python语法基础-常用模块-re模块

###############     re模块   ################

正则表达式的规则：

# re模块
# 正则表达式，就是做字符串匹配的，在re模块出现之前就有这个正则表达式了，任何语言都有这个，
# 要使用Python来操作正则表达式，就要使用到re模块了，
# # 正则表达式只和字符串匹配有关系，和其他的数据类型没有关系，

# 应用非常的广泛，
# 比如手机号，
# 比如身份证号
# 比如邮箱，

# 实现手机号的格式验证：
# 不使用正则表达式，使用Python代码也是可以实现的
# while True:
#     phone_number = input('please input your phone number ： ')
#     if len(phone_number) == 11 \
#             and phone_number.isdigit()\
#             and (phone_number.startswith('13') \
#             or phone_number.startswith('14') \
#             or phone_number.startswith('15') \
#             or phone_number.startswith('18')):
#         print('是合法的手机号码')
#     else:
#         print('不是合法的手机号码')

# 使用正则表达式，会把这个过程变的非常的简洁
# 正则表达式在处理字符串匹配上有非常的优势
# import re
# phone_number = input('please input your phone number ： ')
# if re.match('^(13|14|15|18)[0-9]{9}$',phone_number):
#         print('是合法的手机号码')
# else:
#         print('不是合法的手机号码')

# 正则表达式的规则：
##################################################################
# 字符组：

# 字符组：[字符组]  一个字符串只能是表示一位
# 正则        待匹配   匹配结果
# [0123456789]   8       True
# [0123456789]   a       False  # 注意这种写法，一般不这么写，但是这么写是可以的，你要知道
# [0 - 9]        7       True   # 所以匹配所有的数字就是这么写
# [a-z]          s       True   # 匹配所有的小写字母
# [A-Z]          S       True   # 匹配所有的大写字母
# [0-9a-zA-Z]    e       True   # 匹配大小写字母和所有的数字，

##################################################################
# 元字符

# .     匹配除换行符以外的任意字符
# \w    匹配字母或数字或下划线，word的意思，
# \W    匹配非字母或数字或下划线
# \s    匹配任意的空白符，space的意思
# \S    匹配非空白符
# \d    匹配数字，digit的意思
# \D    匹配非数字
# 注意你把上面的两对放入一个字符组里面去，匹配的都是全局，[\w\W] [\s\S]，但是我们不这么用

# \n    匹配一个换行符，
# \t    匹配一个制表符，就是一个tab键，

# \b    匹配一个单词的结尾  # 这个不常用，

# ^        匹配字符串的开始
# $        匹配字符串的结尾
# ^[a-z]$  这就是表示只能有一个字符，并且是小写，
# 一个字符组只能匹配一个字符，

# a|b   匹配字符a或字符b    主要是记住这个 |  这是或的关系，

# ()    匹配括号内的表达式，也表示一个组
# [...] 匹配字符组中的字符
# [^...] 匹配除了字符组中字符的所有字符，前面加了^ 这是非的意思，

# -----------------------
# 你学了上面的写着字符组和元字符，那么你所有的单个字符都可以匹配了，
# 但是匹配一个手机号你还是不行，
# [\d\d\d\d\d\d\d\d\d\]   不能是这样，

####################################################################
# 量词

# 用法说明
# *    重复零次或更多次，\d*不管有多少的数字都能匹配上，这种叫做贪婪匹配，但是遇到一个非数字就停止了，
# +    重复一次或更多次，\d+这种也是贪婪的，但是不能是零次
# ?    重复零次或一次，\d?，
# {n}    重复n次，，这种可以指定重复次数，
# {n,}    重复n次或更多次
# {n,m}    重复n到m次
# 所有的量词都要匹配到元字符的后面，而且要紧贴着

