re模块

RE模块

import re
#re模块
#正则主要功能就是做模糊匹配，主要是对字符串进行操作
'''
就其本质而言，正则表达式（或 RE）是一种小型的、高度专业化的编程语言，
（在Python中）它内嵌在Python中，并通过 re 模块实现。
正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。
'''


#字符匹配（普通字符，元字符）：
#1 普通字符：大多数字符和字母都会和自身匹配
#print(re.findall('an','yuanaleSxalexwupeiqi'))
#执行结果：['an']
#2 元字符：. ^ $ * + ? { } [ ] | ( ) \
'''

元字符说明：
.     通配符：可代表任意字符；除去'\n'
^     以什么开头
$     以什么结尾
*     重复符号（0=<*<∞）；注意：0次也是匹配到了，所以可以没有，也算匹配到了
+     重复符号（1=<*<∞）；注意：必须有1次匹配到了，才算匹配成功，必须有一个
？    重复符号（0,1）；注意：只有
{}    重复符号（指定，指定）；可指定任意
      {5} ：该符号必须出现5次
      {0，} ：相当于*
      {1，} ：相当于+
      {0,1} ：相当于？
      {2,5} ：相当于（2=<X<=5）数量，都取出来
[]    字符集 或 至少有一个 []中放的是匹配项；注意在字符集中元字符只当普通字符，没有意义！
      除去:1、- 什么至什么 如：[a-z] 2、 ^ 非 除了啥的 3、 \ 转义符
|     或 左|右 左有和右有都可以被匹配到
()    分组；分组中的优先级高
      去掉优先级(?:<name>)固定格式   name为分组名称
\     转义符；把有意义的转换为没有意义的(如：\r\n\t)，把没有意义的转换成有意义的(如：下面)
      \d  匹配任何十进制数；它相当于类 [0-9]。
      \D 匹配任何非数字字符；它相当于类 [^0-9]。
      \s  匹配任何空白字符；它相当于类 [ \t\n\r\f\v]。
      \S 匹配任何非空白字符；它相当于类 [^ \t\n\r\f\v]。
      \w 匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
      \W 匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]
      \b  匹配一个特殊字符边界，比如空格 ，&，＃等
      \有一个坑，re将字符转义，python也会将字符转义，同时都支持\转义，后面有解释
注意：*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配
'''
a = 'qwertyuiopaaasdfghjklll zhaozhaokuo zhaooxcvbnmmm'
# .
print(re.findall('z..o',a))
#执行结果：['zhao', 'zhao', 'zhao']
print(re.findall('zhao.',a)) #句柄在zhaoa后边，下次开始找就在hao。。。。开始找，所以找到俩
#执行结果：['zhaoz', 'zhaox']

# ^
print(re.findall('^z..o',a)) #只找开头是不是符合z..o整体的信息，符合返回字符，不符返回空
#执行结果：[]

# $
print(re.findall('mm$',a)) #只看结尾是不是符合mm整体的信息，符合返回字符，不符返回空
#执行结果：['mm']

# *
print(re.findall('ao*',a)) #（0=<*<∞） 过程（把o*看做一个整体，o可以是0次，也可是任意次）没匹配到也是匹配到了，返回'',匹配到了返回一到多个
#执行结果：['a', 'a', 'a', 'ao', 'ao', 'aoo']

# +
print(re.findall('ao+',a)) #（1=<*<∞） o:必须有一个，一到多
#执行结果：['ao', 'ao', 'aoo']

# ？
print(re.findall('ao?',a))     #o:0个或1个
#执行结果：['a', 'a', 'a', 'ao', 'ao', 'ao']

# {}
print(re.findall('o{2}',a))     #o:必须有2个
#执行结果：['oo']
print(re.findall('o{1,5}',a))   #o：可以把 1到5的o都取出来
#执行结果：['o', 'o', 'o', 'o', 'oo']

#贪婪匹配
print(re.findall('qa*','qaaaaaaabbbbbb'))
#执行结果：['qaaaaaaa']
#惰性匹配
print(re.findall('qa*?','qaaaaaaabbbbbb'))
#执行结果：['q']
#贪婪匹配与惰性匹配转换，只多了个'？'

