20181206（re，正则表达式，哈希）

1、re&正则表达式

2、hashlib

一：re模块&正则表达式

正则：正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式得到的是一个列表。

import re
\w 匹配字母数字下划线：
res = re.findall('alex','hahhaha alex is alex is dsb')  #逐字匹配，一旦匹配成功就会完整跳过匹配上的字符串。例如在abcabcabca中，能够寻找到的abca为括号中的内容（abca）bc（abca）
print(res)
输出结果:
['alex', 'alex']
print(re.findall('\w','Aa12  _+-'))
输出结果:
['A', 'a', '1', '2', '_']
print(re.findall('\w\w','Aa12  _+-'))   #得到两个连续的列表\数字\下划线
输出结果：
['Aa', '12']
print(re.findall('\w9\w','Aa912  s9_+-'))  #得到三个连续的列表\数字\下划线，其中中间的字符必须是9
输出结果：
['a91', 's9_']

print(re.findall('^alex','alex id alex'))   #^表示近从头开始匹配
print(re.findall('^alex',' alex id alex'))  #此处开头有空格
输出结果：
['alex']
[]
​
​
print(re.findall('alex$',' alex id alex'))  #$表示从文件末尾开始寻找，末尾没有就返回空列表
输出结果：
['alex']

​
. 代表一个字符，该字符可以是除换行符之外的任意字符
print(re.findall('a.c','a a1c aaac a c jkdsajfkd')) #得到三个字符，首尾是ac，中间是除换行符之外的任意字符
输出结果['a1c', 'aac', 'a c']
​
print(re.findall('a.c','a a1c aaac a c jkda\ncd')) #\n表示换行符
输出结果为：
['a1c', 'aac', 'a c']
print(re.findall('a.c','a a1c aaac a c jkda\ncd',re.DOTALL)) #re.DOTALL表示.可以代表所有的字符，包括换行符（\n当成一个字符来处理）
输出结果为：
['a1c', 'aac', 'a c', 'a\nc']
​
[]代表匹配一个字符，这一个字符可以自定义范围。# [a,]表示a或者，！！！
print(re.findall('a[0-9]c','a a1d a2ca aaa a\nc',re.DOTALL))  #获得一个首尾两端为ac且中间为0~9中的一个数字的字符串列表。[0-9]中的横杠表示从哪到哪的意思，表示的是一个范围。
输出结果为：
['a2c']
print(re.findall('a[a-zA-Z]c','a aac a2ca aAc a\nc',re.DOTALL)) #获得一个首尾为ac的，中间是从a到z或从A到Z的字符串列表
输出结果为：
['aac', 'aAc']
print(re.findall('a[ac]c','a aac a2ca aAc a\nc',re.DOTALL)) #获得一个首尾为ac，中间为a或者c的字符串列表
输出结果为：
['aac']
​
如下例子会报错！因为当横杠在中间时表示的是范围！
print(re.findall('a[+-#/]c','a+c a-c a/c a*c a3c a\nc',re.DOTALL))
解决方法是改为[-+#/][+#/-][+\-#/] 将横杠改为中括号内的首尾，或者加上转义符反斜杠
print(re.findall('a[+\-#/]c','a+c a-c a/c a*c a3c a\nc',re.DOTALL))
修改后的输出结果为：
['a+c', 'a-c', 'a/c']
​
        
