一、认识正则表达式

2、正则语法

• 用处：判断输入字符串是否满足要求、提取满足条件的字符串、还可以做字符串替换

• 在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

• fullmatch(正则表达式，字符串) ： 判断正则表达式和字符串是否完全匹配

• python中正则表达式字符串：就是一个字符串，字符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：正则语法对应的字符和普通字符

• 1、点（.）匹配任意字符
  注意：一个点只匹配一个字符

from re import  fullmatch
# 完全匹配
# 匹配一个字符：第一个字符是a，第二个字符是任意字符，第三个是b
re_str = r'a.b'
result = fullmatch(re_str, 'a=b')
print(result)

2、\w 匹配字母数字下滑线

• 一个\w对应匹配一个字符
• 匹配第一个字符是数字字母下划线，后面三个字符是任意字符

re_str = r'\w...'
result = fullmatch(re_str, 'fofd')
print(result)

3、\s 匹配任意空白字符（空格、Tab、\r(回车)、\n 等）

re_str = r'a\sb'  # 能匹配a开头b结尾，中间一个是空白
result = fullmatch(re_str, 'a\rb')
print(result)

4、\d 匹配一个数字字符

re_str = r'\d\d\d'
result = fullmatch(re_str, '104')
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
• 遇到单词边界先把\b去掉看剩下的字符，最后在看|b

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, '118')
print(result)

7、$ 检测是否是是字符串结尾

re_str = r'abc'  # 只能匹配abc
result = fullmatch(re_str, 'abc')
print(result)

8、\W 匹配非数字字母下划线

re_str = r'\Wabc'  # 匹配第一个是非字母数字下划线并且abc结尾
result = fullmatch(re_str, '+abc')
print(result)

9、\S 匹配非空白字符

re_str = r'\S...'  # 第一不是空白后面三个任意字符
result = fullmatch(re_str, '—abc')
print(result)

10、\D 匹配非数字字符

re_str = r'\D\w\w\w'  # 匹配第一个非数字后面是数字字母下划线
result = fullmatch(re_str, 'q_aa')
print(result)

11、\B 检测是否不是单词边界

re_str = r'ab\Bc'
result = fullmatch(re_str, 'abc')
print(result)

12、[ ] 匹配中括号中出现的任意的一个字符

• 一个中括号匹配一个字符

# 用法1
re_str = r'[abc]aaa'  # 匹配一个首字符是a、b、c中其中一个字符，后面是aaa
result = fullmatch(re_str, 'aaaa')
print(result)

• 用法2 [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
• [\u0031 - \u0039] 数字1到9（用Unicode编码来表示字符）
• [\u4E00-\u9FBF] 匹配中文
• 注意：这种用法中字符1在Unicode编码中的值必须小于字符2的编码值
• [1-9] 数字1到9，[a-z] a到z [A-Z] 大写字母A到Z

re_str = r'[1-4]\d\d\d'  # 1-4 表示1到4以内的数字，匹配一个开头是1到4的数字后面三个也是数字的字符串
result = fullmatch(re_str, '2445')
print(result)

re_str = r'[\w\s]'
result = fullmatch(re_str, '我')
print(result)

13、[^字符集]匹配一个不再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

re_str = r'[^abc]...'  # 匹配一个第一位不是abc中的任意一个，后面三位是任意字符
# [^a-c]  与以上效果一样
result = fullmatch(re_str, 'ffda')
print(result)

二、次数相关符号

1、* 匹配0次或者多次

• 字符* ：字符出现0次或者多次

from re import fullmatch
# 匹配0位或者多位数字字符串
re_str = r'\d*'
print(fullmatch(re_str, '123'))

练习

• 用正则表达式来检测一个标识符是否符合要求:数字不能开头（至少1位）

re_str = r'[^0-9]\w*'
result = fullmatch(re_str, 'jjj')
print(result)

2、+ 匹配一次或者多次

re_str = r'\d+abc'  # 匹配abc前面有一个或则多个数字的字符串
result = fullmatch(re_str, '13abc')
print(result)

3、？匹配0次或者1次

re_str = r'[+-]?[1-9]\d*'
result = fullmatch(re_str, '+2')
print(result)

4、{}指定次数

re_str = r'\d{3}'
result = fullmatch(re_str, '222')
print(result)

re_str = r'\d{3,}'
result = fullmatch(re_str, '1234')
print(result)

re_str = r'\d{,3}'
result = fullmatch(re_str, '238')
print(result)

re_str = r'[\da-zA-Z]{6,16}'
result = fullmatch(re_str, 'fdffdsj87868')
print(result)