# 举例：
# 海盐海草海梅
# 怎么把所有的匹配出来：海.    记住这个点还是代表的一个字符，
# 怎么只匹配到第一个：^海.

# 举例：
# 李杰和李莲英和李二棍子
# 怎么把所有的人名都匹配出来：
# 各种错误匹配解析：
# 第一种：李.  不行
# 第二种：李.?  ？号只能匹配李后面0个或1个字符，贪婪匹配，就是1个，
# 第三种：李.*   匹配li后面的0个或多个字符，贪婪匹配，后面越多越好，
# 第四种：李.+   匹配li后面的1个或多个字符，贪婪匹配，后面越多越好，
# 第五种：李.{1,2}  {1,2}匹配1到2次任意字符，会匹配到三个，这种也是贪婪匹配，所以以2为主
# 第六种：李.{1,2}?   # 这种加一个问号就是一个非贪婪匹配了，也叫做惰性匹配，
#             所以注意了，问好有两个用法了，
# 第七种：李.*? 这种加了问号变成非贪婪匹配，就变成了，以0个了为基准了，惰性匹配，

# 正确的匹配，
# 第一种：李[^和]*，这种是可以的
# 第二种：李[杰莲英二棍子]*

##################################################################
# 分组：
# 使用()
# 上面我们看到如果想要使用量词，只能约束和他紧邻的一个字符组，如果我想要约束多个怎么办
# 就是使用括号把多个字符放入一个括号，这就是分组，然后约束就是约束这个组了，

# 身份证号码:
# 是一个长度为15或18个字符的字符串，
# 如果是15位则全部是数字组成，首位不能为0；
# 如果是18位，则前17位全部是数字，末位可能是数字或x，

# 第一种： ^[1-9]\d{13,16}[0-9x]$
# 分析这种是^[1-9]，是首位不能为0；\d{13,16} 是约束中间的，[0-9x]$末位可能是数字或x，
# 但是有问题，就是这个\d{13,16} ，这个弹性太大，只能是15,18，不能是16，17位的
# 而且即使15位也是可以x结尾，这是不行的，

# 第二种：^[1-9]\d{14}(\d{2}[0-9x])?$
# 分析：^[1-9]，\d{14}，(\d{2}[0-9x])?$
# 关键是第三部分，最后一个分组，要么都匹配上，要么就是没有，很巧妙
# 这就是一个成功的了

# 第三种：^([1-9]\d{16}[0-9x]|[1-9]\d{14})$
# 分析：[1-9]\d{16}[0-9x]    [1-9]\d{14}
# 这种很巧妙，就是封成了1组，但是中间是或，就是写了两种，#
# 一定注意把长的规则放到前面，不能把短的规则放到前面，，
# 这也是一个成功的，

####################################################################
# 转义符
# 如果就是想要匹配\d怎么办？
# 就需要转译，\\d，这种就是转义了，
# 如果我想要匹配: \\d 怎么办，就要使用\\\\d，每一个反斜杠都要 转义，

# 很麻烦，怎么办？
# r'\\n'    r'\n'   在字符串之前加r，让整个字符串不转义

#####################################################################
# 贪婪匹配，一直往后匹配
# 加问号是惰性匹配，
# *? 重复任意次，但尽可能少重复
# +? 重复1次或更多次，但尽可能少重复
# ?? 重复0次或1次，但尽可能少重复
# {n,m}? 重复n到m次，但尽可能少重复
# {n,}? 重复n次以上，但尽可能少重复

# .*?的用法
# . 是任意字符
# * 是取 0 至 无限长度
# ? 是非贪婪模式。
# 何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：.*?x
# 就是取前面任意长度的字符，直到一个x出现

#######################################################################
# 上面就是正则的规则了，学会了这些就够你使用的了
# 需要灵活使用这些，这个规则是不会改变的，

re模块的用法：

# re模块
import re

#############################################
# ret = re.findall("[a-z]+","abc aaa an")
# print(ret)  # ['abc', 'aaa', 'an']，这是放到列表中，
# # [a-z]+这就是第一个是a-z，后面是匹配任意的1到多次，

