day 16正则

1.二进制数据的转换

1.1二进制类型/字节(bytes) 1.2其他数据转二进制：bytes(数据)

字符串转二进制：字符串.encode(encoding= 'utf-8') print(bytes(10)) # b'\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00' print(bytes(True)) # b'\x00' print(bytes(12.5)) # TypeError: cannot convert 'float' object to bytes print(bytes('abc', encoding='utf-8')) # b'abc' print(bytes([1, 2, 3])) # b'\x01\x02\x03' list1 = [100, 'abc', 12.5] b1 = bytes(str(list1), encoding='utf-8') print(b1) str2 = 'hello' b2 = str2.encode(encoding='utf-8')

1.3二进制转字符串：str(数据, encoding=‘utf-8’)

str1 = str(b1, encoding='utf-8') print(str1) list1 = eval(str1) print(list1, type(list1)) # [100, 'abc', 12.5] <class 'list'> # 方法二：二进制数据.decode(encoding='utf-8') str2 = b2.decode(encoding='utf-8') print(str2)

2.正则语法

from re import fullmatch, search, findall, S, I import re

2.1什么是正则表达式

正则表达式是一种工具：一种专门用作字符串匹配的工具，能够在某些情况下让字符串的处理变得非常简单。 正则是用来描述字符串规则

检测符号

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

正则表达式的语法（通用） 1）普通字符 普通字符在正则表达式中表示这个符号本身

# 1)匹配一个字符串有三个字符，分别是a, b, c re_str = r'abc' result = fullmatch(re_str, 'abc') print(result) # <re.Match object; span=(0, 3), match='abc'> # 2). - 匹配任意字符,多行不能匹配换行符，单行可以匹配换行符 # 匹配一个长度是3的字符串，第一个字符是任意字符，后面是bc re_str = r'.bc' result = fullmatch(re_str, 'mbc') print(result) # <re.Match object; span=(0, 3), match='mbc'> # 3) \d - 匹配任意一个数字字符 re_str = r'\d\d\d' result = fullmatch(re_str, '144') print(result) # <re.Match object; span=(0, 3), match='144'> re_str = r'\d\dabc' result = fullmatch(re_str, '45abc') print(result) # <re.Match object; span=(0, 5), match='45abc'> # 4) \D - 匹配任意一个非数字字符（正则中大写和小写的功能是相反的） re_str = r'\d\D\d' result = fullmatch(re_str, '8我0') print(result) # <re.Match object; span=(0, 3), match='8我0'> # 5）\s - 匹配任意一个空白字符 # 空白字符：空格、\n(换行)、\t(制表符) re_str = r'abc\s123' print(fullmatch(re_str, 'abc 123')) # 6) \S - 匹配任意一个非空白字符 re_str = r'abc\S\d' print(fullmatch(re_str, 'abcn3')) # <re.Match object; span=(0, 5), match='abcn3'> # 7) \w - 匹配任意一个数字、字母或者下划线(不好用，非ASCII码中的字符都可以匹配) # 8) [字符集] - 匹配字符集中出现的任意一个字符

注意：一个[]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1到9的任意一个数字字符, -在[]中两个字符之间才有特殊意义 [2-5abc] - 匹配2到5中任意一个数字字符或者a或者b或者c [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

name = 123 re_str = rf'[{name}]123' print(fullmatch(re_str, '1123')) # <re.Match object; span=(0, 4), match='1123'> re_str = r'[\dxy=]mn' print(fullmatch(re_str, '5mn')) # <re.Match object; span=(0, 3), match='5mn'> # -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')) # <re.Match object; span=(0, 5), match='-12-3'> [^字符集] - 匹配不在字符集中的任意一个字符, ^ 只能放在最前面才有特殊功能 [^abc] - 匹配除了abc以外的任意一个字符 [^\dxy] - 匹配除了xy和数字以外的任意一个字符 [^a-z] - 匹配除了小写字母以外的任意一个字符 [^\u4e00-\u9fa5] - 匹配除了中文以外的任意一个字符 注意：^在[]中，如果没有在开头就表示这个符号本身 print(fullmatch(r'[a^bc]123', 'a123')) # 只要是^abc中的符号都能匹配

检测符号

匹配符号要求一个符号必须对应一个字符，会影响字符串长度的描述; 检测符号，不会匹配字符，也不会影响字符串长度，他是在匹配成功的前提下对指定位置的字符进行检测 1）\b - 检测是否是单词边界 单词边界 - 所有能够区分出两个不同单词的符号，例如：空白字符、标点符号、字符串开头和字符串结尾

re_str = r'abc\b\s123' print(fullmatch(re_str, 'abc 123'), 2) # 2) \B - 检测是否不是单词边界 re_str = r"abc\B123" print(re.fullmatch(re_str, "abc123"), 1) # 3) ^ - 检测是否是字符串开头 re_str = r"^123abc" print(re.fullmatch(re_str, "123abc"), 2) # 4)$ - 检测是否是字符串结尾 re_str = r'\d\d$' print(search(re_str, 'asdfsdfsdfsdfasasdf打赏28')) # <re.Match object; span=(21, 23), match='28'>

