python day6 装饰器补充，正则表达式

python day 6

2019/10/09

学习资料来自老男孩教育

目录

• python day 6
  • 1. 装饰器decorator
  • 2. 正则表达式re
    • 2.1 正则表达式概述
    • 2.2 re模块常用方法

1. 装饰器decorator

一旦挂上装饰器，函数就会变成装饰器的inner函数。

1.1. 接收任意个参数的装饰器。

def outter(func):
    def inner(*args,**kwargs):
        print(123)
        ret = func(*args,**kwargs)
        print(456)
        return ret
    return inner

@outter
def hello(name):
    print('hello %s' % name)
hello('lanxing')

1.2. 多个装饰器装饰同一个参数

def outter1(func):
    def inner(*args,**kwargs):
        print(123)
        ret = func(*args,**kwargs)
        print(456)
        return ret
    return inner

def outter2(func):
    def inner(*args,**kwargs):
        print(123)
        ret = func(*args,**kwargs)
        print(456)
        return ret
    return inner

@outter1
@outter2
def hello(name):
    print('hello %s' % name)

hello('lanxing')

2. 正则表达式re

2.1 正则表达式概述

在开发中会有大量的字符串处理工作，其中经常会涉及到字符串格式的校验。

例如：如何判断一个字符串是不是手机号（检测用户填写）

17611105750

11位；数字组成不能包含其他字符；1开头；第二位是3,4,5,7,8

如何将以上规则描述出来，让计算机可以识别，就是正则表达式要完成的工作。

正则表达式是一个特殊的字符序列：用来描述某个规则。

正则表达式的大致匹配过程是：依次拿出表达式（规则）和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。

它能帮助你方便的检查一个字符串是否与某种模式匹配，也叫正规表示法、规则表达式、常规表示法。。。等等。常简写为RE。

英语：Regular Expression 这里的regular指‘规则’

Regular Expression 即 “描述某种规则的表达式”。

正则表达式并不是Python的一部分。

正则表达式是用于处理字符串的工具，拥有自己独特的语法以及一个独立的处理引擎，在提供了正则表达式的语言里，正则表达式的语法都是一样的。

（不同的编程语言支持的语法数量不同）

Python中需要通过正则表达式对字符串进⾏匹配的时候， 使⽤re模块。

re 模块是Python当中提供的正则表达式工具包，使Python语言拥有全部的正则表达式功能。

2.2 re模块常用方法

• match(匹配)：

使用match方法进行匹配操作：

re.match 尝试从字符串的起始位置匹配一个模式

re.match(正则表达式,要匹配的字符串):

1. match方法的第一个参数接收的是描述某个规则的字符串.
2. 第二个参数是要进行校验的值.
3. 从左向右开始匹配.

re.match()是用来进行匹配检查的方法，若正则表达式与字符串规则匹配，则返回匹配对象（Match Object），否则返回None.

匹配对象Match Object具有一个group方法，用来返回字符串中匹配的部分.

（如果匹配到数据的话， 可以使⽤group⽅法来提取匹配到的数据）.

import re
line = 'qwertyuiop'    #不具备通用性
s = "qwertyuiopl"
print(re.match(line, s).group())

import re
line = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('Hello\s\d\d\d\s\d{4}\s\w{10}', line)
print(result)
print(result.group())

• 表示字符

字符	功能	备注
.	点号表示匹配任意一个字符
[]	匹配中括号[]里面的一个字符
\d	表示0-9之间的数字，包括0与9	相当于[0-9]
\D	表示除了0-9的字符，即\d的取反	相当于[^0-9]
\w	匹配单词字符，即0-9,a-z,A-Z以及下划线_	相当于[0-9a-zA-Z_]
\W	匹配非单词字符	相当于[^0-9a-zA-Z_]
\s	匹配空白符，即空格键，tab键\t,换行\n
\S	匹配非空白符

正则表达式⾥使⽤“\”作为转义字符（\d）。

由于正则表达式使用反斜杠来转义特殊字符，而python自身处理字符串时，反斜杠也是用于转义字符，这样就产生了一个双重转换的问题。

假如你需要匹配⽂本中的字符""， 那么使⽤正则表达式⾥将需要4个反斜杠"\"： 前两个和后两个分别⽤于在编程语⾔⾥转义成反斜杠， 转换成两个反斜杠后再在正则表达式⾥转义成⼀个反斜杠。

Python中字符串前⾯加上 r 表示原⽣字符串（真实字符串）

原⽣字符串很好地解决了上面的这个问题， 有了原始字符串， 你再也不⽤担⼼是不是漏写了反斜杠。

'r'是防止字符转义的 如果路径中出现'\t'的话 不加r的话\t就会被转义 而加了'r'之后'\t'就能保留原有的样子。

所以以后凡是使用正则表达式，就先加上r。

ret = re.match(r"c:\\a", "c:\\a\\b\\c" )

ret.group()

从字符串输入到代码转义一次，又在生成正则表达式的时候再转义一次，于是就需要多打反斜杠。用r""可以抵消掉第一次转义.

r只抵消第一次转义：python正则表达式加了r之后\w,\s,.这些有含义的字符仍然有效.

