一、定义
- 正则表达式就是做字符串匹配的一种工具，很多语言都支持正则语法，正则语法是通用的
- python中通过re模块中提供的方式来使用正则：import re或from re import *
-
re.fullmatch（正则表达式，字符串）：完全匹配，检查字符串是否满足正则表达式的要求；如果不匹配结果是None，匹配结果是一个匹配对象
- python正则表达式：r'正则'（拓展：js正则表达式 - /正则/）
二、正则语法（以下代码基于import re）
1.匹配字符的符号
1）普通字符
- 普通字符在正则中代表字符本身， 例如, a, b, 1...等
# 要求一个字符串有5个字符，分别是h,e,l,l,o
re_str = r'hello'
result = re.fullmatch(re_str, 'hello')
print(result)
2）. (匹配除换行符 \n的任意字符)
# 匹配一个字符串有三个字符，第一个字符是a，最后一个字符是c, 第二个字符是任意字符
re_str = r'a.c'
result = re.fullmatch(re_str, 'a+c')
print(result)
3）\w (匹配字母、数字、下划线)
- 一个\w只能匹配一个字符
- 注意: 这个不严谨，还可以匹配中文等字符;不能匹配ASCII码表中除了字母数字下划线以外的符号
# 匹配一个字符串第一个字符是字母、数字或者下划线，后面是'abc'
re_str = r'\wabc'
result = re.fullmatch(re_str, 'kabc')
print(result)
4）\s (匹配空白字符)
- 空白字符：空格、\t（制表符tab键）、\n（换行）
- 一个\s只能匹配一个空字符
# 匹配一个长度是8的字符，要求前三个字符是任意字符，中间两个空白字符，后面再三个任意字符
re_str = r'...\s\s...'
result = re.fullmatch(re_str, 'abc abc')
print(result)
result = re.fullmatch(re_str, '++-\n\t-++')
print(result)
result = re.fullmatch(re_str, '+ \t\t-++')
print(result)
5）\d (匹配数字字符)
re_str = r'\d\dabc'
result = re.fullmatch(re_str, '90abc')
print(result)
6）\W (匹配非数字、字母、下划线)
7）\S (匹配非空白字符)
# 匹配一个长度是4的字符，后面三个字符是'abc',第一个字符可以是任何一个非空白字符
re_str = r'\Sabc'
print(re.fullmatch(re_str, '+abc'))
8）\D (匹配非数字字符)
re_str = r'\Dabc'
print(re.fullmatch(re_str, '9abc')) # None
9）[ ] (匹配字符集中的一个字符)
-
[普通字符集]：匹配字符集中的任意一个字符
-
[字符1-字符2]：匹配字符1到字符2中的任意一个字符(要求字符1的编码值小于字符2)
- 注意: 一个[ ]只能匹配一个字符
-
常用：
[0-9]：匹配所有的数字
[a-z]：匹配小写字母
[A-Z]：匹配大写字母
[a-zA-Z]：匹配所有的字母
[\da-zA-Z_]：匹配数字字母下划线
[\u4e00-\u9fa5]：匹配所有的中文
# 匹配一个长度是4的字符串，第一个字符是x或者y或者z, 后面是abc
re_str = r'[xyz]abc'
print(re.fullmatch(re_str, 'zabc'))
# 匹配一个长度是4的字符串, 第一个字符是数字或者x,y,z
re_str = r'[\dxyz]abc'
print(re.fullmatch(re_str, '3abc'))
# 匹配一个长度是4的字符串, 第一个字符是数字字符2-8中的一个
re_str = r'[2-8]abc'
print(re.fullmatch(re_str, '4abc'))
# 匹配一个长度是4的字符串, 第一个字符是数字字符2-8中的一个或者是x,y,z
re_str = r'[2-8xyz]abc'
print(re.fullmatch(re_str, 'zabc'))
# # 匹配一个长度是4的字符串, 第一个字符是中文字符
re_str = r'[\u4e00-\u9fa5]abc'
print(re.fullmatch(re_str, '胡abc'))
# re_str = r'[9-1]abc'
# print(re.fullmatch(re_str, '8abc')) # 报错！
10）[^] (匹配不含指定数据的)
-
[^字符集]：匹配不在字符集中任意一个字符
-
[^\u4e00-\u9fa5]：匹配一个非中文字符
# 匹配一个长度是4的字符串, 第一个字符不是x,y,z
re_str = r'[^xyz]abc'
print(re.fullmatch(re_str, 'zabc'))
