總結(jié)

from re import fullmatch, search, findall

'你好，我是xxx我的手機(jī)號(hào)碼是:15300022703,郵箱-726550722@qq.com...'

0.fullmatch

fullmatch(正則表達(dá)式, 字符串) - 查看字符串和正則表達(dá)式是否匹配，如果不匹配結(jié)果是None

正則表達(dá)式： r'正則語(yǔ)法'

1.什么是正則表達(dá)式

正則表達(dá)式是處理字符串的工具， 通過(guò)不同的正則符號(hào)來(lái)描述字符串的規(guī)則

2.正則符號(hào)(正則表達(dá)式的語(yǔ)法)

print('===============匹配符號(hào)===============')

1)普通字符 - 除了在正則中有特殊功能和特殊意義的符號(hào)以外的字符都算普通字符

普通字符代碼字符本身

匹配一個(gè)字符串有三個(gè)字符，分別是'a','b','c'

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

2) . - 匹配任意一個(gè)字符

一個(gè)點(diǎn)(.)只能匹配一個(gè)字符

匹配一個(gè)字符串長(zhǎng)度是8，前三個(gè)字符是abc,后三個(gè)字符是123，中間是兩個(gè)任意字符

re_str = r'abc..123'
result = fullmatch(re_str, 'abcW1123')
print(result)

3) \w - 匹配一個(gè)數(shù)字、字母或者_(dá) (在ASCII碼表中)

一個(gè)\w只能匹配一個(gè)字符

匹配一個(gè)長(zhǎng)度是4的字符串，第一個(gè)字符是數(shù)字、字母或者_(dá)，后面三個(gè)字符是'abc'

re_str = r'\wabc'
result = fullmatch(re_str, '_abc')
print(result)

4) \d - 匹配任意一個(gè)數(shù)字字符

匹配一個(gè)長(zhǎng)度是5的字符串，前兩個(gè)字符是任意數(shù)字，后面三個(gè)是任意字符

re_str = r'\d\d...'
result = fullmatch(re_str, '90l-=')
print(result)

5) \s - 匹配任意一個(gè)空白字符

空白字符包括: 空格字符、換行字符、制表符...

result = fullmatch(r'how\s\sare!', 'how \tare!')
print(result)

6) \大寫字母

\D - 匹配除了數(shù)字字符以外的任意字符(匹配一個(gè)非數(shù)字字符)
\S - 匹配一個(gè)非空白字符

re_str = r'\Dabc\S'
print(fullmatch(re_str, 'pabc='))

7) [字符集] - 匹配字符集出現(xiàn)的任意一個(gè)字符

注意: 一個(gè)[]只能匹配一個(gè)字符
a.
[abc] - 匹配abc中任意一個(gè)字符
[趙錢孫李] - 匹配趙錢孫李中的任意一個(gè)字符
[\d\s] - 匹配任意一個(gè)數(shù)字字符或空白字符

b.
[1-9] - 匹配1到9中的任意一個(gè)字符(字符編碼值遞增)
[a-z] - 匹配任意一個(gè)小寫字母
[A-Z] - 匹配任意一個(gè)大寫字母
[a-zA-Z] - 匹配任意一個(gè)字母
[a-zA-Z0-9_] / [A-Za-z\d_] - 匹配任意一個(gè)字母、數(shù)字或者_(dá)
[ \t\n] - 匹配任意一個(gè)空白字符
[\u4e00-\u9fa5] - 匹配任意一個(gè)中文字符

# 匹配一個(gè)長(zhǎng)度是4的字符串，第一個(gè)字符是1或者3或者7,后面是abc
re_str = r'[137]abc'
print(fullmatch(re_str, '7abc'))

re_str = r'[!-&]123'
print(fullmatch(re_str, '!123'))

re_str = r'[a-zA-Z0-9_]==='
print(fullmatch(re_str, 'a==='))

# print(fullmatch(r'[z-a]', 'a'))   # sre_constants.error: bad character range z-a at position 1

8) [^字符集] - 匹配不在字符集中的任意一個(gè)字符

[^abc] - 匹配任意一個(gè)不是a、b、c的字符
[^2-8] - 匹配任意一個(gè)不是2到8的字符
[^\u4e00-\u9fa5] - 匹配任意一個(gè)非中文的字符

re_str = r'[^2-8]abc'
print(fullmatch(re_str, '9abc'))

print('==================檢測(cè)符號(hào)===============')

