Python正则表达式

# ### 正则表达式 - 匹配单个字符
import re
"""lst = re.findall(正则表达式,字符串)"""
# (1) 预定义字符集
# \d 匹配数字
strvar = "sdjfklj234&*(&1"
lst = re.findall("\d",strvar)
print(lst)
# \D 匹配非数字
strvar = "YWERsdf78_&"
lst = re.findall("\D",strvar)
print(lst)
# \w 匹配字母或数字或下划线     (正则函数中,支持中文的匹配)
strvar = "sadf234_^&*%$^$%你好"
lst = re.findall("\w",strvar)
print(lst)
# \W 匹配非字母或数字或下划线
strvar = "sadf234_^&*%$^$%你好"
lst = re.findall("\W",strvar)
print(lst)
# \s 匹配任意的空白符 ( " "  \t  \n \r )
strvar = " 		 \r "
lst = re.findall("\s",strvar)
print(lst)
# \S 匹配任意非空白符
strvar = " 		 \r  123_*("
lst = re.findall("\S",strvar)
print(lst)
# \n 匹配一个换行符
strvar = """
今天国庆假期结束了,兄弟们满载	而归,玩的	很困,尽	快调	整.
"""
lst = re.findall(r"\n",strvar)
print(lst)
# \t 匹配一个制表符
lst = re.findall(r"\t",strvar)
print(lst)
# (2) 字符组 [] 匹配出字符组当中列举的字符(默认选一个)
# lst = re.findall("[123]","a1b2c3d4")
# print(lst)
print(re.findall('a[abc]b','aab abb acb adb')) # aab abb acb
print(re.findall('a[0123456789]b','a1b a2b a3b acb ayb')) # a1b  a2b a3b
# 优化写法 0123456789  => 0-9
print(re.findall('a[0-9]b','a1b a2b a3b acb ayb')) 
print(re.findall('a[abcdefg]b','a1b a2b a3b acb ayb adb')) # acb adb
# 优化写法 abcdefg => a-g  表达所有的小写字母 a-z
print(re.findall('a[a-g]b','a1b a2b a3b acb ayb adb'))
print(re.findall('a[a-z]b','a1b a2b a3b acb ayb adb')) # acb adb ayb
print(re.findall('a[ABCDEFG]b','a1b a2b a3b  aAb aDb aYb')) # aAb aDb
# 优化写法 ABCDEFG => A-G  表达所有的大写字母 A-Z
print(re.findall('a[A-G]b','a1b a2b a3b  aAb aDb aYb')) # aAb aDb
print(re.findall('a[A-Z]b','a1b a2b a3b  aAb aDb aYb')) # aAb aDb aYb
# 注意点: 不能直接写A-z  中间ascii编码中包含了特殊的符号
print(re.findall('a[A-z]b','a1b a2b a3b acb ayb adb a[b'))
# 匹配所有的字母和数字
print(re.findall('a[a-zA-Z0-9]b','a1b a2b a3b acb ayb adb a[b'))
print(re.findall('a[0-9a-zA-Z]b','a-b aab aAb aWb aqba1b'))  #aab aAb aWb aqb a1b
print(re.findall('a[0-9][*#/]b','a1/b a2b a29b a56b a456b')) # a1/b
# ^ 在字符组开头的位置出现代表 除了...的意思
print(re.findall('a[^-+*/]b',"a%b ccaa*bda&bd")) #a%b a&b
# 匹配^-\等特殊字符时 ,需要前面加上\进行转义
strvar = "a^c a-c a\c"
lst = re.findall(r"a[\^\-\\]c",strvar)
print(lst)