# 匹配一个长度是4的字符串, 第一个字符不是中文字符
re_str = r'[^\u4e00-\u9fa5]abc'
print(re.fullmatch(re_str, '是abc'))
2.检测字符的符号
1）\b (检测单词边界)
- 检查\b所在的位置是否是单词边界
- 单词边界：字符串开头、字符串结尾、空白、标点符号等
# 匹配一个长度是4的字符串，第一个字符是任意字符，后边是abc; 检测c的后面是否是单词边界
re_str = r'.abc\b'
print(re.fullmatch(re_str, '8abc'))
re_str = r'how\b\sare'
print(re.fullmatch(re_str, 'how are'))
2）\B (检测非单词边界)
3）^ (检测是否是字符串开头)
re_str = r'^abc'
print(re.fullmatch(re_str, 'abc'))
print(re.search(r'^\d\d', 'has89kjkssss'))
4）$ (检测是否是字符串结尾)
re_str = r'abc$'
print(re.fullmatch(re_str, 'abc'))
print(re.search(r'\d\d$', 'has89kjkssss77'))
3.转义符号
- 在有特殊功能、意义的符号前加 ' \ '，让这个正则符号变成普通符号
- 注意：除了^放在[ ]开头，和 - 放在两个字符之间以外， 其他单独的特殊符号，在[ ]没有特殊功能，都是表示字符本身
re_str = r'\d\d\.\d\d'
print(re.fullmatch(re_str, '89=78'))
re_str = r'\^\d\d\d'
print(re.fullmatch(re_str, '^789'))
re_str = r'\d\d[.]\d\d'
print(re.fullmatch(re_str, '23=45'))
# ^在[]中不是在开头就没有特殊意义
re_str = r'\d\d[a^]\d\d'
print(re.fullmatch(re_str, '23=45'))
# -在[]中只要不是放在两个字符之间都表示-本身s
re_str = r'\d\d[-a]\d\d'
print(re.fullmatch(re_str, '23-45'))
re_str = r'\d\d[1\-ka\]]\d\d'
print(re.fullmatch(re_str, '23-45'))
4.匹配次数
1）* (匹配0次或多次)
- 字符*：指定的字符出现0次或者多次
- a*：字符a匹配0次或者多次
- \d*：数字匹配0次或者多次
- [a-z]*：小写字母匹配0次或者多次
re_str = r'a*bc'
print(re.fullmatch(re_str, 'bc'))
print(re.fullmatch(re_str, 'abc'))
print(re.fullmatch(re_str, 'aaabc'))
2）+ (匹配1次或者多次)
# 匹配一个字符串开头是a,结束是b,中间至少一个数字
re_str = r'a\d+b'
re_str = r'a\d\d*b'
print(re.fullmatch(re_str, 'a89b'))
3）? (0次或1次)
# 练习：写一个正则表达式，能够匹配一个整数字符串
# 283、-834、+823、9、-23
re_str = r'[-+]?\d+'
print(re.fullmatch(re_str, '-7890283024'))
4）{ } (匹配指定次数)
- {N}：匹配N次
- {M,N}：匹配至少M次，最多N次
- {M,}：匹配至少M次
- {,N}：匹配最多N次
- 等价：
* == {0,}
+ == {1,}
? == {0,1}
re_str = r'\d{4}'
print(re.fullmatch(re_str, '8273'))
re_str = r'\d{2,4}'
print(re.fullmatch(re_str, '889'))
re_str = r'[xyz]{,3}'
print(re.fullmatch(re_str, 'xy'))
# 练习: 写一个正则表达式判断密码是否符号要求：
# 密码由数字或字母组成，并第一个字符是大写字母，长度是6-12位
re_str = r'[A-Z][a-zA-Z\d]{5,11}'
5）非贪婪
- 贪婪：匹配次数不确定的时候尽可能多的匹配 （上面次数不确定的符号都是贪婪的）
- 非贪婪：匹配次数不确定的时候尽可能少的匹配 (上面次数不确定的符号后面加 ? 就会变成非贪婪) 注意：尽可能少不是必须少，是在满足条件的情况下尽可能的少
- 使用：
*?：0次或多次, 尽可能少
+?：1次或多次, 尽可能少
??：0次或1次, 尽可能少
{M,N}?：
{M,}?：
{,N}?：
re_str = r'a+'
print(re.search(re_str, 'baaaac'))
re_str = r'a+?'
