008---re正则模块

re正则模块

• 字符串的匹配规则
• 匹配模式
  • re.match()
  • re.search()
  • re.findall()
  • re.split()
  • re.sub()
• 元字符

print('--------------匹配单个字符与数字--------------')

r'''
.           匹配除换行符以外的任意字符
[0-9]       匹配数组字符集合，表示括号内任意一个字符
[jiangwei]  匹配括号内任意一个字符
[a-z]       匹配任意小写字母
[A-Z]       匹配任意大写字母
[0-9a-zA-Z_]匹配任意数字，字母和下划线
[^sunck]    匹配除了sunck以外的所以字母，^表示脱字符，表示不匹配集合中的字符
[^0-9]      匹配所有的非数字字符
\d          匹配数字，效果[0-9]
\D          匹配非数字字符，效果[^0-9]
\w          匹配数字，字母下划线，效果[0-9a-zA-Z_]
\W          匹配非数字，字母下划线，效果[^0-9a-zA-Z_]
\s          匹配任意的空白符(空格，换行，换页，制表)，效果[ \f\n\r\t]
\S          匹配任意的非空白符
'''
print(re.findall('\d','sunck is a22 go999od man111'))

print('--------------锚字符(边界字符)----------------')

'''
^       行首匹配，和[]里的不是一个意思
$       行尾匹配
\A      匹配字符串开始，它和^的区别是\A只匹配整个字符串的开头，即使在re.M模式下也不匹配到他行的行首
\Z      匹配字符串开始，它和$的区别是\A只匹配整个字符串的开头，即使在re.M模式下也不匹配到他行的行尾
\b      匹配一个单词的边界，也就是一个单词和空格间的位置
\B      匹配非单词边界
'''

print('-----------------匹配多个字符----------------')
'''
说明：下方的xyz均为假设的普通字符，n,m是非负整数，不是正则表达式的元字符
(xyz)       匹配小括号内的xyz(作为一个整体去匹配)
x?          匹配0个或者1个x
x*          匹配0个或者任意多个x(.*表示匹配0个或者任意多个字符，换行符除外)
x+          匹配至少一个x
x{n}        匹配确定个数的n个x(n是一个非负整数)
x{n,m}      匹配至少n个最多m个x
x|y         |表示或，匹配的是x  or  y
'''

print('-----------特殊----------')
'''
*?  +?  x?  最小匹配，通常都是尽可能多的匹配，可以使用这种带问号的解决贪婪匹配
(?:x)       类似(xyz),但不表示一个组
'''

• 三个常用方法

import re

'''
re.match()函数

功能：尝试从字符串的起始位置匹配，如果不是起始位置匹配成功，返回None
原型：match(patter,string,flags=0)
参数：pattern：匹配的正则表达式
     string：要匹配的字符串
     flags：标志位，用于控制正则表达式的匹配方式
re.I   忽略大小写
re.L   做本地户识别
re.M   多行匹配，影响`和$
re.S   是.匹配包括换行符在内的所有字符
re.U   根据unicode字符集解析字符，影响\w \W \b \B
re.X   使我们以更灵活的格式理解正则表达式

re.search()函数
功能：扫描整个字符串，并返回第一个成功的匹配
'''
# www.baidu.com
print(re.match('www','www.baidu.com'))
print(re.match('www','ww.baidu.com'))
print(re.match('www','wwW.baidu.com',re.I))
print(re.match('www','baidu.www.com'))

'''
re.search()函数
原型：match(patter,string,flags=0)
参数：pattern:匹配的正则表达式
     string:要匹配的字符串
     flags:标志位，用于控制正则表达式的匹配方式
功能：扫描整个字符串，并返回第一个匹配成功的

'''
print(re.search('sunck','good man is sunck!sunck is nice'))

'''
re.findall()函数
原型：match(patter,string,flags=0)
参数：pattern:匹配的正则表达式
     string:要匹配的字符串
     flags:标志位，用于控制正则表达式的匹配方式
功能：扫描整个字符串，并返回一个列表
'''
print(re.findall('sunck','good man is sunck!sunck is nice'))

• 其他方法

import re

'''
字符串切割
'''
str1="sunck      is a good man"
print(str1.split(" "))
print(re.split(r" +",str1))

'''
字符串的替换和修改：sub(pattern, repl, string, count=0, flags=0)、subn
参数：
    repl    指定用来替换的字符串
    string  目标字符串
    count   最多替换次数

功能：在目标字符串中，以正则表达式的规则，匹配字符串，再替换。
区别：前者返回一个，后者是被替换的次数被替换的字符串，后者返回一个元祖，前者是被替换的字符串。
'''
str3='sunck is a good good good man'
print(re.sub(r"(good)","nice",str3,count=2))    # type string
print(re.subn(r"(good)","nice",str3,count=2))   # type tuple

'''
分组
概念：除了简单的判断之外，正则表达式还有提取子串的功能。用()表示的就是就是提取分组
'''
str4='010-53247654'
m=re.match(r"((?P<first>\d{3})-(?P<last>\d{8}))",str4)
# 使用序号获取对应组的信息，group(0)表示原始字符串
print(m.group(0))
print(m.group(1))
print(m.group("first"))
print(m.group(3))
print(m.groups())

'''
编译：当我们使用正则表达式时，re模块会做两件事
1、编译正则表达式，如果正则表达式本身不合法，会报错
2、用编译后的正则表达式去匹配对象
'''

# 之前使用
pat=r"1(([3587])\d|(47))\d{8}$"
print(re.match(pat,"13006293101"))

# 编译成对象使用
re_telephon = re.compile(pat)
print(type(re_telephon))
print(re_telephon.match("13600000000"))