[Python知识库]千锋教育python2104期总结day16

千锋教育python2104期总结

第十五次总结: 正则表达式

目录

1. 匹配符号
2. 检测类符号
3. 匹配次数
4. 分组与分支
5. re模块
6. 作业

正文

1.匹配符号

1. re模块
   re模块是python提供的专门用支持正则表达式的一个模块
   fullmatch函数：
   fullmatch(正则表达式, 字符串) - 让正则表达式和指定字符串进行完全匹配，如果匹配失败返回None；

2. 正则语法
   正则表达式 - 正则表达式是一个让字符串复杂问题变得简单的工具。
   写正则表达式的主要工作：用正则符号描述清楚相关字符串的规则。

python正则比表示方式：r’正则表达式’
js的正则：/正则表达式/
“”"
from re import fullmatch
“”"

1. 普通字符（普通符号）
   在正则除了有特殊功能或者特殊意义以外的符号；
   普通字符在正则中表示这个符号本身。

#匹配一个字符串有三个字符分别是a、b和c

re_str = r'abc'
print(fullmatch(re_str, 'abc'))

2. . - 匹配任意一个字符
   注意：一个.只能匹配一个任意字符
   “”"
   #匹配一个字符，长度是三，第一个字符是a，最后一个字符是c，a和c之间是任意一个字符

re_str = r'a.c'
print(fullmatch(re_str, 'abc'))
print(fullmatch(re_str, 'a+c'))
print(fullmatch(re_str, 'a好c'))

3. \d - 匹配任意一个数字字符

re_str = r'a\d\dc'
print(fullmatch(re_str, 'a78c'))
print(fullmatch(re_str, 'a00c'))

4. \s - 匹配任意一个空白字符
   空白字符：空格、回车(\n)、制表符(\t)

re_str = r'a\sb'
print(fullmatch(re_str, 'a b'))
print(fullmatch(re_str, 'a  b'))    # None

5. \w - 匹配任意一个字母、数字或者下划线 （不好用）

6）
\D - 匹配任意一个非数字字符
\S - 匹配任意一个非空白字符

print(fullmatch(r'a\Sb\D', 'a>b='))
print(fullmatch(r'a\Sb\D', 'a b='))         # None
print(fullmatch(r'a\Sb\D', 'a>b0'))         # None

7. [字符集] - 匹配字符集中任意一个字符
   注意：一个[]只能匹配一个字符
   [多个普通字符] - 例如：[abc]，可以匹配a或者b或者c
   [包含\开头的特殊符号的字符集] - 例如：[\dabc]，可以匹配任意数据或者a或者b或者c

[包含减号在两个字符之间的字符集] - 这个时候的减号表示谁到谁(注意：减号前面的字符的编码必须小于减号后面的)
例如：
[a-z] - 匹配任意一个小写字母
[a-d] - 匹配a、b、c、d中的任意一个字符
[A-Z] - 匹配任意一个大写字母
[1-9] - 匹配1到9中任意一个数字字符
[\u4e00-\u9fa5] - 匹配任意一个中文字符
[a-zA-Z]、[A-Za-z] - 匹配任意一个字母
[a-z123] - 匹配任意一个小写字母，或者1或者2或者3
[a-z\d] - 匹配任意一个小写字母或者任意一个数字

re_str = r'a[xym]b'
print(fullmatch(re_str, 'axb'))
print(fullmatch(re_str, 'ayb'))
print(fullmatch(re_str, 'amb'))
print(fullmatch(re_str, 'azb'))     # None

8. [^字符集] - 匹配任意一个不在字符集任意一个字符
   [^abc] - 匹配除了a、b、c以外的任意一个字符
   [^a-z] - 匹配除了小写字母以外的任意一个字符

print(fullmatch(r'a[^\u4e00-\u9fa5]c', 'a是c'))      # None
print(fullmatch(r'a[^a-zA-Z]c', 'aKc'))             # None
print(fullmatch(r'a[a-z^]c', 'a^c'))

#注意：[]中的-和^只有放在指定位置的时候才有特殊功能，否则在[]中就是一个普通的符号。

2.检测类符号

检测类符号的存在不影响被匹配的字符串长度，它的作用是在匹配成功的前提下检测符号所在的位置是否符号要求。
检测类符号的用法：先去掉检测类符号，看是否能匹配成功，如果失败整个正则匹配失败。如果成功再来看检测类符号所在的位置是否符合要求。

