正则表达式

1.二进制数据的转换

1.二进制类型/字节(bytes) 2.其他数据转二进制:bytes(数据) 字符串转二进制:字符串.encode()

print(bytes(10)) # b'\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00' # print(bytes(12.5)) print(bytes(True)) # b'\x00' print(bytes('abc', encoding='utf-8')) # b'abc' print(bytes([1, 2])) # b'\x01\x02' # print(bytes([100, 'abc'])) list1 = [100, 'abc, 12.5'] b1 = bytes(str(list1), encoding='utf-8') print(b1) str2 = 'hello' b2 = str2.encode(encoding='utf-8') print(b2) # b'hello'

3.二进制转字符串: 方法一:str(数据, encoding=‘utf-8’) 方法二:二进制数据.decode(encoding=‘utf-8’)

# 方法一:str(数据, encoding='utf-8') str1 = str(b1, encoding='utf-8') 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) # hello

2.正则语法

1.什么是正则表达式 正则表达式是一种工具:专门用来做字符串匹配的工具,能够在某些情况下让字符串处理变得非常简单.

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,匹配返回匹配对象

tel = '18583228520' result = fullmatch(r'1[3-9]\d{9}', tel) print(result)

2.正则表达式的语法(通用的)

普通字符：普通字符在正则表达式中表示这个符号本身

# 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) # 2). - 匹配任意一个字符 # 匹配一个长度是三的字符串，第一个字符是任意字符，后面是bc re_str = r'.bc' result = fullmatch(re_str, 'bbc') print(result) # 3)\d - 匹配任意一个数字字符 re_str = r'\d\d\d' result = fullmatch(re_str, '123') print(result) re_str = r'\d\dabc' result = fullmatch(re_str, '12abc') print(result) # 4)\D - 匹配任意一个非数字字符 re_str = r'\d\D\d' result = fullmatch(re_str, '4我5') print(result) # 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' result = fullmatch(re_str, 'abc 123') print(result) # 6)\S - 匹配任意一个非空白字符 re_str = r'abc\S\d' result = fullmatch(re_str, 'abc啊1') print(result) # 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，，了解一下就行) # 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

re_str = r'[你w=3]123' result = fullmatch(re_str, '=123') print(result) # -在[]中两个字符之间才有意义 re_str = r'[-abc]12-3' result = fullmatch(re_str, '-12-3') print(result) # 9)[^字符集] - 匹配不在字符集中的任意一个字符

注意：：^在[]中，如果没有在开头，就表示这个符号本身

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

\b - 检测是否是单词边界 \B - 检测是否是单词边界 ^ 检测是否是字符串开头 $ - 检测是否是字符串结尾

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、字符串开头和结尾

re_str = r'abc\b\s123' result = fullmatch(re_str, 'abc 123') print(result)

匹配次数 1)* - 0次或者多次 2)+ - 1次或者多次 3)? - 0次或者1次 4){ } {N} - 匹配N次 {M,N} - 匹配M~N次 {M,} - 至少匹配M次 {,N} - 最多匹配N次

re_str = r'\d{3}' print(fullmatch(re_str, '791')) # 用户名的要求，全部由数字或者字母组成，长度是3-6位 re_str = r'[\da-zA-Z]{3,6}' print(fullmatch(re_str, '2K9'))

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?)

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, 'xxamnbfabw我爱你呀b嘻嘻')) # <re.Match object; span=(2, 15), match='amnbfabw我爱你呀b'> # 非贪婪模式 re_str = r'a.+?b' print(search(re_str, 'xxamnbfabw我爱你呀b嘻嘻')) # <re.Match object; span=(2, 6), match='amnb'>

分组() 用法一：整体操作 a{2,3} (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3~5次 re_str = r'(\d{2}[a-z]{2}){3,5}' print(search(re_str, '12lk34jl56hj31nj')) re_str = r'M(\d[a-z])N\1([A-Z])\2' print(search(re_str, 'M2fN2fKK')) re_str = r'a\d{2}b' print(findall(re_str, 'mma21bfa34b-3a32b=')) # ['a21b', 'a34b', 'a32b'] re_str = r'a(\d{2})b' print(findall(re_str, 'mma21bfa34b-3a32b=')) # ['21', '34', '32']

分支 | 正则1|正则2|正则3… 先用正则1进行匹配，如果匹配成功，整个匹配就成功，如果匹配失败，就用正则2匹配…以此类推

# 示例：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, 'abc234')) # <re.Match object; span=(0, 6), match='abc234'> re_str = r'abc(\d{3}|[A-Z]{3})' print(fullmatch(re_str, 'abcKNM')) # <re.Match object; span=(0, 6), match='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, '23.45')) re_str = r'\d\+' print(fullmatch(re_str, '8+')) re_str = r'\(\d{2}\)' print(fullmatch(re_str, '(23)'))

注意：在正则中独立存在有特殊意义的符号，放在[ ]中，它的意义会自动消失

3.re模块的使用

1.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}') # re_obj.fullmatch(字符串) print(re_obj.fullmatch('789'))

2.匹配 fullmatch(正则， 字符串) - 让整个字符串和正则匹配，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}', '324romance')) # <re.Match object; span=(0, 3), match='324'>

3.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) - 获取第N个分组匹配到的子串 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()

result = re.match(r'(\d{2})([a-z]{3})([A-Z]{2})', '34knmHKyou') print(result) # 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) - 获取第N个分组匹配到的子串 print(result.group()) # 34knmHK print(result.group(1)) # 34 print(result.group(3)) # HK # 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)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 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

print(re.search(r'\d{3}', 'hjha453舒克贝塔520')) # <re.Match object; span=(4, 7), match='453'> # 没有分组 print(re.findall(r'\d{3}', 'hjha453舒克贝塔520')) # ['453', '520'] # 有一个分组 print(re.findall(r'a(\d{3})', 'hjha453舒克贝塔a520fsa119')) # ['453', '520', '119'] # 有两个或者两个以上分组 print(re.findall(r'a(\d{3})([a-z]{2})', 'hjha453ds舒克贝塔a520fsa119fa')) # [('453', 'ds'), ('520', 'fs'), ('119', 'fa')]

4.切割split和替换sub split(正则，字符串) - 将字符串中满足正则的子串作为切割点

result = re.split(r'\d+', 'kjfaskj124hwhfrkh43ahjkfskd2413412看到回复') print(result) # ['kjfaskj', 'hwhfrkh', 'ahjkfskd', '看到回复'] result = re.sub(r'\d+', '+', 'kjfaskj124hwhfrkh43ahjkfskd2413412看到回复') print(result) # kjfaskj+hwhfrkh+ahjkfskd+看到回复