• 表示数量

字符	功能
*	匹配前一个字符0次或多次，即可有可无,\d*表示匹配0个或多个数字
+	匹配前一个字符1次或多次，即至少一次
?	匹配前一个字符1次或0次，即要么有1次，或者0次
{m}	匹配前一个字符m次
{m,}	匹配前一个字符至少m次或无限次
{m,n}	匹配前一个字符从m次到n次，可以替代*+?

• 表示边界

字符	功能
^	匹配字符串开头，(必须以某个条件开头)
$	匹配字符串结尾
\b	匹配单词边界，需要加r
\B	匹配非单词边界

print(re.match('^The', 'The end').group())
匹配以The开头的字符串

print(re.match('\w*\send$', 'The end').group())
匹配必须以end结尾
print(re.match(‘\w*\send$’, ‘The endd’).group()) #出错

`re.match(r".*\bver\b", "ho ver abc").group()`
`re.match(r".*\bver\b", "ho verabc").group()`
`re.match(r".*\bver\b", "hover abc").group()`
\b匹配的位置：前面和后面的字符不全是\w匹配成功，反过来理解，如果\b的前面和后面都是\w，则不匹配

匹配大陆手机号
re.match("^1[34578]\d{9}$", "17611105750")

• 匹配分组

字符	功能
|	匹配左右任意一个表达式(左或右)
(ab)	将括号中字符作为一个分组
\num	引用分组num匹配到的字符串
(?P<name>)	分组起别名
(?P=name)	引用别名为name分组匹配到的字符串

# 匹配1-100之间的数字：
ret = re.match(‘[1-9]\d?$|0$|100$',“8")
print(ret.group())

ret = re.match('[1-9]?\d$|100$','8')

分组就是用一对圆括号“()”括起来的正则表达式，匹配出的内容就表示一个分组。

从正则表达式的左边开始看，看到的第一个左括号“(”表示第一个分组，第二个表示第二个分组，依次类推，需要注意的是，有一个隐含的全局分组（0），就是整个正则表达式。

分完组以后，要想获得某个分组的内容，直接使用group(num)和groups()函数提取

ret = re.match("\w{4,20}@163\.com", "test@163.com")
ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@126.com")
ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@qq.com")
ret = re.match("([^-]*)-(\d+)","010-12345678")
ret.group()
#'010-12345678'
ret.group(1)
#'010'
ret.group(2)
#'12345678'
ret.groups()

ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<html><h1>www.sxt.cn</h1></html>")
ret.group()

ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", "<html><h1>www.sxt.cn</h2></html>")
ret.group()

ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.sxt.cn</h1></html>")
ret.group()

ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.sxt.cn</h2></html>")
ret.group()
# 注意： (?P<name>) 和 (?P=name) 中的字⺟p⼤写

• re模块的其他函数

1. match: re.match(pattern,string,flags=0),从头开始匹配，匹配成功返回一个匹配对象，该匹配对象有group，start,end,span,groups等方法，用于返回匹配内容，匹配不成功则返回None,不成功时，没有group方法。flags是编译标志位，用于修改正则表达式的匹配方式，如：是否匹配大小写，是否多行匹配等。
   
   flags的实参有以下几种：
   
   1.1. re.I 使匹配对大小写不敏感。
   
   1.2. re.L 做本地化识别(locale-aware)匹配.
   
   1.3. re.M 多行匹配，影响^和$.
   
   1.4. re.S 使.匹配包括换行在内的所有字符
   
   1.5. re.U 根据Unicode字符集解析字符，影响\w,\W,\b,\B
   
   1.6. re.X 该标志通过给予你更灵活的格式以便你将正则表达式写得更灵活。
   
   匹配成功返回的对象的方法有以下几种：
   
   1.7. group(n=0) 不传参数，默认是0，返回re整体匹配的字符串,可以一次输入多个组号，对应组的组号。
   
   1.8. group(n,m) 返回组号为n,m所匹配的字符串，如果组号不存在，会报错。
   
   1.9. groups() 返回一个元组，元组中元素是正则表达式中每个小组匹配到的字符串。通常groups不加参数。
   
   1.10. start() 返回匹配开始的位置。
   
   1.11. end() 返回匹配结束的位置。
   
   1.12. span() 返回一个元组包含匹配(开始，结束)的位置。
   
   re.match('com','comww.runcomoob').group()