1. \b - 检测是否是单词边界
   单词边界 - 能够区分出两个不同单词的符号都属于单词边界,例如：空白、标点符号、字符串开头、字符串结尾

re_str = r'abc\b123'
print(fullmatch(re_str, 'abc123'))      # None
print(fullmatch(re_str, 'abc 123'))     # None

re_str = r'abc,\b123'
print(fullmatch(re_str, 'abc,123'))
print(fullmatch(r'abc\s\b123', 'abc 123'))

#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

str1 = '12ksksj78ss 34抗生素,89 试7试看90 56 江苏省23'
result1 = findall(r'\d\d', str1)
print(result1)

2. \B - 检测是否是非单词边界

result3 = findall(r'\d\d\B', str1)
print(result3)

3. ^ - 检测是否是字符串开头

re_str = r'^\d\d'
print(fullmatch(re_str, '12'))
print(findall(r'^\d\d',  str1))

4. $ - 检测是否是字符串结尾

re_str = r'\d\d$'
print(fullmatch(re_str, '67'))

3.匹配次数

1. • • 匹配0次或者多次(任意次数)
       用法：匹配类符号*
       a* - 匹配任意多个a
       \d* - 匹配任意多个数字字符

print(fullmatch(r'a*b', 'b'))
print(fullmatch(r'[abc]*x', 'aabccax'))

2. • • 匹配1次或多次(至少一次)

print(fullmatch(r'a+b', 'b'))     # None
print(fullmatch(r'a+b', 'ab'))
print(fullmatch(r'a+b', 'aaaaab'))

3. ? - 匹配0次或1次

re_str = r'[-+]?[1-9]\d'
print(fullmatch(re_str, '-12'))
print(fullmatch(r'a?b', 'b'))
print(fullmatch(r'a?b', 'ab'))
print(fullmatch(r'a?b', 'aab'))     # None

4. {}
   {N} - 匹配N次
   {M,N} - 匹配M到N次
   {,N} - 匹配最多N次
   {M,} - 匹配至少M次

• == {0,}

• == {1,}
  ? == {0,1}

print(fullmatch(r'\d{4}', '5670'))
print(fullmatch(r'\d{3,5}', '234'))
print(fullmatch(r'\d{3,}', '23234234233'))

#注意：匹配次数对应的符号的前面必须是匹配类符号

print(fullmatch(r'+{2,3}', '++')) """    # re.error

5. 贪婪和非贪婪
   在匹配次数不确定的时候，匹配模式分为贪婪和非贪婪两种，默认是贪婪模式。
   在匹配成功的前提下，贪婪是匹配次数选最多的那个次数；非贪婪是匹配次数最少的那个次数。

*、+、?、{M,N}、{M,}、{,N} - 贪婪的
*?、+?、??、{M,N}?、{M,}?、{,N}? - 非贪婪的

print(match(r'\d{3}', '234hj监管机构'))
print(match(r'a.*b', 'asmmdb监管机构'))     # asmmdb
print(match(r'a.*?b', 'asmmdb监管机构'))    # asmmdb

‘asb’、‘asbmmb’、‘asbmmbdb’ 有三种情况可以成功，因为贪婪所以最后匹配次数最多的情况

print(match(r'a.*b', 'asbmmbdb监管机构'))       # asbmmbdb
print(match(r'a.*?b', 'asbmmbdb监管机构'))      # asb

4.分组和分支

1. () - 分组
   作用1：将()中的内容作为一个整体，进行整体相关操作，例如，整体控制次数
   作用2：通过 ‘\M’ 重复前面第M个分组匹配到的结果， M从1开始
   作用3：捕获(在findall中讲)

str1 = '78nm34ms10xp'
print(fullmatch(r'\d\d[a-z]{2}\d\d[a-z]{2}\d\d[a-z]{2}', str1))
print(fullmatch(r'(\d\d[a-z]{2}){3}', str1))
print(fullmatch(r'(\d{2})abc\1', '89abc89'))

2. | - 分支
   正则1|正则2 - 先用正则1进行匹配，如果成就直接匹配成功，如果匹配失败再用正则2进行匹配

#要求能同时匹配’abc98’ 和 ‘abcMKP’

print(fullmatch(r'abc\d{2}|abc[A-Z]{3}', 'abcKMP'))
print(fullmatch(r'abc(\d{2}|[A-Z]{3})', 'abcMKP'))

3. 转义符号
   在特殊符号前加\，让符号的功能消失，变成一个普通符号

print(fullmatch(r'\+\d{3}', '+234'))
print(fullmatch(r'\[\d{3}\]', '[234]'))
print(fullmatch(r'\\dabc', '\dabc'))

