{2})'
match1 = re.match(re_str, '123+ab123')
print(match1.group())
print(match1.group(1))
print(match1.group(2))
123+ab
123
ab
c.获取被匹配的原字符
re_str = r'(\d{3})\+([a-z]{2})'
match1 = re.match(re_str, '123+ab123')
print(match1.string)
123+ab123
3.search(正则表达式,字符串)：
在字符串中去查找第一个满足正则表达式要求的子串，如果找到了就返回匹配对象，否则返回None
search1 = re.search(r'\d+aa', 'hel11aalo wo3aarpld')
print(search1)
if search1:
print(search1.span())
<_sre.SRE_Match object; span=(3, 7), match='11aa'>
(3, 7)
4.split(正则表达式,字符串)
按满足正则表达式的子串去切割字符串
str1 = '窗前明月光，疑是地上霜。举头望明月，低头思故乡！'
result = re.split(r'\W',str1) # 中文属于\w范围
print(result)
['窗前明月光', '疑是地上霜', '举头望明月', '低头思故乡', '']
5.sub(正则表达式,替换字符串,被替换字符串)
word = '你是SB吗，操你大爷的，Fuck you'
result = re.sub(r'SB|操|Fuck','*',word)
print(result)
你是*吗，*你大爷的，* you
6.findall(正则表达式,字符串)
获取字符串中所有满足正则表达式的子串
返回值是列表
注意：分组中的捕获效果在这儿有效
result = re.findall(r'\d([a-z]+)','北京1beijing,欢迎welcome你2you')
print(result)
['beijing', 'you']