所有的檢測(cè)符號(hào)都不會(huì)影響字符串的長(zhǎng)度

1)\b - 檢查是否是單詞邊界

"""
單詞邊界 - 能夠?qū)蓚€(gè)單詞隔開(kāi)并且不會(huì)產(chǎn)生歧義的任意符號(hào): 空白字符、標(biāo)點(diǎn)符號(hào)等、字符串開(kāi)頭和字符串結(jié)尾
匹配規(guī)則: 先去掉\b對(duì)字符串進(jìn)行匹配，如果匹配成功再檢查\b所在的位置是否是單詞邊界
"""

匹配一個(gè)字符串長(zhǎng)度是6，每個(gè)字符分別是abc123; 并且要求abc和123之間是單詞邊界

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

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

re_str = r'\b[\u4e00-\u9fa5][\u4e00-\u9fa5]\b'
print(search(r'\b\d\d\b', '畫(huà)撒86旦法 67 -===雙方都建行卡阿斯頓發(fā)'))

2) ^ - 檢查^所在的位置是否是字符串開(kāi)頭

注意: 這兒的^是[]外面的

re_str = r'^\d\d\d'
print(fullmatch(re_str, '345'))
print(search(re_str, '3457ajhjs789jkals728===sj234='))
print(findall(re_str, '789ajhjs789jkals728===sj234='))

3) $ - 檢查$所在的位置是否是字符串結(jié)尾

re_str = r'\d\d\d$'
print(fullmatch(re_str, '345'))
print(search(re_str, '3457ajhjs789jkals728===sj234=889'))
print(findall(re_str, '789ajhjs789jkals728===sj234=112'))

from re import *

print('===================匹配次數(shù)===================')

一、控制次數(shù)的符號(hào): 字符符號(hào)

1. * - 匹配0次或者多次 {0,}

123a* - 123后面a出現(xiàn)0次或者多次, 123,123a,123aa,123aaa,123aaaa,....
123\d* - 123后面出現(xiàn)0個(gè)或者多個(gè)任意數(shù)字字符, 123, 1230,12312,12384758475,...
123[mnxy9]* - 123, 123m, 123mn, 123mmn, 123myxy9, 12399999,...

re_str = r'abc0*123'
print(fullmatch(re_str, 'abc0000123'))

2. + - 匹配1次或多次 {1,}

123a+ - 123a, 123aa, 123aaa,...

re_str = r'123[a-z]+'
print(fullmatch(re_str, '123iyujh'))

3. ? - 匹配0次或1次 {0,1}

-?123 - 123/-123

re_str = '_?abc'
print(fullmatch(re_str, '_abc'))

4. {}

1. {N} - 匹配N次
   a{3} - 匹配三個(gè)a, aaa
   \d{3} - 匹配三個(gè)任意數(shù)字, 345, 344, 000, 101

2. {M,N} - 匹配M到N次(匹配至少M(fèi)次最多N次)

3. {M,} - 匹配至少M(fèi)次, 123a{3,}: 123aaa, 123aaaa,...

4. {,N} - 最多N次, 123a{,3}: 123, 123a, 123aa, 123aaa

# 匹配電話號(hào)碼
re_str = r'1[3-9]\d{9}'
# 匹配密碼: 要求是6~12位的數(shù)字或者字母
re_str = r'[a-zA-Z\d]{6,12}'
print(fullmatch(r'123a{2,4}', '123aaa'))

5. 貪婪和非貪婪

在匹配次數(shù)不確定的時(shí)候，會(huì)出現(xiàn)貪婪和非貪婪兩種情況；默認(rèn)情況都是貪婪。

1)什么是貪婪: 在能夠匹配成功的前提下，匹配次數(shù)盡可能多

2)什么是非貪婪: 在能夠匹配成功的前提下，匹配次數(shù)盡可能少; (在匹配次數(shù)后加?)
*?
+?
??
{M,N}?
{M,}?
{,N}?

