第七章 Python系统模块 06-正则模块

正则模块

1. 正则的介绍

正则表达式，并不是Python独有的，而是一套独立的、自成体系的知识点。在很多语言中，都有对正则的使用。

正则表达式是用来做字符串的校验、匹配的工作的，其实正则表达式只有一个作用：验证一个字符串是否与指定的规则匹配。

但是，在很多的语言中，都在匹配的基础上，添加了其他的功能。

"""
需求：验证一个字符串，是否是一个合法的QQ号码
    1、一个QQ号码由6到12位的数字组成，不能包含其他部分
    2、一个QQ号码不能以数字0作为开头
"""


def check_qq_number(number):
    s = str(number)
    # 验证长度
    if not 6 <= len(s) <= 12:
        return False
    # 验证纯数字
    if not s.isdigit():
        return False
    # 验证不以0开头
    if s.startswith('0'):
        return False
    return True


def check_qq_number_with_re(number):
    return re.compile('[1-9]\\d{5,11}').fullmatch(number) is not None


print(check_qq_number_with_re('012345678'))

2. 常用元字符

元字符	意义
^	匹配一个字符串的开头。 在fullmatch的正则匹配中，可以省略不写。
$	匹配一个字符串的结尾。 在fullmatch的正则匹配中，可以省略不写。
[]	匹配一位字符。 [abc]: 表示这一位的字符， 可以是a、也可以是b、也可以是c 。 [a-z]: 表示这一位的字符， 可以是 [a, z] 范围内的任意的字符。 [a-zABC]: 表示这一位的字符， 可以是 [a,z ] 范围内的任意字符， 或者A、或者B、或者C 。 [a-zA-Z]: 表示这一位的字符， 可以是任意的字母， 包括大写字母和小写字母。 [^abc]: 表示这一位的字符， 可以是除了 a、b、c 之外的任意字符。
\	转义字符。
\d	匹配所有的数字， 等同于 [0-9] 。
\D	匹配所有的非数字， 等同于 [^0-9] 。
\w	匹配所有的单词字符， 等同于 [a-zA-Z0-9_] 。
\W	匹配所有的非单词字符， 等同于 [^a-zA-Z0-9_] 。
.	通配符， 可以匹配一个任意的字符。
+	前面的一位或者一组字符， 连续出现了一次或多次。
?	前面的一位或者一组字符， 连续出现了一次或零次。
*	前面的一位或者一组字符， 连续出现了零次、一次或多次。
{}	对前面的一位或者一组字符出现次数的精准匹配。 {m} : 表示前面的一位或者一组字符连续出现了m次。 {m,} ： 表示前面的一位或者一组字符连续出现了至少m次。 {m,n} : 表示前面的一位或者一组字符连续出现了至少m次，最多n次。
|	作用于整体或者是一个分组， 表示匹配的内容， 可以是任意的一个部分。 abc|123|opq : 表示整体的部分， 可以是 abc， 也可以是 123, 也可以是 opq
（）	分组。 把某些连续的字符视为一个整体对待。

3. Python的正则基本处理

Python中的正则表达式基本使用
pattern_obj = re.compile(正则语法规则, 匹配的标记格式)

涉及到的几个类
re.Pattern: 正则表达式对象，用来描述正则表达式
re.Match: 匹配结果对象，用来描述正则匹配的结果，包含匹配的位置和匹配的内容
.group(): 获取到匹配的内容
.group(N): 获取匹配到的第N组的内容
.group(group_name): 获取匹配到的指定组名的内容
.span(): 获取到匹配的位置

常用方法

pattern_obj.match('字符串')      从前往后查找匹配项，找到了就返回匹配的部分（Match对象），找不到返回None
pattern_obj.fullmatch('字符串')  用指定的正则语法规则，匹配整个的字符串，能够匹配就返回匹配部分（Match对象），匹配不到就返回None
pattern_obj.search('字符串')     在指定的字符串中查找满足规则的子串，返回第一个匹配部分（Match对象），找不到就返回None
pattern_obj.findall('字符串')    在指定的字符串中查找所有满足规则的子串，返回一个列表
pattern_obj.finditer('字符串')   在指定的字符串中查找所有的匹配项，返回迭代器（迭代Match对象）
pattern_obj.split('字符串')      将一个字符串使用指定的正则切割
pattern_obj.sub(替换函数，字符串，替换数量)        将匹配到的每一个部分，使用指定函数处理，并替换掉原有的内容

re包简化

在re包的_init_.py文件中定义了若干个函数，用来简化上述方法的使用。

re.match('正则表达式', '字符串')
re.match('正则表达式', '字符串')      
re.fullmatch('正则表达式', '字符串')  
re.search('正则表达式', '字符串')     
re.findall('正则表达式', '字符串')    
re.finditer('正则表达式', '字符串')   
re.split('正则表达式', '字符串')      
re.sub('正则表达式', '替换函数'，'字符串'，'替换数量') 

匹配标记格式
re.I 忽略大小写的匹配
re.M 多行匹配，会影响到^和$
re.S 使.可以匹配包括换行符在内的所有字符

4. 示例代码

import re


"""
1、基础元字符匹配
"""
res1 = re.fullmatch('<div>.+</div>', '<div><p>hello</p></div>')
if res1 is not None:
    print(res1.group(), res1.span())


"""
2、分组的匹配
"""
res2 = re.fullmatch('(\\w{6,16})@(?P<company_name>126|163|qq|gmail|yahoo)\\.com', 'test_youxiang@163.com')
if res2 is not None:
    print(res2.groups())                # 获取到所有分组
    print(res2.group(1))                # 按照序号获取分组
    print(res2.group('company_name'))   # 按照名字获取分组


"""
3、按照正则切割
"""
res3 = re.split('\\d+', 'hello123world4python456mysql')
print(res3)     # ['hello', 'world', 'python', 'mysql']


"""
4、按照正则替换
"""
res4 = re.sub('\\d+', ', ', 'tom123jerry33lilei45lucy')
print(res4)     # tom, jerry, lilei, lucy