############################################
# ret = re.search("[a-z]+","abc aaa an").group()
# print(ret)  # ['abc', 'aaa', 'an']，这是放到列表中，
# 这个search是找到一个就返回，而且一定要使用group才会出结果，
# 如果结果找不到就会报错，报错是因为结果是none所以调用group会报错的，

# 一般是这么用的
# # ret = re.search("[a-z]+","abc aaa an")
# ret = re.search("t","abc aaa an")
# if ret:
#     ret = ret.group()
#     print(ret)
# else:
#     print("找不到")

##############################################
# match是从头匹配，如果匹配上就会返回一个变量，然后使用group显示，
# 匹配不上，就是none使用group会报错，
# 同search,不过尽在字符串开始处进行匹配
# ret = re.match("aaa","abc aaa an")
# if ret:
#     ret = ret.group()
#     print(ret)
# else:
#     print("找不到")

#####################################################
# ret = re.split("[ab]","abcd")
# print(ret)  # ['', '', 'cd']
# 为什么是这个结果，因为是按照a和b分割，先按照a，然后按照b
# 这个不太常用

###################################################
# ret = re.sub("\d","H","eefeflef4fefe4",1)
# print(ret)
# 这个方法是替换，把第一个参数替换成为第二个参数，文本就是第三个，替换次数就是第四个参数，不写的还就是全部替换，

###################################################
# ret = re.subn("\d","H","eefeflef4fefe4",1)
# print(ret)  # ('eefeflefHfefe4', 1)
# 这个方法不只是把替换的结果返回来，还会把替换的次数给你返回回来，

###################################################
# 如果你想要把一个正则规则反复使用，或者这个规则非常长的时候可以使用一个方法

# obj = re.compile("\d{3}")  # 可以反复使用这个正则，
# ret = obj.search("abc123afdfadsf")
# print(ret.group())
# ret = obj.search("abcafdfadsf456")
# print(ret.group())

#####################################################
# 如果返回的结果非常的多，可以使用迭代器，
# import re
# ret = re.finditer('\d', 'ds3sy4784a')   # finditer返回一个存放匹配结果的迭代器
# print(ret)  # <callable_iterator object at 0x10195f940>
# print(next(ret).group())  # 查看第一个结果
# print(next(ret).group())  # 查看第二个结果
# print([i.group() for i in ret])  # 查看剩余的所有结果

########################################################

# ret = re.search("^[1-9]\d{14}(\d{2}[0-9x])?$","370883199908181818")
# print(ret.group())
# print(ret.group(1))  # 这是取值第一个分组，现在就是只有一个分组，818
# 如果你就知道为什么要使用group了，

########################################################

# import re
#
# ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
# print(ret)  # ['oldboy']     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
#
# ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
# print(ret)  # ['www.oldboy.com']
# # 这是问号的第三个用法了，

##############################################
ret=re.split("\d+","eva3egon4yuan")
print(ret)  # 结果 ： ['eva', 'egon', 'yuan']

ret=re.split("(\d+)","eva3egon4yuan")
print(ret)  # 结果 ： ['eva', '3', 'egon', '4', 'yuan']
# 在匹配部分加上（）之后所切出的结果是不同的，
# 没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项，
# 这个在某些需要保留匹配部分的使用过程是非常重要的。
# 这个还是非常的有用的，

############################################

例题：

# 字符串a = "not 404 found 张三 99 深圳"，每个词中间是空格，用正则过滤掉英文和数字，最终输出"张三 深圳"
a = "not 404 found 张三 99 深圳"
list1 = a.split(" ")
print(list1)  # ['not', '404', 'found', '张三', '99', '深圳']
import re
ret = re.findall("\d+|[a-zA-Z]+",a)
for i in ret:
    if i in list1:
        list1.remove(i)
print(list1)  # ['张三', '深圳']
new_str = " ".join(list1)
print(new_str)  # 张三 深圳

###########################################

###########################################