Day16-正则表达式

01-二进制数据的转换

1.二进制类型/字节（bytes）

2.其他数据转换二进制：bytes（数据）

字符串转二进制：字符串.encode(encoding = 'utf-8')

print(bytes(10)) # print(bytes(12.5)) print(bytes(True)) # print(bytes('abc')) # TypeError: string argument without an encoding print(bytes('abc', encoding='utf-8')) print(bytes([1, 2])) # print(bytes(['123',12])) list1 = [100, 'abc', 12.5] b1 = bytes(str(list1), encoding='utf-8') print(b1)

3.二进制转字符串

# 方法一:str(数据, encoding = 'utf-8') str1 = str(b1, encoding='utf-8') print(str1) list1 = eval(str1) print(list1) str2 = 'hello' b2 = str2.encode(encoding='utf-8') print('b2:', b2) # 方法二：二进制数据.decode(encoding='utf-8') str2 = b2.decode(encoding='utf-8') print(str2)

02-正则语法

1.什么是正则表达式

正则表达式是一种工具；一种专门做字符串匹配的工具，能狗在某些情况下让字符串的处理变得非常简单。

fullmatch(正则表达式,字符串) - 判断正则表达式是否和字符串完全匹配，如果不匹配返回None

2.正则表达式的语法

1.匹配字符

以下是部分的字符

普通字符

普通字符在正则表达式中表达这个符号本身

re_str = r'abc' result = fullmatch(re_str, 'abc') print(result)

. - 匹配任意一个字符

re_str = r'.bc' result = fullmatch(re_str, '%bc') print(result)

\d - 匹配任意一个数字字符

\D - 匹配任意一个数字字符

\s - 匹配任意一个空白字符（空格、\n、\t）

\S - 匹配任意一个非空字符

\w - 匹配任意一个数字、字母或者下划线（不推荐用）

[字符集] - 匹配字符集中出现的任意一个字符

""" 注意一个中括号只能匹配一个字符 [abc] - 匹配一个字符是a或者b或者c [\dabc] - 匹配一个字符是数字或者a或者b或者c [1-9] - 匹配一到九的任意一个数字字符 [a-z] - 匹配任意一个小写字母 [a-zA-Z] - 匹配任意一个字母 [\da-zA-Z_] - 匹配字母、数字、下划线 [\u4e00-\u9fa5] - 匹配任意一个中文字符 """ re_str = r'[\dxy=]mn' print(fullmatch(re_str, '9mn')) re_str = r'[0-9]{3}' print(fullmatch(re_str, '123')) re_str = r'[A-Za-z]' print(fullmatch(re_str, 'A')) # -在[]中两个字符之间才有特殊意义 re_str = r'[-abc]12-3' print(fullmatch(re_str, '-12-3'))

[^字符集] - 匹配不在字符集中的任意一个字符

""" [^abc] - 匹配除了abc以外的任意一个字符 """ print(fullmatch(r'[^abc]123', 'q123')) print(fullmatch(r'[\u4e00-\u9fa5]123', '淦123'))

2.检测字符

\b - 检测是否是单词边界

\B - 检测是否不是单词边界

^ - 检测是否是字符串开头（放开头）

$ - 检测是否是字符串结尾（放结尾）

3.匹配次数

* - 0次或多次

+ - 1次或者多次（至少一次）

? - 0次或一次

{}

""" {N} - 匹配N次 {M,N} - 匹配M到N次 {M,} - 匹配至少M次 {,N} - 匹配最多N次 """

贪婪和非贪婪

""" 在匹配次数不确定的时候匹配模式有两种：贪婪(默认)和非贪婪(再不确定后面加？) 贪婪：在能匹配成功的前提下，匹配次数选最多的(+、*、?、{M,N}、{M,}、{,N}) 非贪婪：在能匹配成功的前提下，匹配次数选最少的(+?、*?、??、{M,N}?、{M,}?、{,N}?) """ # 贪婪模式 re_str = r'a.+b' print(search(re_str, 'xxamnbpppbsdb====')) # 非贪婪模式： re_str = r'a.+?b' print(search(re_str, 'xxamnbpppbsdb====')) re_str = r'a??b' print(search(re_str, 'abab'))

4.分组

()