#如果是独立存在有特殊功能的符号，将符号放入[]中其功能也会自动消失

print(fullmatch(r'[+*|(?)^$.]abc', '(abc'))
print(fullmatch(r'[\^abc\-z\]]123', ']123'))

5.re模块

compile(正则表达式) - 编译正则表达式，返回一个正则表达式对象

fullmatch(正则表达式, 字符串)
正则表达式对象.fullmatch(字符串)

re_obj = re.compile(r'\d{3}')
print(re_obj.fullmatch('234'))
print(re.fullmatch(r'\d{3}', '234'))

fullmatch(正则表达式, 字符串) - 让正则表达式和整个字符串进行匹配(完全匹配)，匹配失败返回None，匹配成功返回匹配对象
match(正则表达式, 字符串) - 匹配字符串开头（判断字符串的开头是否符合正则的规则），匹配失败返回None，匹配成功返回匹配对象

result = re.fullmatch(r'(\d{3})-([A-Z]+)', '345-K')
print(result)    # <re.Match object; span=(0, 3), match='345'>  - 匹配对象

1. 获取匹配到的字符串
   匹配对象.group() / 匹配对象.group(0) - 获取整个正则匹配到的结果
   匹配对象.group(N) - 获取第N个分组匹配到的结果

print(result.group())       # 345-K
print(result.group(1))      # 345
print(result.group(2))      # K

3. search(正则表达式, 字符串) - 获取字符串中第一个满足正则表达式的子串。返回结果是None或者匹配对象

result = re.search(r'\d{3}', '试试看234ksjs,345')
print(result)       # <re.Match object; span=(3, 6), match='234'>
print(result.group())       # 234

2. 获取匹配结果在原字符串中的位置信息
   匹配对象.span() - 返回的是一个元组，元组中的元素是开始下标和结束下标，结束下标对应的位置取不到
   匹配对象.span(N)

print(result.span())

findall(正则表达式, 字符串) - 获取字符串中所有满足正则的子串，返回的是列表，列表中的元素是子串(没有分组的时候)
如果正则中只有一个分组：返回的列表中的元素是每个分组匹配到的结果
如果正则中有两个或两个以上的分组: 返回的列表中的元素是元组，元组中的元素是每个分组匹配到的结果

result = re.findall(r'\d{2}', '34ssd908计算机上23，udh89,试试89123')
print(result)   # ['34', '90', '23', '89', '89', '12']

result = re.findall(r'(\d{2})-([a-z]{3})', '23-msn数据是98-kop圣诞节发货')
print(result)       # [('23', 'msn'), ('98', 'kop')]

5.finditer(正则表达式, 字符串) - 获取字符串中所有满足正则的子串，返回的是一个迭代器，迭代器是匹配对象

result = re.finditer(r'(\d{2})-([a-z]{3})', '23-msn数据是98-kop圣诞节发货')
print(result)
r1 = next(result)
print(r1, r1.group(), r1.group(1), r1.group(2))

6. split(正则表达式, 字符串) - 将字符串中所有满足正则表达式的子串作为切割点，对字符串进行切割
   re.split(正则表达式, 字符串, N) - 将字符串中前N个满足正则表达式的子串作为切割点，对字符串进行切割

result = re.split(r'\d+', '是是9564s双生视界09世纪东方和3d失敬失敬2试试')
print(result)

sub(正则表达式, 字符串1, 字符串2) - 将字符串2中所有满足正则表达式的子串替换成字符串1
sub(正则表达式, 字符串1, 字符串2, N) - 将字符串2中前N个满足正则表达式的子串替换成字符串1

result = re.sub(r'\d+', '*', '是是9564s双生视界09世纪东方和3d失敬失敬2试试')
print(result)

8. flags参数
   上面的每一个函数都一个参数flags，用来设置正则参数

1. 单行匹配和多行匹配参数：re.S、re.M(默认的)
   单行匹配：.可以匹配\n
   多行匹配：.不能和\n匹配

flags=re.S <==> r’(?s)正则表达式’

2. 忽略大小写：re.I
   flags=re.I <==> r’(?i)正则表达式’

flags=re.S|re.I <==> r’(?si)正则表达式’

print(re.fullmatch(r'a.b', 'a\nb', flags=re.M))     # None
print(re.fullmatch(r'a.b', 'a\nb'))                 # None
print(re.fullmatch(r'a.b', 'a\nb', flags=re.S))
print(re.fullmatch(r'(?s)a.b', 'a\nb'))

