1.模組re

以一定規則，快速檢索文字，或是實現一些替換操作
預設下，區分大小寫

2.常見的匹配字元表

字元	描述
\d	代表任意數位，就是阿拉伯數位 0-9 這些
`\D`	代表非數位的字元。與\d完全相反
`\w`	代表字母，數位，下劃線。也就是 a-z、A-Z、0-9、_
`\W`	跟 \w 相反，代表不是字母，不是數位，不是下劃線的字元。
\n	代表一個換行。
`\r`	代表一個回車。
`\f`	代表換頁。
`\t`	代表一個 Tab 。
`\s`	代表所有的空白字元，也就是上面這四個：\n、\r、\t、\f。
`\S`	跟 \s 相反，代表所有不是空白的字元。
`\A`	代表字串的開始。
`\Z`	代表字串的結束。
^	匹配字串開始的位置。
$	匹配字元創結束的位置。
.	代表所有的單個字元，除了 \n \r
`[...]`	代表在 [] 範圍內的字元，比如 [a-z] 就代表 a到z的字母
`[^...]`	跟 [...] 唱反調，代表不在 [] 範圍內的字元
`{n}`	匹配在 {n} 前面的東西，比如: o{2} 不能匹配 Bob 中的 o ，但是能匹配 food 中的兩個o。
`{n,m}`	匹配在 {n,m} 前面的東西，比如：o{1,3} 將匹配`fooooood`中的前三個o。
`{n，}`	匹配在 {n,} 前面的東西，比如：o{2,} 不能匹配「Bob」中的「o」，但能匹配`fooooood`中的所有o。
`*`	和 {0,} 一個樣，匹配 * 前面的 0 次或多次。比如 zo* 能匹配「z」、「zo」以及「zoo」。
`+`	和{1，} 一個樣，匹配 + 前面 1 次或多次。比如 zo+」能匹配「zo」以及「zoo」，但不能匹配「z」。
`？`	和{0,1} 一個樣，匹配？前面 0 次或 1 次。
a\|b	匹配 a 或者 b。
`（）`	匹配括號裡面的內容。

a = 'C|C++|C#|Python|Java'
# 判斷字串 a 中是否含有 Python
print(a.index('Python')>-1)   #  True
print('Python' in a)   #  True

import re

re.findall('Python', a)  #  在字串 a 中，找到所有的'Python'字串
print(re.findall("Python", a))  #  ['Python']

2.1`/d /D`

import re
a = 'C0C++1C#2Python3Java'
# 檢索所有數位
r = re.findall('\d', a)  #  \d 匹配所有數位  元字元的一種
print(r)  # ['0', '1', '2', '3']

r = re.findall('\D', a)  #  \d 匹配所有非數位  元字元的一種
print(r)  # ['0', '1', '2', '3']
# ['C', 'C', '+', '+', 'C', '#', 'P', 'y', 't', 'h', 'o', 'n', 'J', 'a', 'v', 'a']

2.2`[]` 表示或

#  []  表示或
import re
s = 'abc, acc, adc, aec, afc, ahc'
r = re.findall('a[cf]c', s) # 匹配中間是 c 或 f 的字串
print(r)  # ['acc', 'afc']

# [^]   表示否定
r = re.findall('a[^cf]c', s) # 匹配中間不是 c 和 f 的字串
print(r)  # ['abc', 'adc', 'aec', 'ahc']

#  [c-f]   匹配c 到 f 的所有字元
r = re.findall('a[c-f]c', s) # 匹配 c 到 f 的字元
print(r)  # ['acc', 'adc', 'aec', 'afc']

2.3`\w \W`

# 概括字元集
# \w   \W
import re
a = 'C0C++\n1C# 2Python3*Java_'

r = re.findall('\w', a) # 匹配數位和字母  相當於  [A-Za-z0-9_]
print(r)  
# ['C', '0', 'C', '1', 'C', '2', 'P', 'y', 't', 'h', 'o', 'n', '3', 'J', 'a', 'v', 'a', '_']

r = re.findall('\W', a)  # 非單詞字元  
print(r)  #  ['+', '+', '\n', '#', ' ', '*']

# \s  空白字元
r = re.findall('\s', a) 
print(r)  # ['\n', ' ']

2.4`{}` 表示匹配次數

# 數量詞  
#  {4}   4 表示每次匹配次數 
import re
a = 'python 11 java 22 php'
r = re.findall('[a-z]{3}', a)
print(r)  # ['pyt', 'hon', 'jav', 'php']