print(lst[-1])
# 注意点:为了防止转义,在正则表达式中或者要匹配的字符串中,无脑加r实现匹配
strvar = r"a\b"
lst = re.findall(r"a\\b",strvar)
print(lst[0])

# ### 正则表达式 - 匹配多个字符
# (1) 量词
import re
'''1) ? 匹配0个或者1个a '''
print(re.findall('a?b','abbzab abb aab'))   #  ab b  ab ab b ab
'''2) + 匹配1个或者多个a '''
print(re.findall('a+b','b ab aaaaaab abb')) # ab aaaaaab ab
'''3) * 匹配0个或者多个a '''
print(re.findall('a*b','b ab aaaaaab abbbbbbb')) # b ab aaaaaab ab b b b b b b 
'''4) {m,n} 匹配m个至n个a '''
# 1 <= a <= 3 
print(re.findall('a{1,3}b','aaab ab aab abbb aaz aabb')) #aaab ab aab ab aab
# {2}  代表必须匹配2个a
print(re.findall('a{2}b','aaab ab aab abbb aaz aabb')) # aab aab aab
# {2,} 代表至少匹配2个a
print(re.findall('a{2,}b','aaab ab aab abbb aaz aabb')) # aaab aab aab
# (2) 贪婪匹配 和 非贪婪匹配
"""
贪婪匹配  : 默认向更多次匹配  (回溯算法)
非贪婪匹配: 默认向更少次匹配  (配合?号使用)    
回溯算法 : 从左向右进行匹配,直到找到最后一个,再也没有了,回头,返回上一个找到的内容
. 除了\n,匹配所有字符
非贪婪写法: 量词 + ? 
"""
# 贪婪匹配(模式)
strvar = "刘能和刘老根和刘罗锅111子222子"
lst = re.findall("刘.",strvar)
print(lst) # lst = re.findall("刘.?",strvar)
lst = re.findall("刘.?",strvar)
print(lst) # lst = re.findall("刘.?",strvar)
lst = re.findall("刘.+",strvar)
print(lst) # ['刘能和刘老根和刘罗锅111子222子']
lst = re.findall("刘.*",strvar)
print(lst) # ['刘能和刘老根和刘罗锅111子222子']
lst = re.findall("刘.{1,20}",strvar)
print(lst) # ['刘能和刘老根和刘罗锅111子222子']
lst = re.findall("刘.*子",strvar)
print(lst)
# 非贪婪匹配(模式)
lst = re.findall("刘.??",strvar)
print(lst) # ['刘', '刘', '刘']
lst = re.findall("刘.+?",strvar)
print(lst) # 刘能 刘老 刘罗
lst = re.findall("刘.*?",strvar)
print(lst) # ['刘', '刘', '刘']
lst = re.findall("刘.{1,20}?",strvar)
print(lst) # ['刘能', '刘老', '刘罗']
lst = re.findall("刘.*?子",strvar)
print(lst)
# (3) 边界符
"""
\b 本身是转义字符 退格,退到光标上一位
\b 在正则中还有边界符的意思
"word"
卡主左边界:\bw
卡主右边界:d\b
"""
strvar = "word old fuck"
# 右边界
lst = re.findall(r"d\b",strvar) # ['d', 'd']
lst = re.findall(r".*d\b",strvar) # ['word old']
lst = re.findall(r".*?d\b",strvar) # ['word old']
print(lst) 
# 左边界
lst = re.findall(r"\bw",strvar)
lst = re.findall(r"\bw.*",strvar)
lst = re.findall(r"\bw.*?",strvar)
lst = re.findall(r"\bw.*? ",strvar) # 空格在正则表达式中,不能随意加,是参与匹配的.
