正則表示式

正則表示式的作用：

在實際開發過程中經常會有查詢符合某些複雜規則的字串的需要，比如:郵箱、圖片地址、手機號碼等，這時候想匹配或者查詢符合某些規則的字串就可以使用正則表示式了。

正則表示式概念

正則表示式就是記錄文字規則的程式碼

正則表示式的特點

正則表示式的語法很令人頭疼，可讀性差
正則表示式通用行很強，能夠適用於很多程式語言

re模組的使用過程

在Python中需要通過正則表示式對字串進行匹配的時候，可以使用一個模組，名字為re

    # 匯入re模組
    import re

    # 使用match方法進行匹配操作
 

    result = re.match(正則表示式,要匹配的字串)

    # 如果上一步匹配到資料的話，可以使用group方法來提取資料
    result.group()

注意：re.match() 根據正則表示式從頭開始匹配字串資料

開始進入正題

匹配單個字元

# . 匹配任意1個字元（除了\n）
# [ ]   匹配[ ]中列舉的字元[ab456c][a-z]
# \d    匹配數字，即0-9
# \D    匹配非數字，即不是數字
# \s    匹配空白，即 空格，tab鍵\t,\n
# \S    匹配非空白
# \w    匹配單詞字元，即a-z、A-Z、0-9、_,國家的文字
# \W    匹配非單詞字元

# 匹配任意一個數字
# 使用\d
# 判斷使用者是否輸入的是速度與激情繫列
import re

# print(re.match("速度與激情\d", "速度與激情2"
 
).group())
# print(re.match("速度與激情\d", "速度與激情0").group())
# print(re.match("速度與激情\d", "速度與激情9").group())
# print(re.match("速度與激情\d", "速度與激情a").group())




# 使用[]
# 格式1:[單個值,...]
# 判斷使用者只想看1,4,8的速度與激情

# print(re.match("速度與激情[148]", "速度與激情1").group())
# print(re.match("速度與激情[148]", "速度與激情4").group())
# print(re.match("速度與激情[148]", "速度與激情8").group())
# print(re.match("速度與激情[148]", "速度與激情9").group())



# 格式2:[範圍,...]
# 判斷使用者只看1到8的速度與激情
# print(re.match("速度與激情[12345678]", "速度與激情1").group())
# print(re.match("速度與激情[12345678]", "速度與激情8").group())
# print(re.match("速度與激情[1-8]", "速度與激情2").group())
# print(re.match("速度與激情[1-8]", "速度與激情8").group())
# # print(re.match("速度與激情[1-8]", "速度與激情9").group())




# 格式3:[數字字元]
# 判斷使用者輸入的速度與激情1到8或者速度與激情a-h
#
# print(re.match("速度與激情[1-8]", "速度與激情8").group())
# print(re.match("速度與激情[a-h]", "速度與激情a").group())
# print(re.match("速度與激情[a-h]", "速度與激情h").group())
# print(re.match("速度與激情[a-h]", "速度與激情e").group())
# print(re.match("速度與激情[1-8a-h]", "速度與激情a").group())
# print(re.match("速度與激情[1-8a-h]", "速度與激情8").group())



# 使用\w 即a-z、A-Z、0-9、_這個範圍太廣,不要輕易用,漢字也可以匹配,其他的國家的語言也可以匹配
# 匹配的單詞字元
# 判斷使用者輸入包含速度與激情
# print(re.match("速度與激情\w", "速度與激情8").group())
# print(re.match("速度與激情\w", "速度與激情a").group())
# print(re.match("速度與激情\w", "速度與激情z").group())
# print(re.match("速度與激情\w", "速度與激情A").group())
# print(re.match("速度與激情\w", "速度與激情Z").group())
# print(re.match("速度與激情\w", "速度與激情_").group())
# print(re.match("速度與激情\w", "速度與激情好").group())
# print(re.match("速度與激情\w", "速度與激情あなたのことが好きです").group())
#