re_str = r'a.+'
print(search(re_str, 'hsjsa==2-32'))
print(search(r'a\d{3,5}?', '你哈a34590876'))

re_str = r'a.+b'
print(search(re_str, 'a234b123b123'))    # 'a234b123b'
re_str = r'a.+?b'
print(search(re_str, 'a234b123b123'))    # 'a234b'

練習(xí): 獲取data文件中name對(duì)應(yīng)的值

with open('data', encoding='utf-8') as f:
    content = f.read()
    names = findall(r'"name":".+?"', content)
    print(names)

print('==========================分之==========================')

1. |

正則1|正則2 - 先讓正則1去匹配，如果匹配成功就成功；匹配失敗再讓正則2去匹配；
（正則1和正則2中只要有一個(gè)能匹配成功就行）

re_str = r'abc|123'
print(fullmatch(re_str, '123'))

re_str = r'\d{2,5}|[a-z]+123|[A-Z]'
print(fullmatch(re_str, 'H'))

print('=====================分組=================')

1. () - 將括號(hào)里面的內(nèi)容作為一個(gè)整體

1)整體操作
r'(\d\d|[A-Z]{2})abc' - 匹配一個(gè)字符串后面是abc,前面是兩個(gè)數(shù)字或者兩個(gè)大寫字母
r'([a-z]\d){3}' - a8n7j8

2)分組
a.分組截取: 方便后面分段或者分情況取不同匹配結(jié)果
b.分組重復(fù): 在正則中用\X來(lái)重復(fù)前面第X個(gè)分組匹配到的內(nèi)容
注意: \X的前面必須有這個(gè)分組

re_str = r'(\d{3})[a-z]{3}'
print(fullmatch(re_str, '344hsj'))
print(findall(re_str, '你還是345庫(kù)函數(shù)568ksjkk-==789hsjn==hjj--890==892lsk1'))

# 234hjk234, 112kls112
re_str = r'(\d{3})([a-z]{3})\2'
print(fullmatch(re_str, '234hjshjs'))

練習(xí)1：寫一個(gè)正則表達(dá)式匹配一個(gè)字符串: abc的前面是兩個(gè)數(shù)字或者兩個(gè)大寫字母

23abc, KJabc

方法一:

re_str = r'\d{2}abc|[A-Z]{2}abc'
re_str = r'(\d\d|[A-Z]{2})abc'

print('========================轉(zhuǎn)義符號(hào)===================')

1.加\

"""
在正則中有特殊功能和特殊意義的符號(hào)前加,讓這個(gè)符號(hào)的特殊功能和意義消失

re_str = r'\d{3}\.[a-z]{3}'
print(fullmatch(re_str, '234=hjs'))   # None

re_str = r'\^a\+\d{3}\\w'
print(fullmatch(re_str, '^a+344\w'))

2.加[]

在[]中有特殊意義的符號(hào): a.^放在最開(kāi)頭 b.-放在兩個(gè)字符之間
其他符號(hào)包括: .+?*$， 這個(gè)單獨(dú)的符號(hào)在[]中都表示這個(gè)符號(hào)本身

re_str = r'\d{3}[.][a-z]{3}'
print(fullmatch(re_str, '123=hjs'))

re_str = r'\d{3}[-a+^\]][a-z]{3}'
print(fullmatch(re_str, '123+hjs'))

from re import *

re模塊是python提供的，專門針對(duì)正則表達(dá)式應(yīng)用的相關(guān)函數(shù)

1.compile(正則表達(dá)式) -> 將正則表達(dá)式轉(zhuǎn)換成正則對(duì)象

re_obj = compile(r'\d{3}')

fullmatch(r'\d{3}', '347')
findall(r'\d{3}', 'asjhf238sdfjk2323')
re_obj.fullmatch('234')
re_obj.findall('asdhf2387sjfhak82334')

2.字符串匹配

fullmatch(正則表達(dá)式, 字符串) - 讓正則表達(dá)式和字符串完全匹配
match(正則表達(dá)式,字符串) - 匹配字符串開(kāi)頭