#[]
print(re.findall('a[x,y]','axayuubxbyxuua,uu'))
# 或 拿着a去匹配[x,y]存在的字符，特殊说明[]中没有特殊字符，所以x ，y 是三个字符！在字符中找符合的项
#执行结果：['ax', 'ay', 'a,']
print(re.findall('www[baidu a]','wwwbaidu wwwb wwwa wwwi www '))
#执行结果：['wwwb', 'wwwb', 'wwwa', 'wwwi', 'www ']
print(re.findall('q[a*z]','qaqbqcq*qz'))   #特殊说明[]中没有特殊字符，除去 - ^ \
#执行结果：['qa', 'q*', 'qz']
print(re.findall('q[a-z]','qaqbqcq*qz'))    #特殊说明[]中没有特殊字符，除去 - ^ \
#执行结果:['qa', 'qb', 'qc', 'qz']
print(re.findall('q[^a-z]','qaqbqcq*qz'))   # ^ 除去a-z的任意字符
#执行结果:['q*']
print(re.findall('q[a-z]*','qaqbqcq*qzzzzzz'))  #混合用一下
#执行结果:['qaqbqcq', 'qzzzzzz']

#计算器 小提示：
print(re.findall('\([^()]*\)','12+(36*5+2-5*(2-1))'))  #取到最内层的括号的信息
#执行结果：['(2-1)']

# \
print(re.findall('\d','12+(36*5+2-5*(2-1))'))   #\d: 匹配任何十进制数；它相当于类 [0-9]。
#执行结果：['1', '2', '3', '6', '5', '2', '5', '2', '1']
print(re.findall('\d+','12+(36*5+2-5*(2-1))'))   #\d
#执行结果：['12', '36', '5', '2', '5', '2', '1']

print(re.findall('\D','12+(36*5+2-5*(2-1))'))   #\D:匹配任何非数字字符；它相当于类 [^0-9]。
#执行结果：['+', '(', '*', '+', '-', '*', '(', '-', ')', ')']

print(re.findall('\s','12+( 36 * 5 + 2 - 5 * ( 2 - 1 ))\t\n\r\f\v')) #\s:匹配任何空白字符；它相当于类 [ \t\n\r\f\v]。
#执行结果：[' ', ' ', ' ', ' ', ' ', ' ', ' ', ' ', ' ', ' ', ' ', ' ', ' ', '\t', '\n', '\r', '\x0c', '\x0b']

print(re.findall('\S','12+( 36 * 5 + 2 - 5 * ( 2 - 1 ))\t\n\r\f\v')) #\S:匹配任何非空白字符；它相当于类 [^ \t\n\r\f\v]。
#执行结果：['1', '2', '+', '(', '3', '6', '*', '5', '+', '2', '-', '5', '*', '(', '2', '-', '1', ')', ')']

print(re.findall('\w','12+( 36 * 5 + 2 - 5 * ( 2 - 1 ))abcde\t\n\r\f\v')) #\w:匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
#执行结果：['1', '2', '3', '6', '5', '2', '5', '2', '1', 'a', 'b', 'c', 'd', 'e']

print(re.findall('\W','12+( 36 * 5 + 2 - 5 * ( 2 - 1 ))abcde\t\n\r\f\v')) #\W:匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]
#执行结果：['+', '(', ' ', ' ', '*', ' ', ' ', '+', ' ', ' ', '-', ' ', ' ', '*', ' ', '(', ' ', ' ', '-', ' ', ' ', ')', ')', '\t', '\n', '\r', '\x0c', '\x0b']

print(re.findall('www.baidu','www*baidu'))  # .可代指任何
#执行结果：['www.baidu']['www/baidu']['www*baidu']
print(re.findall('www\.baidu','www*baidu')) # 。 经过转义后，.没有特殊意义，只是.
#执行结果：[]

#-----------------------------eg1:
ret=re.findall('c\l','abc\le')
print(ret)#[]
ret=re.findall('c\\l','abc\le')
print(ret)#[]
ret=re.findall('c\\\\l','abc\le')
print(ret)#['c\\l']
ret=re.findall(r'c\\l','abc\le')    #r是原生字符，表达式里是什么，传给re就是什么
print(ret)#['c\\l']