6.作业

利用正则表达式完成下面的操作:

一、不定项选择题

1. 能够完全匹配字符串"(010)-62661617"和字符串"01062661617"的正则表达式包括（a ,b,d）

A.r"\(?\d{3}\)?-?\d{8}"
B. r"[0-9()-]+"
C.r"[0-9(-)]*\d*"
D.r"[(]?\d*[)-]*\d*"

2. 能够完全匹配字符串“back”和“back-end”的正则表达式包括（a,c ,d ）
   A. r“\w{4}-\w{3}|\w{4}”
   B. r“\w{4}|\w{4}-\w{3}”
   C.r “\S±\S+|\S+”
   D. r“\w*\b-\b\w*|\w*”

3. 能够完全匹配字符串“go go”和“kitty kitty”，但不能完全匹配“go kitty”的正则表达式包括（a,d）
   A.r “\b(\w+)\b\s+\1\b”
   B. r“\w{2,5}\s*\1”
   C. r“(\S+) \s+\1”
   D. r“(\S{2,5})\s{1,}\1”

4. 能够在字符串中匹配“aab”，而不能匹配“aaab”和“aaaab”的正则表达式包括（ b,c）
   A. r“a*?b”
   B. r“a{,2}b”
   C. r“aa??b”
   D. r“aaa??b”

二、编程题

1.用户名匹配

? 要求: 1.用户名只能包含数字 字母 下划线

? 2.不能以数字开头

? 3.?度在 6 到 16 位范围内

from re import *
print('注意\n1.用户名只能包含数字 字母 下划线\n2.不能以数字开头\n3.?度在 6 到 16 位范围内')
user=input('请输入用户名:')
if fullmatch(r'\w{6,16}',user) and match(r'[A-Za-z_]',user):
    print('合法用户名')
else:
    print('非法用户名')

2. 密码匹配

? 要求: 1.不能包含!@#￥%^&*这些特殊符号

? 2.必须以字母开头

? 3.?度在 6 到 12 位范围内

from re import *
print('注意\n1.密码不能包含!@#￥%^&*这些特殊符号\n2.必须以字母开头 \n3.?度在 6 到 12 位范围内')
# mima=input('请输入用户名:')
mima='sd^sf456'
if fullmatch(r'[^!@#￥%^&*]{6,12}',mima) and match(r'[a-zA-Z]',mima):
    print('合法密码')
else:
    print('非法密码')

3. ipv4 格式的 ip 地址匹配
   提示: IP地址的范围是 0.0.0.0 - 255.255.255.255

from re import *
num='130.255.123.000'
if fullmatch(r'([0-2][0-5]{2}[.]){3}([0-2][0-5]{2})',num):
    print('正确地址')
else:
    print('错误地址')
print(fullmatch(r'([0-20-50-5.]){3}\1',num))

4. 提取用户输入数据中的数值 (数值包括正负数 还包括整数和小数在内) 并求和

例如:“-3.14good87nice19bye” =====> -3.14 + 87 + 19 = 102.86

from re import *
num='-3.14good87nice19bye'
re=findall(r'([-]?\d+[.]?\d*)+',num)
he=0
for x in re:
    he+=float(x)
print(he)

5. 验证输入内容只能是汉字

from re import *
shuru=input('请输入:')
if fullmatch(r'[\u4e00-\u9fa5]',shuru):
    print('是汉字')
else:
    print('不是汉字')

6. 匹配整数或者小数（包括正数和负数）

from re import *
num='-3.14'
re=fullmatch(r'([-]?\d+[.]?\d*)+',num)
print(re)

7. 验证输入用户名和QQ号是否有效并给出对应的提示信息

   要求：
   用户名必须由字母、数字或下划线构成且长度在6~20个字符之间
   QQ号是5~12的数字且首位不能为0

from re import *
user=input('请输入用户名:')
qqnum=input('请输入qq号:')

if fullmatch(r'\w{6,16}',user) and match(r'[A-Za-z_]',user):
    print('合法用户名')
else:
    print('非法用户名')
if fullmatch(r'\w{5,12}',qqnum) and match(r'[^0]',qqnum):
    print('正确qq账户')
else:
    print('错误qq账户')

8. 拆分长字符串：将一首诗的中的每一句话分别取出来

   ? poem = ‘窗前明月光，疑是地上霜。举头望明月，低头思故乡。’

from re import *
poem = '窗前明月光，疑是地上霜。举头望明月，低头思故乡。'
re=split(r'[，。]',poem)
for x in re:
    print(x)