#!usr/bin/env python3
#-*- coding:utf-8 -*-
import re
# re.match('re_expression','strings') match中的正则表达式会从给定字符串的第一个字符开始匹配,如果前面N个字符不符合,则返回None,否则返回匹配的字符串,match()只返回满足字符串中第一个满足表达式的子串
re_m = re.match(r'd{3}-d','010-12345')
re_text = re_m.group(0)
#'010-1
re_m2 = re.match(r'sd{3}-d','010-12345')
#re_m2的值为None
match后的结果用group()来获取, group()等于group(0)返回满足整个正则表达式的字符串, group(1),返回表达式中的第一个分组的内容,group(2)返回第二个分组的内容,groups()返回分组1,分组2,。。组成的一个元组
mol = re.compile(r'(d{3}w([.A-F]{2,4})[F-Z]{2})')
#mol.search('strings') 与 match相比,search可以从内容的中间开始匹配,其他的同match,只返回第一个满足的子串
mol.search('asd123A.EVU23').group()
#'123A.EVU'
#findall 与search,match相比,查找时可以从内容的任意位置开始,也可以返回所有的 符合的子串
mo1=re.compile(r'''(d{3}w{2}([.A-F]{2,4})[%@F-Z]{3})''',re.VERBOSE)
A = mo1.findall('576dfCD.HIS794SDABC@KM')
#[('576dfCD.HIS','CD.'),('794SDABC@KM','ABC')]
compile()的第二个参数,可以设定正则表达式的一些特性
re.VERBOSE 用于忽视正则表达式中的 空白符和注释
re.I或re.IGNORECASE 让正则表达式忽视大小写
re.DOTALL 让正则中的句点符匹配所有的字符,包括换行符
如果需要同时使用多个特性,可以用|连接多个特性值
someRegexValue=re.compile('foo',re.IGNORECASE|re.DOTALL)
someRegexValue=re.compile('foo',re.IGNORECASE|re.DOTALL|re.VERBOSE)
使用正则表达式分割字符串
re.split(r's+','a b c')
#['a','b','c']
使用正则表达式匹配需替换的字符串
namesRegex=re.compile(r'Agent w+')
namesRegex.sub('CENSORED','Agent Alice gave the secret documents to Agent Bob.')
#'CENSORED gave the secret documents to CENSORED.'
#正则表达式
#在正则表达式中,如果直接给出字符,就是精确匹配。用d可以匹配一个数字,w可以匹配一个字母、数字或下划线 . 英文点号可以匹配任意单个字符,换行符除外。
#s 可以匹配一个空格(也包括Tab等空白符),对于特殊字符- ,在正则表达式中要用转义字符转义。
#D 匹配除0到9的数字以外的任何字符 ,W 匹配除数字、字母和下划线以外的任何字符,S 匹配除空格、制表符和换行符以外的任何字符
#变长字符:表示匹配前一个字符的次数 *表示0个或多个字符 + 表示至少一个字符,?表示0个或1个字符,用{n}表示n个字符,用{n,m}表示n-m个字符:
#d{3}s+d{3,8} 表示匹配3个数字和一个或多个空格和3-8个数字
#中括号[]可以自定义匹配范围,表示可以是里面的任意一个
#[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头,后接任意个数字、字母或下划线组成的字符串,也就是Python合法的变量。
#A|B可以匹配A或B,所以 (P|p)ython 可以匹配Python 或 python .
#^表示行的开头,^d 表示必须以数字开头。 $表示行的结束,d$表示必须以数字结束。
#py也可以匹配python,但是加上^py$就变成了整行匹配,就只能匹配py了。
#在字符串前加上r,表示对立面的字符不转义。
import re
re.match(r'^d{3}-d{3,8}$','010-12345')
re.match(r'^d{3}-d{3,8}$','010 12345')
#match()方法判断是否匹配,如果匹配成功,返回一个match对象,否则返回None.
#经Python3.5测试,只有res2有匹配到值,res1,res3都返回None。match是根据匹配模式从给定字符串的第一个字符开始匹配,如果第一个字符就不符合,则返回None
'''
>>> pattern=re.compile(r'hello')
>>> res1=re.match(pattern,'hell')
>>> res2=re.match(pattern,'hellow')
>>> res3=re.match(pattern,'ashello')
>>> res1
>>> res2
<_sre.SRE_Match object; span=(0, 5), match='hello'>
>>> res3
'''
# 分组
# 除了简单地判断是否匹配之外,正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组(Group).比如 ^(d{3})-(d{3,8})$分别定义了两个组,
#可以直接从匹配的字符串中提取出区号和本地号码:
m=re.match(r'^(d{3})-(d{3,8})$','010-12345')
print(m.group(0),
m.group(1),
m.group(2))
#010-12345 010 12345
#group(0)永远是原始字符串,group(1)、group(2)……表示第1/2、……个子串。
#贪婪匹配
#正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符。例,匹配出数字后面的0:
re.match(r'^(d+)(0*)$','102300').groups()
#('102300', '')
#由于d+采用贪婪匹配,直接把后面的0全部匹配了,结果0*只能匹配空字符串了。
re.match(r'^(d+?)(0*)$','1022300300').groups()
#('10223003', '00')
'''
import re
mo1=re.compile(r'''(d{3}w{2}([.A-F]{2,4})[%@F-Z]{3})''',re.VERBOSE)
A = mo1.findall('576dfCD.HIS794SDABC@KM')
for n in A:
print(n[0])
'''
#用管道“|”匹配多个分组。
#希望匹配许多表达式中的一个时,可以用它
#如r'Batman|Tina Fey'将匹配‘Batman或Tian Fey .如果Batman和Tina Fey 都出现在被查找的字符串中,第一次出现的匹配文本将作为Match对象返回。
heroRegex=re.compile(r'Batman|Tina Fey')
mo1=heroRegex.search('Batman and Tina Fey.')
