正则two

正则之代表边界

^表示以什么开头

$表示以什么结尾

（|）表示或者

小练习：匹配邮箱

import re
email = '1234@qq.com'
# email = 'abcd123@163.com'
# email = 'abcd123哈哈哈@163.com'
result = re.match(r'^\w{4,11}@(?:163|126|qq)\.com$',email)
#(?:163|126|qq)表示不捕获分组里面的值，后面会讲解
print(result)

###这个表达式上面的都可以匹配到

其中的一个运行结果

\b表示匹配单词边界

import re
result = re.match(r'\w+ll\b','hell')
print(result)

单词边界必须是l，运行的结果是

import re
result = re.match(r'\w+ll\b','hell0')
print(result)

结果

因为不是以l结尾的，所以匹配不上，如果想要匹配上，看如下代码

import re
result = re.match(r'\w+ll\b','hell 0')
print(result)

原因：中间有空格，在hell中l是结尾字母，所以符合条件，能匹配上

如果想要匹配整个带有空格的单词，空格也得能够匹配上，像下面这种匹配不上空格的

import re
result = re.match(r'\w+\bll\b','he ll 0')
print(result)

运行结果就是none，因为\w匹配的h,+表示1次或者无数次，所以匹配上的是he，但是e后面的空格没人匹配。如果想要匹配上，就得把空格也匹配了

import re
result = re.match(r'.+\bll\b','he ll 0')
print(result)

因为.表示匹配除了\n的任意字符，+表示1或者无数，所以就可以匹配到he和后面的空格。
注意如果规则前面不加r的话，也匹配不上，因为\b还代表的回车键。需要加上r，消除它的意义。另外，除了单词之外，还有数字也可以

import re
result = re.match(r'.+\b123\b','he 123 0')
print(result)

\B表示匹配非单词边界

import re
result = re.match(r'.+\Bll\B','hell0')

print(result)

e不是单词得边界，l也不是单词的边界，所以可以匹配上

代表分组

|任意一个正则表达式

(ab)将括号作为一个分组

\num 引用分组索引(用法见小练习)

小练习：匹配一个前端成对的标签

#匹配一个成对的标签
import re
s = '<h1>哈哈哈</h1>'
result = re.match(r'<(\w+)>.+</(\1)>',s)
#(\w+)这个表示分组
#(\1)表示这个里面的规则和第一个分组里面的一样
print(result)

如果想取分组里面的值，就需要下面的知识点了

分组可以通过group(index)取到分组里面的内容，index可以是索引，也可以是别名

index表示下标，用法：

#匹配一个成对的标签
import re
s = '<h1>哈哈哈</h1>'
result = re.match(r'<(\w+)>.+</(\1)>',s)
#利用\num来用到分组的匹配
print(result.group(0))
print(result.group(1))
print(result.group(2))

结果

?:表示不取分组里面的值

#匹配一个成对的标签
import re
s = '<h1>哈哈哈</h1>'
result = re.match(r'<(\w+)>.+</(?:\1)>',s)
print(result.group(0))
print(result.group(1))
# print(result.group(2))

?:只能加到第二个分组里面，加到第一个里面会出错，因为第一个分组里面的值都取不到，第二个分组也自然取不到了

（？P< name >）分组别名

如果想要匹配嵌套标签

import re
s = '<h1><li>哈哈哈</li></h1>'
result = re.match(r'<(\w+)><(\w+)>.+</(\2)></(\1)>',s)
print(result)

这样是可以匹配成功的，但是如果标签嵌套很多的话，这样容易迷糊，如果可以给他们起个名字，可能会更好一些，也就是（？P< name>）分组别名,联合下面的知识点一起使用

(?P=name) 引用分组别名

别名的小练习

import re
s = '<h1><li>哈哈哈</li></h1>'
result = re.match(r'<(?P<g1>\w+)><(?P<g2>\w+)>.+</(?P=g2)></(?P=g1)>',s)
print(result)
#<(?P<g1>\w+)>给<h1>起的别名
#</(?P=g1)>引用</h1>的别名

注意P是大写

贪婪模式和非贪婪模式

import re
s = 'liuhhhhh'
result = re.match(r'liuh+',s)
print(result)

把所有满足的都匹配上，就叫做贪婪模式
注意一点+虽然表示一位或者无数，但是如果它跟在h后面，那么只能匹配h，别的不匹配

解决贪婪模式用？

import re
s = 'liuhhhhh'
result = re.match(r'liuh+?',s)
#表示只要匹配一个h就可以了
print(result)

再比如

我只想匹配一对div标签，但是由于贪婪模式就全部匹配上了
要想解决，加？告诉他只要一个div就可以

import re
s = '<div>11</div><div>222</div>'
#我只想匹配<div>11</div>
result = re.match(r'<div>.*?</div>',s)
print(result)

正则默认的就是贪婪模式，？可以解决
再比如一个很明显的例子

出现这个的原因是因为贪婪模式，\w可以匹配数字汉字，+表示1或者无数，就会一直匹配到96，而\d+最少一位就可以，所以最后\d+只能匹配到0，后面的3也是一样的
如果，想匹配到数字，就得关闭前面的贪婪模式，让\d贪婪

#只想要960 13这两个数字
import re
s = '中国有960万平方公里，有13亿人口'
result = re.match(r'\w+?(\d+).*?(\d+).*',s)
print(result.group(1))
print(result.group(2))

这样就可以了

**如果我们只是为了获取这两个数字，可以用下面的知识点，更方便一点
**

search和find all

import re
s = '中国有960万平方公里，有13亿人口'
result = re.search(r'\d+',s)
print(result)

search只返回一个，从左到右开始匹配，匹配到了就返回

import re
s = '中国有960万平方公里，有13亿人口'
result = re.findall(r'\d+',s)
print(result)

findall可以取到所有的数字，而且它返回的是一个列表

sub（替换）和split（分割）

split分割

#以20分割
import re
s = '我今年20岁，身高160'
result = re.split(r'\d+',s,1)
#最后一个参数表示分割的次数
print(result)

sub替换

#以20替换成21
import re
s = '我今年20岁，身高160'
result = re.sub('\d+' , '21',s,1)
#第二个表示要替换后的值
#最后一个参数表示替换一次
print(result)

其中的第二个参数还可以传函数，灵活性强一些

#不管传的年龄是多少，最后都要加1
import re
s = '我今年19岁，身高165'
def add(matched):
    age = int(matched.group(1))
    #这是通过索引取的
    #如果规则有别名的话，也可以通过别名来取
    age += 1
    return str(age)
result = re.sub(r'(\d+)',add,s,1)
print(result)

通过别名取的话

#不管传的年龄是多少，最后都要加1
import re
s = '我今年19岁，身高165'
def add(matched):
    age = int(matched.group('a'))
    age += 1
    return str(age)
result = re.sub(r'(?P<a>\d+)',add,s,1)
print(result)

运行结果也是一样的

标志位

re.I忽略大小写

import re
s = 'abc'
result = re.match('A',s,re.I)
#大写的i
print(result)

re.S匹配换行

#匹配换行
import re
s = '''abc123
456cde
'''
result = re.match('abc.*456.+',s,re.S)
print(result)

换行符可以匹配出来