re.match('com','Comww.runcomoob',re.I).group()
2. search re.search(pattern,string,flags=0)搜索符合特征的第一个字符串,匹配成功返回一个匹配对象，该匹配对象有group，start,end,span,groups等方法，用于返回匹配内容，匹配不成功则返回None,不成功时，没有group方法：
   
   ret = re.search(r"\d+", "阅读次数为 9999")

ret.group()
3. findall 找出所有符合特征的字符串,并返回一个列表，不需要用group方法即可返回列表,finall优先返回组里面的内容，如果要取消，则在组前面加上?:;如果pattern有超过1个分组，则列表的元素是一个包含所有分组匹配内容的元组：
   
   In [32]: re.findall(r'(\d{0,4})','xyz024abc123')

Out[32]: ['', '', '', '024', '', '', '', '123', '']

In [33]: re.findall(r'(\d{0,4})(\w{0,3})(\d)','xyz024abc123')

Out[33]: [('', 'xyz', '0'), ('24', 'abc', '1'), ('2', '', '3')]
4. sub re.sub(pattern,repl,string,max=0)将匹配到的数据进⾏替换，返回替换后的字符串,max指最大替换多少次，默认0是全部替换。：
   
   ret = re.sub(r"\d+", '998', "python = 997")

ret = re.sub(r'g.t','have','I get apple, I got orange, I gut banana.',2)
5. split:re.split(pattern,string),根据匹配进⾏切割字符串，并返回⼀个列表：
   
   ret = re.split(r":| ","info:xiaoZhang 33 shandong")

p = re.compile('\d')

In [38]: p.split('one1two2three3four4')

Out[38]: ['one', 'two', 'three', 'four', '']
6. compile: re.compile(strPattern[,flag]) 如果要多次调用规则，则使用compile方法，先将规则编译好。
   
   regex = re.compile(r'\w*oo\w*'),regex.findall('helloo, good')
7. finditer(pattern,string),返回的是包含匹配对象的迭代器。如果要获得匹配内容，得遍历迭代器得到匹配对象，再调用匹配对象的group方法。
   
   re.finditer(r'\d+','12drum44ers druming,11,drun12,13,14')

• 贪婪和非贪婪

Python⾥正则表达式数量词（ "*","?","+","{m,n}" ）默认是贪婪的， 总是尝试匹配尽可能多的字符：

s = "number is 123456789"
ret = re.match(r"(.+)(\d)",s)
print(ret.group(1))

⾮贪婪则相反， 总是尝试匹配尽可能少的字符:

在"*","?","+","{m,n}"后⾯加上？ ， 使贪婪变成⾮贪婪.

result = re.match(r"aa(\d+)","aa2343ddd").group(1)

'2343'

result = re.match(r"aa(\d+?)","aa2343ddd").group(1)

'2'

贪婪和非贪婪的到的结果也有可能是一样的

result = re.match(r"aa(\d+)ddd","aa2343ddd").group(1)

'2343'

result = re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)

'2343'

作业：

import re
# 1. 判断字符串是否是全部小写
s1 = 'qwerty123A'
result1 = re.match('^[a-z]*$',s1)
if result1:
    print(result1.group())
else:
    print('不是全部小写，无法匹配')

# 2. 匹配由数字/26个英文字母组成的字符串
p2= '[0-9a-zA-Z]*'
s2 ='1323abcABC_xyz'
result2 = re.match(p2,s2)
print(result2.group())

# 3. 匹配长度为8-10的用户密码(以字母开头/数字/下划线)
p3 = '^[a-zA-Z]\w{7,9}$'
s3 = 'abc1323_xy'
result3 = re.match(p3,s3)
print(result3.group())

# 4. 电子邮箱验证
p4 = r'\w{4,20}@(163|126|qq)\.com'
s4 = '3768094lan@163.com'
result4 = re.match(p4,s4)
if result4:
    print(result4.group())

# 5. 简单的身份证号验证
p5 = r'[1-6]\d{5}(18|19|20)\d{2}(0[1-9]|1[012])(0[1-9]|[12]\d|3[01])\d{3}(\d$|X$)'
s5 = '36078219880631032X'

result5 = re.match(p5,s5)
if result5:
    print(result5.group())
else:
    print('不是身份证号码')

# 6. 提取并捕获html标签内容
p6 = r'<(?P<html>\w*)><(?P<h1>\w*)>(.*)</(?P=h1)></(?P=html)>'
s6 = '<html><h1>我爱你</h1></html>'
result6 = re.match(p6,s6)
if result6:
    print(result6.group(3))
else:
    print('不正确')