Python - 正则表达式

"""
正则表达式：regular expression

本质: 可看成一个模板，按照这个模板规则去匹配

是一个比较强大的字符串处理工具

应用场景：
1》表单验证
2》爬虫
3》处理文本和数据

导入模块：re

match() 匹配
result = re.match(正则表达式，要匹配的字符串，flags=0) flags??
-> 尝试从字符串的起始位置去匹配，返回match对象。如果匹配不成功，就返回None
-> 获取返回值的内容: result.group()
======================================

"""

import re

# res = re.match('noise', 'noise-abc')
# print(res.group())    # noise



"""
1> .  匹配1个字符(除了\n)
2> [] 匹配[]中列举的一个字符
3> \d 匹配数字
4> \D 匹配非数字
5> \s 匹配空白，即空格，tab
6> \S 匹配非空白
7> \w 匹配单词字符,a-z,A-Z,0-9,_,数字
8> \W 匹配非单词字符

"""


import re

# 1> .  匹配1个字符(除了\n)

# res1 = re.match('.', 'a')
# print(res1.group())   # a
#
# res11 = re.match('t.o', 'too')
# print(res11.group())  # too

# 2> [] 匹配[]中列举的一个字符

# res2 = re.match('[hH]', 'Hello world h')
# print(res2.group())     # H
#
# res22 = re.match('[0123456789]hello python', '7hello python')
# print(res22.group())    # 7hello python
#
# res222 = re.match('[0-9]hello python', '7hello python')
# print(res222.group())    # 7hello python
#
# res2222 = re.match('[0-35-9]hello python', '7hello python')   # 不匹配4
# print(res2222.group())    # 7hello python

# 3> \d 匹配数字

# res3 = re.match('today is date 22 ?', 'today is date 22 ?')
# print(res3.group())    # today is date 22 (? 匹配不了）
#
# res31 = re.match('today is date 2\d ?', 'today is date 24 ?')
# print(res31.group())    # today is date 24 (? 匹配不了）


# 5> \s 匹配空白，即空格，tab
# 6> \S 匹配非空白
# res5 = re.match('\st', ' today is date 22 ?')
# print(res5.group())    #  t(t前面有一个空格）

# res5 = re.match('\S', 'today is date 22 ?')
# print(res5.group())    # t




# * 匹配 0-任意次

import re
#
# res = re.match('[A-Z][a-z]*', 'Noise123')   # 表示匹配第一个大写,第二个有*次为小写, *表示任意次
# print(res.group())  # Noise

# + 匹配前一个字符至少一次
# res = re.match('[A-Za-z]+python', 'worldpythonhello')   # python前面至少匹配一个字符
# print(res.group())  # worldpython

# ? 匹配前一个字符最多一次
# res = re.match('[0-9]?[0-9]', '123456')   # 第一个[1-9]最多匹配一个,第二个是单个匹配字符
# print(res.group())  # 12

# {m} 匹配前一个字符m次
# 匹配6位的数字支付密码

# res = re.match('[0-9]{6}', '123456789asdasd')   #
# print(res.group())  # 123456

res = re.match('[a-zA-Z0-9_]{8,20}', '212asda424asda4xzc')   # 最小八位最大20位
print(res.group())  # 212asda424asda4xzc


# ^ 匹配字符串开头

import re

# res = re.match('^ab', 'abcdef')
# print(res.group())  # ab

# res = re.match('^[0-9]', '12ab')
# print(res.group())  # 1

# res = re.match('[^0-9]', '12ab')
# print(res.group())  # AttributeError: 'NoneType' object has no attribute 'group'
#

"""
小结:
'abc' 表示字串有'abc'就匹配成功;
'[abc]'表示'a'或'b'或'c'就匹配成功
'^abc'表示'abc'开头就匹配成功
'^[abc]'表示'a'或'b'或'c'开头就匹配成功
'[^abc]'表示'a''b''c'以外的字符,才能匹配成功
"""


# $ 匹配以结尾

# res = re.match('[\w]*d$', 'helloworld')     # 空格不在\w里面
# print(res.group())  # helloworld

# res = re.match('[\w]*d$', 'hello world')     # 空格不在\w里面
# print(res.group())  # AttributeError: 'NoneType' object has no attribute 'group'

# res = re.match('[0-9]?\d$', '10')
# print(res.group())  # 10

# res = re.match('[0-9]?\d$', '108')  # ?前面最多一个字符,加上\d一个字符
# print(res.group())  # AttributeError: 'NoneType' object has no attribute 'group'

list1 = ['mynextlife@163.com', 'mynextlife@139.com', 'mynextlife@169.com']

# 匹配163结尾的邮箱
for i in list1:
    res = re.match('[\w]*@139.com$', i)
    # try:
    #     print('matched  : {}'.format(res.group()))
    # except AttributeError:
    #     print(f"unmatched: {i}")
    if res:
        print('matched  : {}'.format(res.group()))
    else:
        print(f"unmatched: {i}")







# | 或 :匹配左右任意一个表达式

import re

# res = re.match('[1-9]?\d$|123', '123')  # [1-9]?\d$ 最多两个字符,但是或|运算,用了123去匹配
# print(res.group())  # 123

# res = re.match('[1-9]?\d$|\w*', '123youare')  # [1-9]?\d$ 最多两个字符,但是或|运算,用了\w*去匹配多个单词
# print(res.group())  # 123youare

# () 分组
# 139邮箱 11位手机号,并且第一位为1

# res = re.match('1\d{10}@139.com$', '12345678901@139.com')
# print(res.group())    # 12345678901@139.com

# res = re.match('\w{4,20}@(139|163|qq).com$', '12345678901@qq.com')
# print(res.group())  # 12345678901@qq.com


# 不以 4,7结尾的4位数字号码
#
# res =re.match('\d{3}[^47]')


# 提取座机号,区号
# res = re.match('\d{3}-\d{7}', '110-1234567aaaaa')
# print(res.group())

# res = re.match('(\d{3})-(\d{7})', '110-1234567aaaaa')
# print(res.group(0))   # 0 是全部匹配      110-1234567
# print(res.group(1))   # 1 是匹配第1个分组  110
# print(res.group(2))   # 2 是匹配第2个分组  1234567