week03day04(正则表达式2)

一. 正则表达式

1. 匹配次数相关的正则符号

a. '+' 一次或多次(至少一次) ，控制+ 前面元素的次数，看下面事例

from re import fullmatch

'''
a+      至少一个a ,
\d+     至少一个数字字符

'''
result = fullmatch(r'1a+2','1aaaaaaaa2') #1和2中间至少要有一个a
print(result)

result = fullmatch(r'1\d+2','1454454545452') #1和2之间至少要有一个数字字符
print(result)

result = fullmatch(r'1[A-Z]+2','1DFER2')
print(result)

b. ' * ' 任意次数

result = fullmatch(r'1a*2','12') #和 + 唯一区别是， 可以一个元素都没有
print(result) # 1和2之间可以任意个a，可以没有a

c. ' ? ' --- 0次或者1次， 最多一次

result = fullmatch(r'1[\u4e00-\u9fa5]?2','1吗2') #1 和2之间0或1个中文字符
print(result)

d. { }

{ N } N次

{ M,N } M到N次

{M,}. 至少M次

{ ,N } 最次

result = fullmatch(r'1[3-9]\d{3}','13111') #\d任意数字字符只能三次
print(result)


result = fullmatch(r'1[3-9]\d{3,5}','1311111')#\d任意数字字符可以出现3次到5次（3，5也行）
print(result)


result = fullmatch(r'1[3-9]\d{3,}','13111') # 最少3次
print(result)

result = fullmatch(r'1[3-9]\d{,3}','1311') #最多三次，这里是两次
print(result) 

2. 贪婪和非贪婪

1.定义：

• 如果在正则表达式中有不确定的匹配次数，这个正则在匹配字符串的时候可以分为贪婪和非贪婪两种模式

2. 贪婪（默认）

定义：如果一个字符串和正则进行匹配的时候有多种情况可以匹配成功，贪婪取最多的那个次数进行匹配

3.非贪婪( +?, *?, ??, {M,N}?, {M,}?, {,N}? )

定义：如果一个字符串恶和正则进行匹配时有多种情况可以匹配成功，非贪婪取最少的那个次数进行匹配

result = match(r'a[a-z]+?b','amnbdfdfbdfdfdfbd')
print(result)

#这样只会选择amnb， +？ 是取最小的满足匹配规则的

3. match 和 fullmatch

match(正则表达式, 字符串) --- 匹配字符串开头

result = match(r'\d{3}','123的粉红色答复哈水电费哈水淀粉')
print(result)
#只匹配开头123，后面多少都可以


# 注意
result = match(r'a[a-z]+b','amnbdfdfbdfdfdfbd')
print(result)
#首先默认贪婪， 这里是a和b中间可以任意a-z字母， 但是后面这种有很多选择，amnb可以
#amnbdfdfb可以

4. 其他符号

1. 分组 （）

• a. 整体操作： 将正则表达式中的一部分内容用 () 括起来表示一个整体

result = fullmatch(r'(\d\d[a-z]{3}){3}','99qwe44ewq35oer')
print(result) 
#（ ）括号括起来的一部分是一个整体，两个数据+三个字母 重复三次



result = fullmatch(r'(\d[A-Z])+abc','2W8Jabc')
print(result)
# 这里是  任意数字和任意大写字母的一个组合，可以重复多次， 最后加上 abc 

• b. 重复 - 在正则表达式中可以用 \N 来重复 \N前面的第N个分组匹配到的内容

result = fullmatch(r'(\d{3})([A-Z]{2})=\2\1{3}','123AD=AD123123123')
print(result)


'''
 先任意数字字符三个，选择123
 然后任意一个大写字母，选择两个 AD
 再来一个 = 
 再\2 第二个分组也就是 选个字母 执行两次 ，再来一个AD
 再是\1{3} , 就是第一个分组， \d{3} 执行3次 ，也就是123 再写3次


'''

• c. 捕获 ：获取匹配结果的时候只获取正则表达式中某个分组匹配到的内容

1.自动捕获：findall 函数支持自动捕获（findall在获取匹配结果的时候自动获取分组匹配到的结果）

findall(正则表达式, 字符串) --- 获取字符串所有符合正则表达式所描述的规则子串

result = findall(r'\d{3}','123AD=AD1231dfer231ddd23')
print(result) #找三个连续数字字符
#['123', '123', '231']


# 提取  前面要有中文字符的连续三个数字
result = findall(r'[\u4e00-\u9fa5](\d{3})','的123AD=AD大方123dfer的f231ddd23')
print(result) # 将三个连续字符这个要求用 () 分组 框起来，就只获取分组中内容
#['123', '123']

2.手动捕获： fullmatch 、match、search、finditer的结果都支持手动捕获

• match

result = match(r'([\u4e00-\u9fa5])(\d{3})','的123AD=AD大方123dfer的f231ddd23')
print(result.group(1),result.group(2),result.group())

# 的 123 的123
'''
result.group() 是输出你所要求的部分， 这里就是汉字+三个数字。汉字是第一个分组（括号括起来的）
result.group(1) 是你要求的部分且用分组符号括起来的， 就是汉字
result.group(2)  第二部分，就是 三个连续数字 
'''

2. 分支 ' | '