lst = re.findall(r"\bw\S*",strvar)
print(lst)
# (4) ^ $的使用
"""
^ 写在在字符串的开头,表达必须以某个字符开头
$ 写在在字符串的结尾,表达必须以某个字符结尾
当使用了^ $ 代表要把该字符串看成一个整体
"""
strvar = "大哥大嫂大爷"
print(re.findall('大.',strvar))  # ['大哥', '大嫂', '大爷']
print(re.findall('^大.',strvar)) # ['大哥']
print(re.findall('大.$',strvar)) # ['大爷']
print(re.findall('^大.$',strvar))# []
print(re.findall('^大.*?$',strvar))   # ['大哥大嫂大爷']
print(re.findall('^大.*?大$',strvar)) # []
print(re.findall('^大.*?爷$',strvar)) # ['大哥大嫂大爷']
print(re.findall('^g.*? ' , 'giveme 1gfive gay')) # giveme 
print(re.findall('five$' , 'aassfive')) # [five]
print(re.findall('^giveme$' , 'giveme')) # ['giveme']
print(re.findall('^giveme$' , 'giveme giveme')) # []
print(re.findall('giveme' , 'giveme giveme')) # ['giveme', 'giveme']
print(re.findall("^g.*e",'giveme 1gfive gay')) # ['giveme 1gfive']

# ### 匹配分组 ()表达整体
import re
# (1)分组
print(re.findall('.*?_good','wusir_good alex_good secret男_good'))
print(re.findall('(.*?)_good','wusir_good alex_good secret男_good'))
# (?:) 代表不优先显示分组里面的内容,只是显示正常匹配到的内容
print(re.findall('(?:.*?)_good','wusir_good alex_good secret男_good'))
# (2) | 代表或 , a|b 匹配字符a 或者 匹配字符b . 
strvar = "abceab"
lst = re.findall("a|b",strvar)
print(lst)
# 注意点:把不容易匹配到的内容放到前面,把容易匹配到的内容放到后面
strvar = "abcdeabc234f"
lst = re.findall("abcd|abc",strvar)
print(lst)
# (3) 练习
"""
.  可以匹配任意的字符,除了\n
\. 对.进行转义,表达.这个字符本身.
"""
# 匹配小数 
strvar = "3....  ....4  .3 ...3   1.3  9.89  10"
lst = re.findall(r"\d+\.\d+",strvar)
print(lst)
# 匹配小数和整数 
lst = re.findall(r"\d+\.\d+|\d+",strvar)
print(lst)
# 使用分组改造
'''findall优先显示括号里的内容,需要加上?:取消哦优先显示,按照匹配到的内容显示'''
lst = re.findall(r"\d+(?:\.\d+)?",strvar)
print(lst)
# 匹配135或171的手机号 
strvar = "13566668888 17366669999 17135178392"
lst = re.findall(r"(?:135|171)\d{8}",strvar)
print(lst)
# 优化,只能匹配出一个手机号
strvar = "13566668888"
lst = re.findall(r"^(?:135|171)\d{8}$",strvar)
print(lst)
obj = re.search(r"^(135|171)\d{8}$",strvar)
print(obj)
print(obj.group())
print(obj.groups())
# 匹配www.baidu.com 或者 www.oldboy.com
"""
findall : 从左到右,匹配出所有的内容,返回到列表
		  问题是,匹配到的字符串和分组的内容不能同时显示;
search  : 从左到右,匹配到一组内容就直接返回,返回的是对象
		  优点是,可以让匹配到的内容和分组里的内容同时显示;
		  匹配不到内容时,返回的是None
obj.group() : 获取匹配到的内容
obj.groups(): 获取分组里面的内容
"""
# findall
strvar = "www.baidu.com  www.oldboy.com  www.wangwen.com"
lst = re.findall(r"(?:www)\.(?:baidu|oldboy)\.(?:com)",strvar)
print(lst)
# search
strvar = "www.baidu.com  www.oldboy.com  www.wangwen.com"
obj = re.search(r"(www)\.(baidu|oldboy)\.(com)",strvar)
print(obj)
# 获取匹配到的内容
print(obj.group())
# 获取分组里面的内容 (推荐)
print(obj.groups())
# 方法二,可以直接通过下标1来获取分组里面的第一个内容;
print(obj.group(1))
print(obj.group(2))
print(obj.group(3))
# search 练习 : 计算"5*6-7/3"结果  匹配 5*6 或者 7/3
strvar =  "5*6-7/3"
# strvar = "www.baidu.com  www.oldboy.com  www.wangwen.com"
obj = re.search(r"\d+[*/]\d+",strvar)
res1 = obj.group()
print(res1 , type(res1)) # 5*6 <class 'str'>
# 计算结果
a,b = res1.split("*")
res2 = int(a) * int(b)
print(res2)
# 把30替换回原来的字符串中
strvar = strvar.replace(res1,str(res2))
print(strvar)