重复匹配： ？*+｛n,m｝均不能单独使用，左侧必须有字符。   
        
？代表左边那一个字符出现0次到1次
print(re.findall('ab?','a ab abb abbb a123b a123bbb'))
输出结果：
['a', 'ab', 'ab', 'ab', 'a', 'a']
​
*代表左边那一个字符出现0次到无穷次
print(re.findall('ab*','a ab abb abbb a123b a123bbb'))
输出结果:
['a', 'ab', 'abb', 'abbb', 'a', 'a']
​
+代表左边的那一个字符出现1次到无穷次
print(re.findall('ab+','a ab abb abbb a123b a123bbb'))
输出结果：
['ab', 'abb', 'abbb']
​
｛n,m｝代表左边那一个字符出现n次到m次
print(re.findall('ab{1,3}','a ab abb abbb a123b a123bbb'))
print(re.findall('ab{1，}','a ab abb abbb a123b a123bbb')) #等同ab+
print(re.findall('ab{0,}','a ab abb abbb a123b a123bbb'))  #等同ab*
print(re.findall('ab{3}','a ab abb abbb a123b a123bbb'))  #指定出现3次
输出结果为：
['ab', 'abb', 'abbb']
['ab', 'abb', 'abbb']
['a', 'ab', 'abb', 'abbb', 'a', 'a']
['abbb']
​
[^]取反：
print(re.findall('a[^0-9]c','a a1d a2ca aac a\nc',re.DOTALL))  #表示获得一个长度为3，首尾是ac，中间不是数字的字符串列表
输出结果为：
['aac', 'a\nc']
​
.* 匹配任意0到无穷个字符，贪婪匹配，不常用。
print(re.findall('a.*c','a345ca34tcsf'))
输出结果：
['a345ca34tc']  #取到最远的c
​
.*？匹配任意0个到无穷个字符，非贪婪匹配，常用。
print(re.findall('a.*?c','a31c34atcsf'))  #表示碰到首尾是ac的就取出，就近原则。可能会输出过个结果。
输出结果为：
['a31c', 'atc']
​
|代表或者，连接两个正则表达式。
print(re.findall('company|companies','Too many companies have gone bankrupt, and the next one is my company')) #寻找company或companies
输出结果为：
['companies', 'company']        
        
​
()分组
print(re.findall('compan(y|ies)','Too many companies have gone bankrupt, and the next one is my company'))  #匹配成功后只输出括号内的字符
输出结果为：        
['ies', 'y']        
        
print(re.findall('compan(?:y|ies)','Too many companies have gone bankrupt, and the next one is my company')) #findall的结果不是匹配的全部内容，而是组内的内容。?:可以让结果为匹配的全部内容。
输出结果：
['companies', 'company']
​

小综合应用，寻找视频链接地址：

print(re.findall('href="(.*?)"','<p>动感视频</p><a href="https://www.douniwan.com/1.mp4">逗你玩呢</a><a href="https://www.xxx.com/2.mp4">葫芦娃</a>'))
输出结果为：
['https://www.douniwan.com/1.mp4', 'https://www.xxx.com/2.mp4']
​
'href="(.*?)"' 查找：href="(.*?)"类似的内容，匹配成功后只输出括号内的内容。

\转义相关：

python本身没有正则表达式，是识别语法后交给cpython解释器去执行正则表达式。

print(re.findall('a\\\\c','a\c aac'))  #\是转义符，第一个转义第二个，第三个转移第四个，交给解释器为'a\\c'，解释器语法识别转义，第一个转义第二个，就是'a\c'了
print(re.findall(r'a\\c','a\c aac'))  #r原生输入，解释器拿到的就是a\\c了
输出结果为：
['a\\c']  #没办法，只能这么显示，第一个转义第二个\，实际应理解为'a\c'
['a\\c']

re.I 忽略大小写

print(re.findall('alex','my name is alex Alex is sb alex Alex',re.I))
输出结果：
['alex', 'Alex', 'alex', 'Alex']

re.M

msg="""
my name is egon
sfaf egon
sdf23 egon
"""
print(re.findall('egon$',msg,))  #只从后面找第一个，msg内容看作是一行的内容 
输出结果为：
['egon']
​
​
msg="""
my name is egon
sfaf egon
sdf23 egon
"""
print(re.findall('egon$',msg,re.M))  #识别换行符，找到每一个line最后的字符
输出结果为：
['egon', 'egon', 'egon']