print(mo1.group())
#Batman
#也可以使用管道来匹配多个模式中的一个,作为正则表达式的一部分。
#比如你希望匹配Batman,Batmobile,Batcopter和Batbat中任意一个。
batRegex=re.compile(r'Bat(man|mobile|copter|bat)')
mo=batRegex.search('Batmobile lost a wheel')
#点-星将匹配除除换行符外的所有字符。
#通过传入re.DOTALL作为re.compile()的第二个参数,可以让句点字符匹配所有字符,包括换行符。
noNewlineRegex=re.compile('.*')
m='Serve the public trust. Protect the innocent. Uphold the law.'
n=noNewlineRegex.search(m).group()
print(n)
#'Serve the public trust.'
newlineRegex=re.compile('.*',re.DOTALL)
print(newlineRegex.search(m).group())
'''
Serve the public trust.
Protect the innocent.
Uphold the law.
'''
#不区分大小写的匹配,可以向re.compile()传入re.IGNORECASE或re.I,作为第二个参数。
robocop=re.compile(r'robocop',re.I)
robocop.search('Robocop is part man,part machine,all cop.').group()
#'Robocop'
#用sub()方法替换字符串
#正则表达式不仅能找到文本模式,而且能够用新的文本替换掉这些模式。
#Regex对象的sub()方法需要传入两个参数。第一个参数是一个字符串,用于取代发现的匹配。第二个参数是一个字符串,即正则表达式。sub()方法
#返回替换完成后的字符串。
namesRegex=re.compile(r'Agent w+')
namesRegex.sub('CENSORED','Agent Alice gave the secret documents to Agent Bob.')
#'CENSORED gave the secret documents to CENSORED.'
#有时候,你可能需要使用匹配的文本本身,作为替换的一部分,在sub()的第一个参数中,可以输入1、2、3.....表示“在替换中输入分组1,2,3...的文本。
#例如,假定想要隐去密探的姓名,只显示他们姓名的第一个字母。要做到这一点,可以使用正则表达式Agent(w)w*,传入r'I****'作为sub()的第一个参数。
#字符串中的I将由分组1匹配的文本所替代,也就是正则表达式的(w)分组。
agentNamesRegex=re.compile(r'Agent (w)w*')
agentNamesRegex.sub(r'1****','Agent Alice told Agent Carol that Agent Eve knew Agent Bob was a double agent.')
#'A**** told C**** that E**** knew B**** was a double agent.'
#管理复杂的正则表达式
#如果需要匹配复杂的文本模式,可能需要长的、费解的正则表达式。
#可以通过向re.compile()传入变量re.VERBOSE作为第二个参数,告诉re.compile()忽略正则表达式字符串中的空白符和注释。
#现在,不必使用这样难以阅读的正则表达式。
phoneRegex=re.compile(r'((d{3}|(d{3}))?(s|-|.)?d{3}(s|-|.)d{4}(s*(ext|x|ext.)s*d{2,5})?)')
#你可以将正则表达式放在多行中,并加上注释:
phoneRegex=re.compile(r'''(
(d{3}|(d{3}))? #area code
(s|-|.)? #separator
d{3} #first 3 digits
(s|-|.) #separator
d{4} #last 4 digits
(s*(ext|x|ext.)s*d{2,5})? #extension
)''',re.VERBOSE)
#组合使用re.IGNORECASE ,re.DOTALL和re.VERBOSE
#如果你希望在正则表达式中使用re.VERBOSE来编写注释,还希望用re.IGNORECASE来忽略大小写,该怎么办?
#遗憾的是,re.compile()函数只能接收一个值作为它的第二个参数。可以使用管道字符(|)将变量组合起来,从而绕过这个限制。管道字符在这里称为“按位或”操作符。
#如果希望正则表达式不区分大小写,并且句点字符匹配换行,就可以这样构造re.compile()调用:
someRegexValue=re.compile('foo',re.IGNORECASE|re.DOTALL)
#使用第二个参数的全部3个选项:
someRegexValue=re.compile('foo',re.IGNORECASE|re.DOTALL|re.VERBOSE)
#编译
#当我们在python 中使用正则表达式时,re模块内部会干两件事:
#1.编译正则表达式,如果正则表达式的字符串本身不合法,会报错
#2.用编译后的正则表达式去匹配字符串。
#如果一个正则表达式要重复使用几千次,出于效率考虑,我们可以预编译该正则表达式,接下来重复使用时就不需要编译这个步骤了,直接匹配
re_telephone=re.compile(r'^(d{3})-(d{3,8})$')
re_telephone.match('010-12345').groups()
re_telephone.match('010-8086').groups()