• 语法： 正则1｜正则2 理解为 or ，先让正则1和字符串匹配，如果失败再用正则2和字符串进行匹配（两个正则中只要有一个匹配成功就成功）

result = fullmatch(r'\d{3}abc|[A-Z]{3}abc','QWEabc')
print(result) 
# 这是三个数字+abc 或 三个大写字母+abc都可



result = fullmatch(r'(\d{3}|[A-Z]{3})abc','123abc')
print(result)

# 用 分组（） 框起来的部分，+abc ， 分组中的 ｜ 前后满足其一即可，最后是abc

3. 转义字符 在有特殊意义的符号前面加 \ , 让其功能消失变成一个普通符号。 注意：单独存在有特殊意义（除了\d \s \w等）的符号放在[ ]里面他的功能也会消失，变成普通符号 （ '-' 号只能放在最前或最后面，其他地方要加 \- , ^ 也是）

result = fullmatch(r'\d\d\.\d\d','23.55')
print(result)
# 想让一个小数进行匹配， 因为 . 在正则中是匹配任意字符功能，加个 \ ,让其功能消失

result = fullmatch(r'\d\d[.]\d\d','23.45')
print(result)


result = fullmatch(r'\(\d{3}\)','(183)')
print(result)


# 放在[] 里 符号失去功能
result = fullmatch(r'[.+?*(){}]abc','{abc')
print(result)

4. 检测类符号 （先匹配，如果匹配成功再检测，检测类所在的位置是否符合要求）

• ^ - 检测是否是字符串开头（只能放在正则的开头）
• $ - 检测是否字符串结尾（只能放在结尾）
• \b - 检测是否是单词边界（凡事可将两个英文单词区分开的符号都是单词边界：空白、英文标点符号、字符串开头和结尾）
• \B - 检测是否不是单词边界（board）

result = fullmatch(r'\d{3}\s\babc','342 abc')
print(result)
#\s 在这是空格， \b 检测a前面是否是单词边界

5. re模块

1. fullmatch 、 match、 search

• fullmatch(正则表达式，字符串) --- 完全匹配（让整个字符串进行匹配），如果匹配成功返回匹配对象，失败返回None
• match(正则表达式，字符串) --- 匹配字符串开头，如果匹配成功返回匹配对象，失败返回None
• search(正则表达式，字符串) --- 匹配字符串中第一个满足正则的子串，如果匹配成功返回匹配对象，失败返回None

2.findall 、finditer

• 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，结果是个列表，列表内容是字符串（正则中如果有分组会自动捕获）

result = findall(r'\d{3}','是的343非454非地方934非地方地方ffdf343方法')
print(result)
#['343', '454', '934', '343']

• finditer(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，结果是一个是迭代器，迭代器中元素是匹配对象

result = finditer(r'\d{3}','是的343非454非地方934非地方地方ffdf343方法')
print(list(result))
'''
[<re.Match object; span=(2, 5), match='343'>,
 <re.Match object; span=(6, 9), match='454'>, 
<re.Match object; span=(12, 15), match='934'>,

'''

3. splite(正则表达式，字符串)

将字符串所有满足正则的子串作为切割点对字符串进行切割

• splite(正则表达式，字符串,N) 将字符串前N个满足正则的子串作为切割点对字符串进行切割

result = split(r'\d{3}','是的343非454非地方934非地方地方ffdf343方法')
print(result)


result = split(r'\d{3}','是的343非454非地方934非地方地方ffdf343方法',3)
print(result)

4.sub

• sub (正则表达式，字符串1，字符串2) 将字符串2中所有满足正则的子串都换成字符串1

• sub (正则表达式，字符串1，字符串2，N) 将字符串2中前N 个满足正则的子串都替换成字符串1

result = sub(r'\d{3}','+','是的343非454非地方934非地方地方ffdf343方法')
print(result)
# 把连续三个数字换成 +
#是的+非+非地方+非地方地方ffdf+方法


result = sub(r'\d{3}','+','是的343非454非地方934非地方地方ffdf343方法',2)
print(result)
# 只换前两个
#是的+非+非地方934非地方地方ffdf343方法

5.正则参数

a. 1. 忽略大小写 匹配的时候让同一个字母的大写和小写相同

r'(?i)正则表达式'

result = fullmatch(r'(?i)[a-z]\d{3}','R345')
print(result)

a. 2. 加参数 I (ignorecase) from re import I 也是忽略大小写

给正则函数 flags = I

result = fullmatch(r'[a-z]\d{3}','R345',flags= I)
print(result)

b. 单行匹配 (默认是多行匹配)

• 多行匹配时正则中的 ' . '不能和 \n 匹配， 单行匹配的时候正则中的 ' . ' 是可以和 \n 进行匹配的 ， 加一个(?s) s是single 单行匹配

result =  fullmatch(r'(?s)a.b','a\nb')
print(result)

• 或者给正则函数flags 赋值为S（re模块中的S）

result =  fullmatch(r'a.b','a\nb',flags=S)
print(result)

如何做到 又忽略大小写 又转为单行匹配

# 用(?si)
result =  fullmatch(r'(?si)a.b','A\nb')
print(result)


# flags 参数赋值  S | I
result =  fullmatch(r'a.b','A\nb',flags=S|I)
print(result)

# flags参数给s 成单行匹配， 在前面（？i）忽略大小写
result =  fullmatch(r'(?i)a.b','A\nb',flags=S)
print(result)