day16- re模塊（正則表達式 三種查找方法findall search match）

# re模塊是一個和正則表達式相關的模塊

# 正則表達式 和 python沒關系

 

# 時間

# 正則表達式 —— str

    # 檢測字符串是否符合要求

    # 從大段的文字中找到符合要求的內容

number = input('>>>')

if number.isdigit() and len(number)==11  \

    and number.startswith('13'):

    print('是合法的手機號')

else:

    pass

 

# 字符組  范圍  —— 約束一個字符

'[]'

#

 

#'\\n' --> '\n'

#'\\\\n' --> '\\n'

# r'\\n'

# r'\n'

正則	待匹配字符	匹配 結果	說明
[0123456789]	8	True	在一個字符組里枚舉合法的所有字符，字符組里的任意一個字符 和"待匹配字符"相同都視為可以匹配
[0123456789]	a	False	由於字符組中沒有"a"字符，所以不能匹配
[0-9]	7	True	也可以用-表示范圍,[0-9]就和[0123456789]是一個意思
[a-z]	s	True	同樣的如果要匹配所有的小寫字母，直接用[a-z]就可以表示
[A-Z]	B	True	[A-Z]就表示所有的大寫字母
[0-9a-fA-F]	e	True	可以匹配數字，大小寫形式的a～f，用來驗證十六進制字符

　　

字符：

元字符	匹配內容
.	匹配除換行符以外的任意字符
\w	匹配字母或數字或下划線
\s	匹配任意的空白符
\d	匹配數字
\n	匹配一個換行符
\t	匹配一個制表符
\b	匹配一個單詞的結尾
^	匹配字符串的開始
$	匹配字符串的結尾
\W	匹配非字母或數字或下划線
\D	匹配非數字
\S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括號內的表達式，也表示一個組
[...]	匹配字符組中的字符
[^...]	匹配除了字符組中字符的所有字符

 

量詞：

量詞	用法說明
*	重復零次或更多次
+	重復一次或更多次
?	重復零次或一次
{n}	重復n次
{n,}	重復n次或更多次
{n,m}	重復n到m次

 

. ^ $

正則	待匹配字符	匹配 結果	說明
海.	海燕海嬌海東	海燕海嬌海東	匹配所有"海."的字符
^海.	海燕海嬌海東	海燕	只從開頭匹配"海."
海.$	海燕海嬌海東	海東	只匹配結尾的"海.$"

 

* + ? { }

正則	待匹配字符	匹配 結果	說明
李.?	李傑和李蓮英和李二棍子	李傑 李蓮 李二	?表示重復零次或一次，即只匹配"李"后面一個任意字符
李.*	李傑和李蓮英和李二棍子	李傑和李蓮英和李二棍子	*表示重復零次或多次，即匹配"李"后面0或多個任意字符
李.+	李傑和李蓮英和李二棍子	李傑和李蓮英和李二棍子	+表示重復一次或多次，即只匹配"李"后面1個或多個任意字符
李.{1,2}	李傑和李蓮英和李二棍子	李傑和 李蓮英 李二棍	{1,2}匹配1到2次任意字符

 注意：前面的*,+,?等都是貪婪匹配，也就是盡可能匹配，后面加?號使其變成惰性匹配

正則	待匹配字符	匹配 結果	說明
李.*?	李傑和李蓮英和李二棍子	李 李 李	惰性匹配

 

字符集［］［^］

正則	待匹配字符	匹配 結果	說明
李[傑蓮英二棍子]*	李傑和李蓮英和李二棍子	李傑 李蓮英 李二棍子	表示匹配"李"字后面[傑蓮英二棍子]的字符任意次
李[^和]*	李傑和李蓮英和李二棍子	李傑 李蓮英 李二棍子	表示匹配一個不是"和"的字符任意次
[\d]	456bdha3	4 5 6 3	表示匹配任意一個數字，匹配到4個結果
[\d]+	456bdha3	456 3	表示匹配任意個數字，匹配到2個結果

 

分組 ()與 或 ｜［^］

 身份證號碼是一個長度為15或18個字符的字符串，如果是15位則全部🈶️數字組成，首位不能為0；如果是18位，則前17位全部是數字，末位可能是數字或x，下面我們嘗試用正則來表示：

正則	待匹配字符	匹配 結果	說明
^[1-9]\d{13,16}[0-9x]$	110101198001017032	110101198001017032	表示可以匹配一個正確的身份證號
^[1-9]\d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也可以匹配這串數字，但這並不是一個正確的身份證號碼，它是一個16位的數字
^[1-9]\d{14}(\d{2}[0-9x])?$	1101011980010170	False	現在不會匹配錯誤的身份證號了 ()表示分組，將\d{2}[0-9x]分成一組，就可以整體約束他們出現的次數為0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$	110105199812067023	110105199812067023	表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14}