# 以此类推 ... 

1. 刘.??  最后一个问号是非贪婪模式，不是量词
word old fuck   w、d、o、d、f、k是边界
lst = re.findall(r"d\b",strvar) # ['d','d']
lst = refindall(r".*d\b",strvar) # ['word old'] 贪婪匹配，匹配到old之后
会继续向后匹配，匹配不到的话，返回前面已经匹配到的内容 
print(lst)
注意： wordoldfuck 这样不行没有边界，r"d\b" 前面无脑加r，因为\b本身有退格的含义，加r让退格实现，从而使正则的边界的效果生效

# 1、匹配整数或者小数（包括正数和负数）
# 2、匹配年月日日期 格式 2018-12-31
# 3、匹配qq号 5-12 首字符没有0
# 4、11位的电话号码
# 5、长度为8-10位的用户密码 : 包含数字字母下划线
# 6、匹配验证码：4位数字字母组成的
# 7、匹配邮箱地址 邮箱规则 123463922@qq.com  123@abc.com.cn
# @之前必须有内容且只能是字母,数字,下划线(_),减号(-),点(.)
# @符号后面是字母,数字,减号(-),保留121@qq.com.cn 的可能
# 最后一个点(.)之后必须有内容,字母,数字且长度为大于等于2个字节,小于等于6个字节
# 8、从类似
# <a>wahaha</a>
# <b>banana</b>
# <h1>qqxing</h1>
# <h1>q</h1>
# 这样的字符串中，
# 1）匹配出 wahaha，banana，qqxing 内容。
# 2）匹配出 a,b,h1这样的内容
# 9、'1-2*((60-30+(-40/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))'
# 从上面算式中匹配出最内层小括号以及小括号内的表达式
# 10正则小程序:
"""
	给你字符串 '1-2*((60-30+(-40/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))' 计算最后结果.  
"""

# 1、匹配整数或者小数（包括正数和负数）
[+-]?\d+(\.\d+)?
# 2、匹配年月日日期 格式 2018-12-31
([12]\d{3})-(0?[1-9]|1[0-2])-(0?[1-9]|[12]\d|3[01])      # 0?[1-9]|1\d|2\d|3[01]   => 0?[1-9]|[12]\d|3[01] 
# 3、匹配qq号 5-12 首字符没有0 
[1-9]\d{4,11}
# 4、11位的电话号码
1[356789]\d{9}
# 5、长度为8-10位的用户密码 : 包含数字字母下划线
\w{8,10}
if "数字" in strvar and "字母" in strvar and "_" in strvar:
	return ok
else :
	return "格式不对"
# 6、匹配验证码：4位数字字母组成的
[0-9a-zA-Z]{4}
# 7、匹配邮箱地址 邮箱规则 123463922@qq.com  123@abc.com.cn
# @之前必须有内容且只能是字母,数字,下划线(_),减号(-),点(.)
[\w\-\.]+
# @符号后面是字母,数字,减号(-),保留121@qq.com.cn 的可能
@[a-zA-Z\d\-]+(\.[a-zA-Z\d\-]+)?
# 最后一个点(.)之后必须有内容,字母,数字且长度为大于等于2个字节,小于等于6个字节
\.[a-zA-Z\d]{2,6}
#综合:
[\w\-\.]+@[a-zA-Z\d\-]+(\.[a-zA-Z\d\-]+)?\.[a-zA-Z\d]{2,6}
# 8、从类似
# <a>wahaha</a>
# <b>banana</b>
# <h1>qqxing</h1>
# <h1>q</h1>
# 这样的字符串中，
# 1）匹配出 wahaha，banana，qqxing 内容。
<.*?>(.*?)<.*?>
# 2）匹配出 a,b,h1这样的内容
<(.*?)>.*?<.*?>
# 9、'1-2*((60-30+(-40/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))'
# 从上面算式中匹配出最内层小括号的表达式
import re
strvar = '1-2*((60-30+(-40/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))'
obj = re.search(r"\([^\(\)]+\)",strvar)
print(obj.group())
# 10正则小程序:
"""
	给你字符串 '1-2*((60-30+(-40/5)*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))' 计算最后结果.  