#-----------------------------eg2:
#之所以选择\b是因为\b在ASCII表中是有意义的
m = re.findall('\bblow', 'blow')
print(m)
m = re.findall(r'\bblow', 'blow')
print(m)


#元字符至分组
print(re.findall(r'(ad)+', 'adcadbbbb')) #ab是一个整体
#执行结果：['ad', 'ad']

ret=re.search('(?P<id>\d{6})/(?P<name>\w{3})','235566/com')
print(ret.group())#23/com
print(ret.group('id'))#23

#元字符之|
ret=re.findall('(ab)|\d','rabhdg8sd')
print(ret)#ab


#1
re.findall('a','alvin yuan')    #返回所有满足匹配条件的结果,放在列表里
#2
re.search('a','alvin yuan').group()  #函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
                                     # 通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。

#3
re.match('a','abc').group()     #同search,在字符串开始处进行匹配

#4
ret=re.split('[ab]','abcd')     #先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
print(ret)#['', '', 'cd']

#5
ret=re.sub('\d','abc','alvin5yuan6',1)  #替换  （规则，新值，旧字符串，次数（可为空））
print(ret)#alvinabcyuan6
ret=re.subn('\d','abc','alvin5yuan6')   #与sub相同，只不过多了统计次数
print(ret)#('alvinabcyuanabc', 2)

#6
obj=re.compile('\d{3}')     #单定义了规则，可供其它方法调用即可
ret=obj.search('abc123eeee')    #调用
print(ret.group())#123

#7
ret=re.finditer('\d','ds3sy4784a')      #查询完成后，得到一个迭代器对象
print(ret)        #<callable_iterator object at 0x10195f940>
print(next(ret).group())    #可通过next取值
print(next(ret).group())

 常用匹配：

 正则表达式用于字符串处理、表单验证等场合，实用高效。现将一些常用的表达式收集于此，以备不时之需。

匹配中文字符的正则表达式： [\u4e00-\u9fa5]
评注：匹配中文还真是个头疼的事，有了这个表达式就好办了

匹配双字节字符(包括汉字在内)：[^\x00-\xff]
评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

匹配空白行的正则表达式：\n\s*\r
评注：可以用来删除空白行

匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*? />
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

匹配首尾空白字符的正则表达式：^\s*|\s*$
评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式

匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注：表单验证时很实用

匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求

匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注：表单验证时很实用

匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如 0511-4405222 或 021-87888822

匹配腾讯QQ号：[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始

匹配中国邮政编码：[1-9]\d{5}(?!\d)
评注：中国邮政编码为6位数字

匹配身份证：\d{15}|\d{18}
评注：中国的身份证为15位或18位

匹配ip地址：\d+\.\d+\.\d+\.\d+
评注：提取ip地址时有用

匹配特定数字：
^[1-9]\d*$　 　 //匹配正整数
^-[1-9]\d*$ 　 //匹配负整数
^-?[1-9]\d*$　　 //匹配整数
^[1-9]\d*|0$　 //匹配非负整数（正整数 + 0）
^-[1-9]\d*|0$　　 //匹配非正整数（负整数 + 0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　　 //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$　 //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$　 //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$　　 //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$　　//匹配非正浮点数（负浮点数 + 0）
评注：处理大量数据时有用，具体应用时注意修正

匹配特定字符串：
^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串
^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串
^[a-z]+$　　//匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串
^\w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串

 匹配IP

import re

def ip_re_test(data):
    ip_data = re.match(r"^(?:(?:2[0-4][0-9]\.)|(?:25[0-5]\.)|(?:1[0-9][0-9]\.)|(?:[1-9][0-9]\.)|(?:[0-9]\.)){3}(?:(?:2[0-5][0-5])|(?:25[0-5])|(?:1[0-9][0-9])|(?:[1-9][0-9])|(?:[0-9]))$", data)
    print ip_data


if __name__ == '__main__':
    while True:
        str_data = str(input('>>>'))
        ip_re_test(str_data)