三、分支结构

1、| 分支结构

• 语法：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，再用条件2去匹配。
• 注意：如果条件1匹配成功就不会用条件2在去匹配

import re
re_str = r'[a-z]{3}|[A-Z]{3}'
print(re.fullmatch(re_str, 'acu'))

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

re_str = r'abc(w|h|y)'
print(re.fullmatch(re_str, 'abcw'))

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

# 组合
re_str = r'(\d[a-zA-Z]){3}'  # 一个数字加一个字母重复出现3次
print(re.fullmatch(re_str, '2f2f2f'))
# 捕获
re_str = r'(\d{3})abc'
print(re.fullmatch(re_str, '222abc'))
# 按正则表达式匹配并获取括号中的内容
# print(re.findall(re_str, '222abc388jdfj9rufjk998abc'))
# ['222', '998']

re_str = r'([a-z]{3})-\1'
# re_str = r'([a-z]{3})-(\d{2})\1\2'  # 能匹配abc-23abc23
print(re.fullmatch(re_str, 'abc-abc'))
# 按正则表达式匹配并获取括号中的内容
# print(re.findall(re_str, 'ana-ana'))

3、转义字符

• 正则表达式中可以通过在特殊的符号加\，来让特殊的符号没有意义

# 通过加\转移
re_str = r'\d{2}\.\d{2}'
print(re.fullmatch(re_str, '12.14'))

• + 表示符号本身，而不是表示匹配1次或多次
• 注意：在[]号中其他特殊字符可以不用加\转移,因为符号就表示其本身
  特别注意：\反斜杠不管在[]里边或外边都要转意
• - 减号在外面没有特殊功能，但如果要在中括号中表示减号就把减号放在最后，不要放在两个字符之间
• 注意：小括号也需要转意：\(

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

四、re模块函数

1、re.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

import re
re_obj = re.compile(r'\d+')
print(re_obj)
print(re_obj.fullmatch('1212'))

2、re.fullmatch(正则表达式，需要去匹配的字符串)，用正则表达式去完全匹配

• 该函数返回的是一个匹配对象或者None

result = re.fullmatch(r'\d[a-zA-Z]+', '2ajfj')
print(result)
# span(group=0) 获取匹配成功的开始下标和结束下标（左闭右开区间）
print(result.span(0))
print(result.start(0))  # 获取匹配到的开始下标
print(result.end(0))    # 获取匹配到的结束下标
# 获取匹配结果
# a. group(index=0)\group(0) 获取正则表达式完全匹配的结果
# b. group(index) 当index大于0，获取正则表达式中第index个分组匹配到的结果
print(result.group())

3、re.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，返回值时匹配对象或者None

result = re.search(r'(\d)[a-zA-Z]+', '2iif48kdfj934ij')
print(result)
# 获取匹配结果
print(result.group(0))
print(result.group(1))
print(result.start(0))  # 获取匹配到的开始下标
print(result.end(0))    # 获取匹配到的结束下标
# 使用search匹配一个字符串中所有的字符串
# result = re.find(r'\d', 'i4ir54eri4393roiuereji84')
str1 = 'i4ir54eri4393roiuereji84'
# res = re.search(r'\d+', )
# print('search', result)
# print('search', res)

4、string 获取被匹配的原字符串

print(result.string)  # 2iif48kdfj934ij

5、re.match(正则表达式字符串，字符串)

• 用正则表达式去匹配字符串的开头是否满足要求（只匹配开头）

# result = re.match(r'(\d)[a-zA-Z]+', '2iif48kdfj934ij')
# print(result)

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所有子串
• 注意：在正则表达式中有分组，取值时候只取分组中匹配到的结果，如果有多个分组会将分组匹配到的结果作为一个元祖的元素

print(re.findall(r'(\d+)i', '2iif48kdfj934ij'))

7、finditer(正则表达式， 字符串)

• 查找所有满足正则表达式的子串，返回值是迭代器，迭代器中的元素是匹配对象

res = re.finditer(r'\d+', '2iif48kdfj934ij')
for item in res:
    print(item)

8、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

result = re.split(r'\d+', '2iif32fdsf48kdf32ew4j934ij')
print(result)

9、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

str1 = 'fdjae45r12u89843kjiry38'
result = re.sub(r'\d+', '*', str1)
print(result)

str1 = 'fdjae45r12u89843kjiry38'
result = re.sub(r'', '*', str1)
print(result)