# 使用\s
# --匹配空白字元
# --空格 或者 tab(\t),\n換行
# --判斷使用者速度與激情 8
# print(re.match("速度與激情\s8", "速度與激情 8").group())
# print(re.match("速度與激情\s8", "速度與激情\t8").group())
# print(re.match("速度與激情\s8", "速度與激情\n8").group())
#

# --大寫是所有小寫的非*******

# .匹配任意1個字元（除了\n）
#   --匹配任意的字元
#   --判斷包含速度與激情字串的
# print(re.match("速度與激情.", "速度與激情\tadf").group())
# print(re.match("速度與激情.", "速度與激情\nadf").group())

匹配多個字元的相關格式

# -- 匹配的規則
# 字元        功能
# *     匹配前一個字元出現0次或者無限次，即可有可無
# +     匹配前一個字元出現1次或者無限次，即至少有1次
# ?     匹配前一個字元出現1次或者0次，即要麼有1次，要麼沒有
# {m}       匹配前一個字元出現m次  \d{3}
# {m,n} 匹配前一個字元出現從m到n次  \d{4,6}

# 使用  型別{}
# 用來表示一個字元出現多少次
# 匹配速度與激情1,速度與激情12
import re

# print(re.match("速度與激情\d", "速度與激情1").group())
# print(re.match("速度與激情\d\d", "速度與激情12").group())
# print(re.match("速度與激情\d{1,2}", "速度與激情12").group())
# print(re.match("速度與激情\d{1,2}", "速度與激情1").group())


# 匹配手機號11位

# print(re.match("\d{11}", "12345678901").group())

# 判斷電話號碼是否021 - 開頭的後面8位電話號碼
# 例: 021 - 12345678
# 判斷電話號

# print(re.match("021-\d{8}", "021-12345678").group())


# 使用?
# 用來表示有一個字元或者沒有字元
# 使用者輸入的電話號碼有時有'-'有時沒有
# 例:02112345678 或者  021-12345678

# print(re.match("021\d{8}", "02112345678").group())
# print(re.match("021-\d{8}", "021-12345678").group())
# print(re.match("021-?\d{8}", "021-12345678").group())
# print(re.match("021-?\d{8}", "02112345678").group())
#
#



# 有些地方是三位電話號碼開頭,有些是四位電話號碼開頭
# 0571-8123456
# 021-12345678

# print(re.match("\d{3,4}-?\d{7,8}", "0571-8123456").group())
# print(re.match("\d{3,4}-?\d{7,8}", "021-12345678").group())

# *
# 表示0或者無限次
# 匹配一段文字或者沒有輸入文字

str = """今天天氣不錯
我們可以出去運動一下!

"""

# print(re.match(".*", str).group())
print(re.match(".*", str, re.S).group())  # re.S這個就是跟.*配合在一起讓我們的真正的所有的都能匹配

# +
# 表示至少一次,不能為空
print(re.match(".*", "").group())
print(re.match(".+", " ").group())

匹配開頭和結尾的正則表示式

# [^字元]這個是固定的一個語法,這個意思就是非
# 場景[email protected] [email protected],我們想取到第一個郵箱
# 如果寫字串有可能會有錯,他會去匹配一個字串出錯
import re

str = "hello@163.com hello@163.com"
print(re.match(".{4,20}@163\.com", str).group())

print(re.match("[^@]+@163\.com", str).group())

# [^字元]字元  非字元

print(re.match("[^bc]", "bc"))

匹配分組相關正則表示式

# | 相當於python中的or
#   案例:匹配出163或者126的郵箱
import re

str = "[email protected]"

# print(re.match(".{4,20}@(163|126)\.com", str).group())

# ()還可以單獨取出匹配的某一部分資料
#   案例:取出郵箱的型別(只要163,126),後期可以編計使用者那個郵箱用的多

# print(re.match(".{4,20}@(163|126)\.com", str).group(0))
# print(re.match("(.{4,20})@(163|126)\.com", str).group(1))
# print(re.match("(.{4,20})@(163|126)\.com", str).group(2))
# print(re.match("(.{4,20})@((163|126)\.com)", str).group(2))