轉義符 \

在正則表達式中，有很多有特殊意義的是元字符，比如\d和\s等，如果要在正則中匹配正常的"\d"而不是"數字"就需要對"\"進行轉義，變成'\\'。

在python中，無論是正則表達式，還是待匹配的內容，都是以字符串的形式出現的，在字符串中\也有特殊的含義，本身還需要轉義。所以如果匹配一次"\d",字符串中要寫成'\\d'，那么正則里就要寫成"\\\\d",這樣就太麻煩了。這個時候我們就用到了r'\d'這個概念，此時的正則是r'\\d'就可以了。

正則	待匹配字符	匹配 結果	說明
\d	\d	False	因為在正則表達式中\是有特殊意義的字符，所以要匹配\d本身，用表達式\d無法匹配
\\d	\d	True	轉義\之后變成\\，即可匹配
"\\\\d"	'\\d'	True	如果在python中，字符串中的'\'也需要轉義，所以每一個字符串'\'又需要轉義一次
r'\\d'	r'\d'	True	在字符串之前加r，讓整個字符串不轉義

 

貪婪匹配

貪婪匹配：在滿足匹配時，匹配盡可能長的字符串，默認情況下，采用貪婪匹配

正則	待匹配字符	匹配 結果	說明
<.*>	<script>...<script>	<script>...<script>	默認為貪婪匹配模式，會匹配盡量長的字符串
<.*?>	r'\d'	<script> <script>	加上？為將貪婪匹配模式轉為非貪婪匹配模式，會匹配盡量短的字符串

幾個常用的非貪婪匹配Pattern

*? 重復任意次，但盡可能少重復
+? 重復1次或更多次，但盡可能少重復
?? 重復0次或1次，但盡可能少重復
{n,m}? 重復n到m次，但盡可能少重復
{n,}? 重復n次以上，但盡可能少重復

.*?的用法

. 是任意字符
* 是取 0 至 無限長度
? 是非貪婪模式。
何在一起就是 取盡量少的任意字符，一般不會這么單獨寫，他大多用在：
.*?x

就是取前面任意長度的字符，直到一個x出現

import re

 

# 三種最基礎的查找方法

# findall search match

# pattern正則表達式, string待匹配的字符串, flags=0

# ret = re.findall('\d+','eva123egon4yuan567')

# print(ret)  # ['123', '4', '567']

# ret2 = re.search('\d+','eva123egon4yuan567')

# print(ret2) # 不會直接返回結果，而是返回第一個匹配的變量

# print(ret2.group()) # 使用這個變量.group()得到返回的結果

# ret3 = re.search('\d+','eva')

# if ret3:

#     print(ret3.group()) # 使用這個變量.group()得到返回的結果

# ret4 = re.match('\d+','321eva123egon4yuan567')

# print(ret4) # 不會直接返回結果，而是在正則表達式的開始加上一個^

# print(ret4.group()) # 不會直接返回結果，而是返回第一個匹配的變量

 

# ret = re.split('\d+','alex27egon18yuan40')

# print(ret)

 

# 節省時間

# obj = re.compile('\d{3}')  #將正則表達式編譯成為一個 正則表達式對象，規則要匹配的是3個數字

# # 正則表達式 --> python可以理解的 -->執行

# ret = obj.search('abc123eeee') #正則表達式對象調用search，參數為待匹配的字符串

# print(ret.group())  #結果 ： 123

# ret = obj.findall('abc123eeee456as12') #正則表達式對象調用search，參數為待匹配的字符串

# print(ret)

 

# import re   # 節省空間

# ret = re.finditer('\d', 'ds3sy4784a')   #finditer返回一個存放匹配結果的迭代器

# print(ret)  # <callable_iterator object at 0x10195f940>

# print(next(ret).group())  #查看第一個結果

# print(next(ret).group())  #查看第二個結果

# print([i.group() for i in ret])  #查看剩余的左右結果

 

 

import re

 

# ret = re.findall('www\.(baidu|oldboy)\.com', 'www.baidu.com')

# print(ret)

# findall默認只顯示分組中的

 

# ret = re.findall('www\.(?:baidu|oldboy)\.com', 'www.baidu.com')

# print(ret)

 

# ret=re.split("(\d+)","eva3egon4yuan")

# print(ret) #結果 ： ['eva', 'egon', 'yuan']

 

# ret = re.search("<(\w+)>(\w+)</\\1>","<h1>hello</h2>")

# print(ret.group())  # group???  組

# print(ret.group(0))  # group???  組

# print(ret.group(1))  # group???  組

# print(ret.group(2))  # group???  組

 

# ret = re.search("<(?P<tag>\w+)>(\w+)</(?P=tag)>","<h1>hello</h1>")

# print(ret)

# print(ret.group())

# print(ret.group('tag'))

 

 

# ***abc***

# @@@abc@@@

# ==abc==

# -123-

 

# ret = re.search('(?P<flag>.+).*(?P=flag)','-123-')

# print(ret.group())

# ret = re.search('(.+).*\\1','-123-')

# print(ret.group())

 

# exp = "1-2*(60+(-40.35/5)-(-4*3))"

# ret = re.findall('\d+\.\d+|(\d+)',exp)

# print(ret)

# ret.remove('')

# print(ret)