"""

import re
strvar = '1-2*((60-30+-8*(9-2*5/3+7/3*99/4*2998+10*568/14))-(-4*3)/(16-3*2))'
# 外面有括号,里面再也没有括号的的表达式就是最里层表达式;
# obj = re.search(r"\([^\(\)]+\)",strvar)
# print(obj.group())
# strvar = '1-2*(-5-6/-2*2)+(40 -  7)'
# 去除多余的符号
def operate_sign(strvar):
	strvar = strvar.replace("--","+")
	strvar = strvar.replace("++","+")
	strvar = strvar.replace("-+","-")
	strvar = strvar.replace("+-","-")
	return strvar
# 计算表达式的值
def calc_res(strvar):
	if "/" in strvar:
		a,b = strvar.split("/")
		return float(a) / float(b)
	elif "*" in strvar:
		a,b = strvar.split("*")
		return float(a) * float(b)
# 匹配计算出对应的表达式
def calc_exp(strvar):
	print(strvar , "strvar ... ") # (-5-6/-2*2) 
	# ### part1 只计算乘除
	while True:
		# 1.写一条正则匹配出乘除
		obj = re.search(r"\d+(\.\d+)?[*/][+-]?\d+(\.\d+)?",strvar)
		if obj:
			# 2.匹配出乘除表达式
			res1 = obj.group()
			print(res1 , "res1 ... ") # 6/-2 res1 ... 
			# 2.计算当前表达式的结果
			res2 = calc_res(res1)
			print(res2 , "res2 .. ")  # -3.0 res2 ..
			# 3.用结果替换原乘除表达式
			strvar = strvar.replace(res1,str(res2))
			print(strvar , "strvar ... 1111") # (-5--3.0*2) strvar ... 1111
		else:
			break
	# ### part2 只计算加减
	# 把表达式当中多余的符号做一个替换
	strvar = operate_sign(strvar)
	print(strvar,"2222")	
	# 计算这个表达式+-结果
	lst = re.findall("[+-]?\d+(?:\.\d+)?",strvar)
	# print(lst)
	# 计算累加和
	total = 0
	for i in lst:
		total += float(i)
	return total
# 去除括号
def remove_bracket(strvar):
	while True:
		obj = re.search(r"\([^\(\)]+\)",strvar)
		# print(obj)
		if obj:
			# 匹配括号里面的表达式
			res1 = obj.group()
			print(res1 , "res1 ... ... ..  ") # (-5-6/-2*2) res1 ... ... ..  
			# 计算括号里面的表达式
			res2 = calc_exp(res1)	
			print(res2,"res2 ... remove_bracket") # 1.0
			# 用计算的结果替换原来的括号
			strvar = strvar.replace(res1,str(res2))
		else:
			return strvar
		# print(strvar," strvar ... remove_bracket")
# 主函数统一调用
def main(strvar):
	# 0.先去掉字符串当中出现的空格
	# 1.通过正则匹配到最里层小括号
	# 2.计算括号里面的数值
	# 3.拿算好的数值替换原来的小括号
	# 4.循环在去匹配下一个小括号,依次类推 ...
	# 先去掉字符串当中出现的空格
	strvar = strvar.replace(" ","")
	print(strvar)
	# 移除表达式中的所有括号
	res = remove_bracket(strvar)
	print(res , "res   main ...")
	# 计算最后一次没有括号的那个表达式的结果
	return calc_exp(res)
res = main(strvar)
print(res)
# print(eval(strvar))