# {3, 6}  表示匹配次數在 3到6 之間
r = re.findall('[a-z]{3,6}', a)
print(r)  # ['python', 'java', 'php']

2.5貪婪非貪婪

# 貪婪 非貪婪 
# python 預設為貪婪模式  儘可能 多匹配 和 多次匹配
# 非貪婪模式  表示式後面加 ？ 匹配最少的次數
r = re.findall('[a-z]{3,6}?', a)
print(r)  # ['pyt', 'hon', 'jav', 'php']

2.6`*` `+`

# * 匹配 0 次或者無限多次
a = 'pytho0python1pythonn2'
r = re.findall('python*', a) # 與 * 緊挨的字元n 匹配0次或是無限多次
print(r) # ['pytho', 'python', 'pythonn']

r = re.findall('pytho*', a) # 與 * 緊挨的字元n 匹配0次或是無限多次
print(r) # ['pytho', 'pytho', 'pytho']

r = re.findall('pythonn*', a) # 與 * 緊挨的字元n 匹配0次或是無限多次
print(r) # ['python', 'pythonn']

# + 匹配一次或無限多次
import re
r = re.findall('python+', a) # 與 * 緊挨的字元n 匹配1次或是無限多次
print(r) # ['python', 'pythonn']

# 不加 ?  
r = re.findall('python{1,2}', a) # 匹配n 出現一次到兩次
print(r) # ['python', 'pythonn']

# 加了 ?  
r = re.findall('python{1,2}?', a) # 匹配n 出現一次
print(r) # ['python', 'python']

2.7`^ $` 邊界符

# 邊界匹配
import re
qq = '1000001'

r = re.findall('\d{4,8}', qq) # 匹配4 到8 位的QQ號
print(r)  # ['1000001']

qq = '10000000001'
r = re.findall('\d{4,8}', qq) # 匹配4 到8 位的QQ號
print(r)  # ['1000001']     沒有達到目的

# ^ $ 邊界符  
# ^ 規定以什麼開始
# $ 規定以什麼結束
r = re.findall('^\d{4,8}$', qq) # 匹配4 到8 位的QQ號
print(r)  # []   沒有匹配到

r = re.findall('^0000', qq) # 匹配從 0 開始的字串
print(r)  # []   沒有匹配到

2.8`()` 分組

# ()  一個括號對應一組
import re
a = 'pythonpythonpythonJs'

r = re.findall('(python){3}(JS)', a)
print(r)  # []

# re.I 不區分大小寫  第三個引數
r = re.findall('(python)(JS)', a, re.I)
print(r)  # [('python', 'Js')]

# 接受多個第三個引數時，用|隔開
r = re.findall('(python)(JS)', a, re.I | re.S)
print(r)  # [('python', 'Js')]

2.9`.` 匹配除換行符\n 以外的其他所有字元

# . 匹配出換行符\n 以外的其他所有字元
a = 'python\nCC'
r = re.findall('python.', a, re.I)
print(r)  # []   無法匹配\n

r = re.findall('python.', a, re.S)   #  讓 . 可以匹配換行符 
print(r)  # ['python\n']

2.10`re.sub` 替換操作

# re.sub 替換操作
import re
language = 'PythonC#JavaC#PHPC#'
r = re.sub('C#', 'GO', language)
print(r)   # PythonGOJavaGOPHPGO

r = re.sub('C#', 'GO', language, 1)
print(r)   # PythonGOJavaC#PHPC#   只替換了一個

r = re.sub('C#', 'GO', language, 0)
print(r)   # PythonGOJavaGOPHPGO

# re.sub 的第二個引數可以是函數
def convert(value):
    pass
r = re.sub('C#', convert, language)
print(r)  # PythonJavaPHP


def conver(value):
    matched = value.group()
    return '!!' + matched + '!!'

r = re.sub('C#', convert, language)
print(r)   # Python!!C#!!PHP!!C#!!