# \num用來取第幾組用()包裹的資料  \1取第一個內部的括號位置的值
# 格式(xxx)\1 :\1表示獲取(xxx)的值
# 案例<html>hh</html>  # 這個一定是有字母,開始跟結束的字母必須一樣

# str_data = "<html>hh</html> "
# print(re.match("<([a-zA-Z]+)>.*</\\1>", str_data).group())



# 案例<html><body>hh</body></html>
str_data = "<html><body>hh</body></html>"
# print(re.match("<([a-zA-Z]+)><([a-zA-Z]+)>.*</\\2></\\1>", str_data).group())


# 使用別名給分組取別名,瞭解一下
# 格式:(?P<別名>xxx)(?P=別名)
# 案例<html><body>hh</body></html>
# 提示問題沒錯
print(re.match("<(?P<name1>[a-zA-Z]+)><(?P<name2>[a-zA-Z]+)>.*</(?P=name2)></(?P=name1)>", str_data).group())

注意：(分組資料)：分組數是從左到右的方式進行分配的

正則的高階用法

# 查詢結果
#   search 不會從頭開始匹配,只要匹配到資料就結束
#   案例:匹配出文章閱讀的次數中的次數
#   資料:"閱讀次數為 9999"

import re

# print(re.search("\d+", "閱讀次數為 9999").group())



# 查詢結果集
# findall
# 案例: 統計出python、c、c + +相應文章閱讀的次數
# 資料: "python = 9999, c = 7890, c++ = 12345"

# print(re.findall("\d+", "python = 9999, c = 7890, c++ = 12345"))



# 字串切割
# split
# 切割字串“info:xiaoZhang 33 shandong”, 根據:或者空格
# print(re.split(":|\s", "info:xiaoZhang 33 shandong"))


# 替換資料
# sub
# 案例: 將匹配到的閱讀次數換成998
# 資料: "python = 997"

# re.sub("替換的匹配","想替換成的內容","被替換的內容")

str_data = "python = 10000"


# 生成一個新的字元
# new_data = re.sub("\d+", "998", str_data)
#
# print(new_data)
# print(str_data)

# 通過函式來修改值

def change_value(match):
    # 通過匹配的物件拿到對應的值
    value = match.group()
    # 值加1
    count_str = int(value) + 1

    return str(count_str)  # 必須返回字串


print(re.sub("\d+", change_value, str_data))

python貪婪和非貪婪

Python裡數量詞預設是貪婪的（在少數語言裡也可能是預設非貪婪），總是嘗試匹配儘可能多的字元；非貪婪則相反，總是嘗試匹配儘可能少的字元。

r 的作用

• Python中字串前面加上 r 表示原生字串，資料裡面的反斜槓不需要進行轉義，針對的只是反斜槓

• Python裡的原生字串很好地解決了這個問題，有了原生字串，你再也不用擔心是不是漏寫了反斜槓，寫出來的表示式也更直觀。

>>> mm = "c:\\a\\b\\c"
>>> mm
'c:\\a\\b\\c'
>>> print(mm)
c:\a\b\c
>>> re.match("c:\\\\",mm).group()
'c:\\'
>>> ret = re.match("c:\\\\",mm).group()
>>> print(ret)
c:\
>>> ret = re.match("c:\\\\a",mm).group()
>>> print(ret)
c:\a
>>> ret = re.match(r"c:\\a",mm).group()
>>> print(ret)
c:\a
>>> ret = re.match(r"c:\a",mm).group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>>

建議: 如果使用使用正則表示式匹配資料可以都加上r，要注意r針對的只是反斜槓起作用，不需要對其進行轉義

>>> ret = re.match(r"c:\\a",mm).group()
>>> print(ret)
c:\a