匹配次数

0或多次 a* - 字符a出现0次或者多次 \d* - 任意数字出现0次或多次（实质是\d在正则中出现0次或多次） [字符集]* - 字符集中的任意字符出现0次或者多次（每次都可以是字符集中的任意一个） re_str = r'\d'*10 print(fullmatch(re_str, '0123456789')) re_str = r'\d*bc' print(fullmatch(re_str, 'bc')) print(fullmatch(re_str, '1bc')) print(fullmatch(re_str, '123bc')) # 2) + - 1次或者多次（至少1次） re_str = r'a[A-Z]+c' print(fullmatch(re_str, 'ac')) # None # 3) ? - 0次或1次 # 写一个正则能匹配任意正整数： 23， 3490， +87， 023（None） re_str = r'[+]?[1-9]\d*' print(fullmatch(re_str, '023')) # 4) {} """ {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 """ re_str = r'\d{3}' print(fullmatch(re_str, '298')) # 用户名的要求：全部由数字或者字母组成，长度是3~6 re_str = r'[\da-zA-Z]{3,6}' print(fullmatch(re_str, '2k98')) print(fullmatch(r'a{3,}123', 'aaa123')) print(fullmatch(r'a{,3}123', 'aaa123')) # 5)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（在不确定次数后面加?） （+、*、?、{M, N}、{M,}、{,N}） 贪婪：在能匹配成功的前提下，匹配次数选最多的 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, 'xxamnbppbppb===')) # <re.Match object; span=(2, 12), match='amnbppbppb'> # 非贪婪模式： re_str = r'a.+?b' print(search(re_str, 'xxamnbppbppb===')) # <re.Match object; span=(2, 6), match='amnb'>

分组

1）()

用法一：整体操作次数 (ab){2,3} 用法二： \M - 重复前面第M个分组

用法三：捕获 re中的findall在获取子串的时候，如果正则中有分组，只会获取分组匹配到的结果

print(fullmatch(r'(ab){2,3}','ababab')) # <re.Match object; span=(0, 6), match='ababab'> # 两个数字两个字母的结构重复3~5次89nm78jk89mk print(fullmatch(r'(\d{2}[a-z]{2}){3,5}', '89nm78jk89mk')) # <re.Match object; span=(0, 12), match='89nm78jk89mk'> re_str = r'(\d)\1(4)\1' print(fullmatch(re_str, '8848')) re_str = r'a\d{2}b' print(findall(re_str, 'mmmma78bkkka98blasa-a01b===')) # ['a78b', 'a98b', 'a01b'] re_str = r'a(\d{2})b' print(findall(re_str, 'mmmma78bkkka98blasa-a01b===')) # ['78', '98', '01']

分支

1）| 正则1|正则2|正则3|… 先用正则1进行匹配，如果匹配成功整个正则就匹配成功；如果失败就用正则2进行匹配，如果整个正则就匹配成功 如果失败就用正则3进行匹配，以此类推…

# 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后边是三个大写字母 re_str = r'abc\d{3}|abc[A-Z]{3}' print(fullmatch(re_str, 'abc123')) re_str = r'abc(\d{3}|[A-Z]{3})' print(fullmatch(re_str, 'abcKNM'))

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, '15.34')) # 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'[ab\]cA\-D]123' print(fullmatch(re_str, '-123')) # 单行匹配 print(fullmatch(r'a.b', 'a\nb')) # None # 多行匹配 print(fullmatch(r'a.b', 'a\nb', flags=S)) # <re.Match object; span=(0, 3), match='a\nb'> # 忽略大小写 print(fullmatch(r'abc', 'ABC', flags=I)) print(fullmatch(r'(?i)abc', 'ABC')) # <re.Match object; span=(0, 3), match='ABC'> # 忽略大小写并且单行匹配（i和s的位置前后没有关系） print(fullmatch(r'abc', 'ABC', flags=I | S)) print(fullmatch(r'(?is)abc', 'ABC')) # <re.Match object; span=(0, 3), match='ABC'>

3.re模块的使用

import re

3.1re.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('888')) # <re.Match object; span=(0, 3), match='888'> # re.fullmatch(正则表达式, 字符串) print(re.fullmatch(r'\d{3}', '889')) # <re.Match object; span=(0, 3), match='889'>

3.2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，匹配成功返回匹配对象 match(正则, 字符串) - 让字符串的开头和正则进行匹配，匹配失败返回None，匹配成功返回匹配对象

print(re.match(r'\d{3}', '678jingdongfang1asd'))

匹配对象 1)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 匹配对象.group(N)

result = re.match(r'(\d{2})([a-z]{3})([A-Z]{2})', '23asdASSDAS2') print(result.group()) # 23asdAS print(result.group(0)) # 23asdAS print(result.group(1)) # 23 print(result.group(2)) # asd

2)匹配范围 - 匹配到的子串在原字符串中的下标范围 匹配对象.span()

print(result.span()) # [0, 7) print(result.span(2)) # [2, 5)

3.3查找 search(正则, 字符串) - 在字符串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 inditer(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

print(re.search(r'\d{3}', 'asdasd123sdasdfgd343jaas==')) # <re.Match object; span=(6, 9), match='123'> # 没有分组 ['123', '343'] print(re.findall(r'\d{3}', 'asdasd123sdasdfgd343jaas==')) # ['123', '343'] # 有一个分组 ['123'] print(re.findall(r'a(\d{3})', 'asdasda123sdasdfgd343jaas==')) # ['123', '343'] # 有两个或者两个以上的分组：[('a', '123')] print(re.findall(r'd(a)(\d{3})', 'asdasda123sdasdfgd343jaas==')) print(re.findall(r'(\d|[a-z])[A-Z]{2}', 'hkM-水电费8MN速度快的6AZ')) # 3)finditer result = re.finditer(r'd(a)(\d{3})', 'asdasda123sdasdfgd343jaas==') print(list(result), type(result)) # [<re.Match object; span=(5, 10), match='da123'>] <class 'callable_iterator'>

3.4

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中满足正则的子串全部替换成字符串1

result = re.split(r'\d+', 'asdasdas123asdasgdf54sdf546g') print(result) # ['asdasdas', 'asdasgdf', 'sdf', 'g'] result = re.sub(r'\d+', '+', 'asdasdas123asdasgdf54sdf546g') print(result) # asdasdas+asdasgdf+sdf+g