""" 用法一：整体操作次数 a{2,4} (ab){2,3} 用法二：重复 \M - 重复前面第M个分组中匹配到的内容 用法三：捕获 re中的findall在获取子串的时候，如果在正则中有分组，只会获取分组匹配到的结果 """ # 两个数字两个字母的结构重复3到5次,类似:89nm78jk89mk re_str = r'(\d{2}[a-z]{2}){3,5}' print(fullmatch(re_str, '12df12df12gs34ds')) re_str = r'(\d)\1abc\1' print(fullmatch(re_str, '88abc8')) re_str = r'm(\d[a-z])n\1' print(fullmatch(re_str, 'm8an8a')) re_str = r'a\d{2}b' print(search(re_str, 'a89b')) print(findall(re_str, 'a98ba89b')) re_str = r'a(\d{2})b' print(search(re_str, 'a89b')) print(findall(re_str, 'a98ba89b'))

5.分支

|

""" 正则1|正则2|正则3|.. 正则1匹配失败正则2再匹配依次匹配 """ # 写一个正则能够匹配一个字符串，abc后面是三个数字或者abc后面是三个大写字母 re_str = r'abc\d{3}|abc[A-Z]{3}' print(fullmatch(re_str, 'abc123')) print(fullmatch(re_str, 'abcASD')) re_str = r'abc(\d|[A-Z]){3}' print(fullmatch(re_str, 'abc123')) print(fullmatch(re_str, 'abcASD'))

6.转义符号

""" 在正则中有特殊意义的符号前加\,让这个符号在正则中的功能消失 """ re_str = r'\d{2}\.\d{2}\{}' print(fullmatch(re_str, '12.21{}')) # 注意：在正则中独立存在有特殊意义的符号，放到[]中，它的意义会自动消失 re_str = r'[-a]ab' print(fullmatch(re_str, '-ab'))

re模块的使用

import re # 1.re.compile(正则表达式) - 编译正则表达式，返回正则对象 re_obj = re.compile(r'\d{3}') # 正则表达式对象.fullmatch(字符串) print(re_obj.fullmatch('789')) # re.fullmatch(正则表达式,字符串) print(re.fullmatch(re_obj, '879')) # 2.匹配 """ fullmatch(正则,字符串) - 让整个字符串和正则进行匹配，匹配失败返回None，匹配成功返回对象 match(正则,字符串) - 匹配字符串开头，失败返回None，成功返回对象 """ print(re.match(r'\d{3}', '2343sdfdf')) # 匹配对象 result = re.match(r'(\d{2})([a-z]{3})([A-Z]{2})', '34ghfDSdfdsfs') print(result) # 匹配到的子串 # 匹配对象.group()/匹配对象.group(0) - 获取整个正则匹配到的子串 print(result.group()) print(result.group(1)) print(result.group(3)) # 2)获取匹配范围 - 匹配到的子串在原字符串的下标范围 # 匹配对象.span() print(result.span()) # [0,7) print(result.span(2)) # 3.查找 """ search(正则,字符串) - 在字符串中查找第一个满足正则的子串，如果找到了返回匹配对象，找不到返回None findall(正则, 字符串) - 获取字符串中所有满足正则的子串，返回值是列表，列表中的元素是字符串 找不到返回None finditer(正则, 字符串) - 获取字符串中所有满足正则的子串，返回值是迭代器， 迭代器中的元素是匹配对象 """ # 没有分组 print(re.findall(r'\d{3}','afdsf1232dfdf231')) # 有一个分组 print(re.findall(r'a(\d{3})','a223sdadsfa341')) # 有两个或者两个以上的分组 print(re.findall(r'([a-z]{2})(\d{3})', 'ab123sdffdf34212sdkkdkf3')) # 3) finditer result = re.finditer(r'([a-z]{2})(\d{3})', 'ab123sdffdf34212sdkkdkf3') print(list(result)) # 4. """ split(正则,字符串) - 将字符串中满足正则的子串作为切割点 sub(正则, 字符串1,字符串2) - 将字符串2中满足正则的字符串全部替换成字符串1 """ result = re.split(r'\d+', 'ssa3fa432sdf31dfsf43dsfsf12') print(result) result = re.sub(r'[傻逼]', '*', '傻逼sa3fa432sdf31dfsf43dsfsf12') print(result)