2.11將函數作為引數

# 將函數作為引數
import re
s = 'ABC37978D432'

def convert(value):
    # 拿到具體數位
	matched = value.group()
	if matched >= 6:
        return 9
    else:
        return 0
    
r = re.sub('\d', convert, s)
print(r)  # ABC09999D000

2.12`re.match re.search`

# re.match
# re.search    
# 都返回類物件
import re
s = 'ABC37978D432'

r = re.match('\d', s)  #  從字串的開始位置開始匹配，若不符，則返回None
print(r)  # None
r = re.search('\d', s) #  在字串中尋找可以匹配的
print(r)  # <re.Match object; span=(3, 4), match='3'>
print(r.group())  # 3
print(r.span())   # (3, 4)   返回匹配的區間

2.13group 分組

# group 分組  
# group()   預設值為 0   返回正則的完整匹配結果
import re
s = 'life is short, i use python'

r = re.search('life.*python', s)
print(r.group())  # life is short, i use python

# () 進行分組
r = re.search('(life.*python)', s)
print(r.group(0))  # life is short, i use python

# group(1)
r = re.search('life(.*)python', s)
print(r.group(1))  #  is short, i use

r = re.findall('life(.*)python', s)
print(r)  #  is short, i use

s = 'life is short, i use python, i love python'
r = re.search('life(.*)python(.*)python', s)
print(r.group(0))  # life is short, i use python, i love python
print(r.group(1))  #  is short, i use
print(r.group(2))  # , i love
print(r.group(0,1,2)) # ('life is short, i use python, i love python', ' is short, i use ', ', i love ')
print(r.groups())  #  (' is short, i use ', ', i love ')

一些例子

正規表示式

import re

line = 'booooooooobbby123'
r = re.match(".*(b.*b).*", line)
print(r.group(1))       #貪婪模式下，檢索到最後符合的內容
print(r.group(0))

r = re.match(".*?(b.*?b).*", line)      #對  ? 後面的 檢索進行非貪婪模式
print(r.group(1))  

#  +
print('~+~~~~~~~~~')
r = re.match(".*(b.+b)", line)      #+ 前面內容至少出現一次
print(r.group(1))  


print('|||||')
r = re.match(".*(bbb|bby123)", line)      #  | 或關係 存在一個即可
print(r.group(1))  

print('|||||')
r = re.match(".*(bby123|bbb)", line)      #  | 或關係 存在一個即可
print(r.group(1))

line2 = '15541861937'
regex_str = "(1[2345][0-9]{3})"
r = re.match(regex_str, line2)
print(r.group(0))

#漢字
print('[\u4E00-\u9FA5]+~~~~~~~~~~~~~~~~~~~~~')
line = '你好嗎'
r = re.match("[\u4E00-\u9FA5]+", line)
print(r.group(0))

print('[\u4E00-\u9FA5]+~~~~~~~~~~~~~~~~~~~~~')
line = '你  好嗎'
r = re.match("[\u4E00-\u9FA5]+", line)
print(r.group(0))

print('[\u4E00-\u9FA5]+~~~~~~~~~~~~~~~~~~~~~')
line = 'study in 北京大學'
r = re.match(".*([\u4E00-\u9FA5]+大學)", line)
print(r.group(1))

print('[\u4E00-\u9FA5]+~~~~~~~~~~~~~~~~~~~~~')
line = 'study in 北京大學'
r = re.match(".*?([\u4E00-\u9FA5]+大學)", line)
print(r.group(1))


line = 'XXX出生於2001年6月'
line = 'XXX出生於2001/6/1'
line = 'XXX出生於2001-6-1'
line = 'XXX出生於2001-06-01'
line = 'XXX出生於2001-06'

regex_str = ".*出生於(\d{4}[年/-]\d{1,2}([月/-]\d{1,2}|[月/-]$|$))"

python筆記：第十一章正規表示式

1.模組re

2.常見的匹配字元表

2.1/d /D

2.2[] 表示或

2.3\w \W

2.4{} 表示匹配次數

2.5貪婪 非貪婪

2.6* +

2.7^ $ 邊界符

2.8() 分組

2.9. 匹配除換行符\n 以外的其他所有字元

2.10re.sub 替換操作

2.11將函數作為引數

2.12re.match re.search

2.13group 分組

一些例子

2.1`/d /D`

2.2`[]` 表示或

2.3`\w \W`

2.4`{}` 表示匹配次數

2.5貪婪非貪婪

2.6`*` `+`

2.7`^ $` 邊界符

2.8`()` 分組

2.9`.` 匹配除換行符\n 以外的其他所有字元

2.10`re.sub` 替換操作

2.12`re.match re.search`