print(re.search(re_str, 'baaaac'))
re_str = r'a.*b'
print(re.search(re_str, 'a12bmnb====')) # match='a12bmnb'
re_str = r'a.*?b'
print(re.search(re_str, 'a12bmnb====')) # match='a12b'
5.分之和分组
1）| (分之)
-
正则1|正则2：先用正则1进行匹配，如果匹配失败再用正则2匹配（正则1和正则2中只要有一个匹配成功就成功，两个失败了才失败）
-
注意: 如果正则1匹配成功了，不会再使用正则2去匹配（短路原则）
# 匹配一个字符串，是abc或者xyz
# 'abc', 'xyz'
re_str = r'abc|xyz'
print(re.fullmatch(re_str, 'abc'))
re_str = r'\d{3}|[a-zA-Z]{4}|\+{3}'
print(re.fullmatch(re_str, '+++'))
re_str = r'x{3}|y{3}123'
print(re.fullmatch(re_str, 'yyy123'))
2）() (分组)
- 整体区分(将部分正则作为一个整体)
re_str = r'(xxx|yyy)[A-Z]{2}[a-z]{2}\d{2}'
- 整体操作
re_str = r'(\d{2}[a-zA-Z]{2}){3}'
- 整体重复
\M - 重复前面第M个分组匹配到的内容
# re_str = r'xxx[A-Z]{2}[a-z]{2}\d{2}|yyy[A-Z]{2}[a-z]{2}\d{2}'
re_str = r'(xxx|yyy)[A-Z]{2}[a-z]{2}\d{2}'
print(re.fullmatch(re_str, 'yyyASjk23'))
# '88js82ll67hj'
# re_str = r'\d{2}[a-zA-Z]{2}\d{2}[a-zA-Z]{2}\d{2}[a-zA-Z]{2}'
re_str = r'(\d{2}[a-zA-Z]{2}){3}'
print(re.fullmatch(re_str, '88js82ll67hj'))
# 89abc89, 11abc11
re_str = r'(\d\d)abc\1'
print(re.fullmatch(re_str, '90abc90'))
re_str = r'(\d{3})([a-z]{2})\2\1\2'
print(re.fullmatch(re_str, '234bnbn234bn'))
三、怎么使用（以下代码基于from re import *）
1. compile：创建对象
re_str = r'\d{3}'
re_obj = compile(re_str)
re_obj.fullmatch('234')
等价于
fullmatch(re_str, '234')
2. fullmatch：完全匹配
-
fullmatch(正则表达式, 字符串)：让正则和字符串完全匹配;匹配失败返回None,匹配成功返回匹配对象
- 对整个字符串进行检查的时候使用，比如判断账号、密码是否合法；手机号、邮箱是否合法等
result = fullmatch(r'\d{3}[a-z]{2}[A-Z]{3}', '232anAHS')
print(result)
3. match：匹配字符串开头
-
match(正则表达式, 字符串)：让正则和字符串开头匹配;匹配失败返回None,匹配成功返回匹配对象
result = match(r'\d{3}', '3495hsjs02-3')
print(result)
4. search：字符串查找
-
search(正则表达式, 字符串)：在字符串中找到第一个和正则表达式匹配的子串；没有匹配到就返回None,否则返回匹配对象
result = search(r'a(\d{3})([A-Z]{2})', 'hello-a782KH--=23hjahsf')
print(result)
# 通过匹配对象能获取到以下内容
# a. 匹配结果
print(result.group()) # a782KH, 获取整个正则表达式匹配到的结果