以上兩個(gè)方法的結(jié)果: 匹配失敗結(jié)果是None,匹配成功會(huì)返回匹配對(duì)象

re_str = r'\d{3}'
print(fullmatch(re_str, '783'))    # <_sre.SRE_Match object; span=(0, 3), match='783'>
print(match(re_str, '384課時(shí)費(fèi)s99fij==='))   # <_sre.SRE_Match object; span=(0, 3), match='384'>

1)匹配對(duì)象

result = match(r'(\d{3})=([a-z]{2})', '234=am按時(shí)發(fā)貨就阿斯頓發(fā)')
print(result)

a.獲取匹配到的字符串

匹配對(duì)象.group() - 獲取整個(gè)正則表達(dá)式匹配到的字符串, 結(jié)果是字符串
匹配對(duì)象.group(N) - 獲取整個(gè)正則表達(dá)式中第N個(gè)分組匹配到的字符串

print(result.group())
print(result.group(1))
print(result.group(2))

b.獲取匹配到的字符串在原字符串中的位置信息

匹配對(duì)象.span() -> 返回匹配結(jié)果在原字符串中的下標(biāo)范圍: [開(kāi)始下標(biāo), 結(jié)束下標(biāo))
匹配對(duì)象.span(N) -> 返回第N個(gè)分組匹配到的結(jié)果在原字符串中的范圍

print(result.span())
print(result.span(2))
start, end = result.span(1)
print(start, end)

c.獲取原字符串

匹配對(duì)象.string

print(result.string)

3.查找

"""
1)search(正則表達(dá)式,字符串) - 在字符串中查到第一個(gè)滿足正則表達(dá)式的子串, 如果找到了結(jié)果是匹配對(duì)象，找不到結(jié)果是None

2)findall(正則表達(dá)式，字符串) - 獲取字符串中所有滿足正則表達(dá)式的子串；返回值是一個(gè)列表
注意: 如果正則表達(dá)式中有分組，列表中的匹配結(jié)果只會(huì)去分組匹配到的內(nèi)容

3)finditer(正則表達(dá)式,字符串) - 獲取字符串中所有滿足正則表達(dá)式的子串；返回值是一個(gè)迭代器，元素是匹配對(duì)象

result = search(r'\d{3}', '是否234ash==347jshdf')
print(result)

result = findall(r'\d{3}[a-z]{2}', '是234hu士大夫345mmks89h-=數(shù)348kl幾十塊的')
print(result)   # ['234hu', '345mm', '348kl']

result = findall(r'(\d{3})[a-z]{2}', '是234hu士大夫345mmks89h-=數(shù)348kl幾十塊的')
print(result)   # ['234', '345', '348']

result = findall(r'(\d{3})([a-z]{2})', '是234hu士大夫345mmks89h-=數(shù)348kl幾十塊的')
print(result)    # [('234', 'hu'), ('345', 'mm'), ('348', 'kl')]

result = findall(r'(([A-Z]{2}|\+)\d{2})', 'SH34士大夫+34阿客戶方LL345==')
print(result)    # [('SH34', 'SH'), ('+34', '+'), ('LL34', 'LL')]


result = finditer(r'(\d{3})([a-z]{2})', '是234hu士大夫345mmks89h-=數(shù)348kl幾十塊的')
group = []
group1 = []
group2 = []
for x in result:
    group.append(x.group())
    group1.append(x.group(1))
    group2.append(x.group(2))

print(group)
print(group1)
print(group2)

4.切割

"""
split(正則表達(dá)式, 字符串) - 將字符串中滿足正則表達(dá)式的子串作為切割點(diǎn)對(duì)字符串進(jìn)行切割; 返回一個(gè)字符串列表

result = split(r'\d+', '愛(ài)好3ja89是電話費(fèi)899將括號(hào)看0===三等獎(jiǎng)9數(shù)據(jù)98=的')
print(result)

5.替換

"""
sub(正則表達(dá)式,字符串1,字符串2) - 將字符串2中所有滿足正則表達(dá)式的子串都替換成字符串1;返回一個(gè)字符串

message = '你丫是傻叉嗎? 我操你大爺?shù)? Fuck you.'
new_message = sub(r'[操肏艸草曹]|fuck|shit|傻[比屄逼叉缺吊屌]|煞筆', '*', message, flags=IGNORECASE)
print(new_message)