re模块的其他方法：

re.search方法：找到一次就不找了，如果找不到就返回None。
​
print(re.search('href="(.*?)"','<p>动感视频</p><a href="https://www.douniwan.com/1.mp4">逗你玩呢</a><a href="https://www.xxx.com/2.mp4">葫芦娃</a>'))
输出结果为：
<_sre.SRE_Match object; span=(14, 51), match='href="https://www.douniwan.com/1.mp4"'>  #match内容是完整内容，而不是组内内容！
如果没找到，输出结果为:
None
​
res=re.findall('(href)="(.*?)"','<p>动感视频</p><a href="https://www.douniwan.com/1.mp4">逗你玩呢</a><a href="https://www.xxx.com/2.mp4">葫芦娃</a>')
print(res)
输出结果：  #组内内容全部输出，无法指定。
[('href', 'https://www.douniwan.com/1.mp4'), ('href', 'https://www.xxx.com/2.mp4')]
​
​
re.serch.group()功能可以指定输出组内的内容。
res=re.search('(href)="(.*?)"','<p>动感视频</p><a href="https://www.douniwan.com/1.mp4">逗你玩呢</a><a href="https://www.xxx.com/2.mp4">葫芦娃</a>')   #注意匹配项里的两个元组
print(res)
print(res.group(0))  #不传参或者参数为0表示匹配内容完整输出
print(res.group(1))  #输出匹配内容的第一处元组内容
print(res.group(2))  #输出匹配内容的第二处元组内容，如果传的参数大于实际元组数 ，则会报错
输出结果为：
href="https://www.douniwan.com/1.mp4"
href
https://www.douniwan.com/1.mp4

re.match()等同于re.search(^)
​
print(re.findall('alex','alex is alex is alex'))
print(re.search('alex','is alex is alex'))
print(re.search('^alex','is alex is alex'))
print(re.match('alex','alex is alex is alex'))
输出结果为：
['alex', 'alex', 'alex']  #findall查找所有
<_sre.SRE_Match object; span=(3, 7), match='alex'>  #查找到一个就结束
None   #只从头开始找，如果首字符没有匹配就返回None
<_sre.SRE_Match object; span=(0, 4), match='alex'>  #只从头开始找，如果首字符没有匹配就返回None，等同于re.search(^)

re.compile方法
pattern=re.compile('alex')  #目标字符
print(pattern.findall('alex is alex is alex'))
print(pattern.search('alex is alex is alex'))
print(pattern.match('alex is alex is alex'))
输出结果为：
['alex', 'alex', 'alex']
<_sre.SRE_Match object; span=(0, 4), match='alex'>
<_sre.SRE_Match object; span=(0, 4), match='alex'>

练习

计算器作业

msg="1-2*(60+(-40.35/5)-(-4*3))"
print(re.findall('\D?(\-?\d+\.?\d*)',msg))
输出结果：
['1', '2', '60', '-40.35', '5', '-4', '3']

二、hashlib模块

hashlib下面有许多算法，hash本身也是一种算法。

用途：对数据进行校验
hash：是一种算法，该算法接收一系列的数据，运算得到返回值
返回值是hash值
三大特性：
"""
1、只要传入的内容一样，那么得到的hash值就一定是一样的
2、只要采用hash算法固定，无论传入的内容多大，hash值的长度是固定的
3、hash值不可逆，即不可能通过hash值逆推出内容
​
1+2=》文件完整性校验
3==》加密传输的数据
"""

import hashlib
​
m=hashlib.md5()   #此处采用md5哈希算法
m.update('你好'.encode('utf-8'))  #按照utf8格式编码。
m.update('hello'.encode('utf-8'))
print(m.hexdigest())
输出结果为：
65c83c71cb3b2e2882f99358430679c3
​
也可以写成：
m=hashlib.md5()   #此处采用md5哈希算法
m.update('你好hello'.encode('utf-8'))  #按照utf8格式编码。
print(m.hexdigest())
输出结果为：
65c83c71cb3b2e2882f99358430679c3  #哈希值与上例中相同。
​
​
​
m1=hashlib.md5(b'hello') #也可以直接输入英文，前面用b表示是Bytes类型。
print(m1.hexdigest())