print(result.group(1)) # 782, 获取第一个分组匹配到的结果
print(result.group(2)) # KH, 获取第二个分组匹配到的结果
# b.匹配范围(被匹配到的内容在原字符串中的范围-(开始下标,结束下标))
print(result.span())
print(result.start())
print(result.end())
# c.获取原字符串
print(result.string)
5. split：字符串切割
-
split(正则表达式, 字符串, 切割次数)：将字符串按照满足正则表达式的子串进行切割;返回的是一个列表，列表中是被切开的子串
- 切割次数：不传参就全切
print(split(r'\d+|[A-Z]+', 'hsj8kkjs9999lkjaHlks92jj8js9lkKIsj90kjkj', 1))
6. sub：字符串替换
-
sub(正则表达式,新字符串,原字符串, 替换次数)：将原字符串中满足正则表达式的子串替换成新字符串
- 替换次数：不传参就全部替换
# print('shdfjaha23hj79hjh902nm3jj'.replace('a','+'))
print(sub(r'\d+', '*', 'how hj2h aeu8js90njj8899nnnnas'))
print(sub(r'[操肏艹草曹]|[fF]uck|shit|傻[比屄逼叉缺吊屌]|煞笔', '*', '你丫是傻叉吗? 我操你大爷的. Fuck you.'))
7. findall：查找所有
-
findall(正则表达式, 字符串)：在字符串中查找所有满足正则表达式的子串，以列表的形式返回
- 有一个分组，只取分组匹配到的内容
- 注意：使用findall的时候，如果有分组想要取整个正则匹配的结果是取不到
print(findall(r'\d+', 'ashd88hkjahs9hjs81hs123hj78'))
print(findall(r'\d+a', 'ashd88ahkjahs9hjs81hs123ahj78')) # ['88a', '123a']
# 有一个分组，只取分组匹配到的内容
print(findall(r'(\d+)a', 'ashd88ahkjahs9hjs81hs123ahj78')) # ['88', '123']
print(findall(r'(\d+)([a-z]{2})', 'ashd88ahkjahs9hjs81hs123ahj78')) # [('88', 'ah'), ('9', 'hj'), ('81', 'hs'), ('123', 'ah')]
# 注意：使用findall的时候，如果有分组想要取整个正则匹配的结果是取不到
print(findall(r'(\d[a-z]){3}\+', 'ahjs8a2a8j+胡士大夫9m2s0j+接收到sd8p+ss===')) # ['8j', '0j']
8. finditer：查找所有
-
finditer(正则表达式, 字符串)：在字符串中查找所有满足正则表达式的子串； 返回一个迭代器，元素是每个子串对应的匹配对象
result = finditer(r'(\d[a-z]){3}\+', 'ahjs8a2a8j+胡士大夫9m2s0j+接收到sd8p+ss===')
print(result)
for x in result:
print(x.group(), x.group(1))
def get_name():
with open('data.txt', encoding='utf-8') as f:
content = f.read()
print(content)
re_str = r'"name":"(.+?)",'
result = findall(re_str, content)
# result = re.findall(r'\d\d','ashjf89kjskdf90naskhfk899nn,nmf67jkhh56hkhjk78')
print(result)
# get_name()
