import re
"""
使用match方法进行匹配
result = re.match(正则表达式,要匹配的字符串)
如果match匹配到数据的话,就可以使用group方法提取数据
注: 若字符串匹配正则表达式,则match方法返回匹配对象(Match Object), 否则返回None(不是空字符串)
match方法是从左到右匹配(因为match的这种特性，所以 ^ 从字符串头开始匹配 可以不用写)，匹配到不一样的地方，match方法就结束！
"""
""" . :匹配任意一个字符，\n除外 [] :匹配[]中列举的字符 \d : 数字，即0~9 \D : 非数字 \s : 空白字符，包括空格， \n , \t ,\r, 回车换行 \S ：非空白字符 \w ：单词，（可以看成是校验python变量名，实际两者没有任何关系，a~z , A~Z, 0~9 , _ ） \W : 非单词字符 """
In [1]: import re
In [2]: re.match('admin','good.admin')
In [3]: re.match('.+','good.admin')
Out[3]: <re.Match object; span=(0, 10), match='good.admin'>
In [4]: re.match('.','good.admin')
Out[4]: <re.Match object; span=(0, 1), match='g'>
In [5]: re.match('..','good.admin')
Out[5]: <re.Match object; span=(0, 2), match='go'>
In [6]: re.match('.*','good.admin')
Out[6]: <re.Match object; span=(0, 10), match='good.admin'>
In [7]: re.match('\w','good')
Out[7]: <re.Match object; span=(0, 1), match='g'>
In [8]: re.match('\w','g1')
Out[8]: <re.Match object; span=(0, 1), match='g'>
In [9]: re.match('\W','g1')
# \w与g匹配，但是\W与1不相匹配，所以最终还是不匹配，返回None
In [10]: re.match('\w\W','g1')
""" 边界问题 ^ : 匹配字符串开头 $ : 匹配结尾 \b : 匹配单词边界 \B ： 匹配非单词边界 """
"""
匹配数量：
* : 匹配一个字符出现0次或者无限多次
+ ：匹配一个字符出现1次或者无限多次
？ ：匹配一个字符出现0次或者1次
{m} : 匹配一个字符出现m次
{m,}: 匹配一个字符至少出现m次
{m,n} : 匹配一个字符出现m到n次
"""
""" 边界问题 ^ : 匹配字符串开头 $ : 匹配结尾 \b : 匹配单词边界 \B ： 匹配非单词边界 """
'''
示例2:匹配手机号
'''
r = re.match('1[35689]\d{9}$','13218545678')
print(r) # <re.Match object; span=(0, 11), match='13218545678'>
r = re.match('1[35689]\d{9}$','132185456789')
print(r) #None
r = re.match('1[35689]\d{9}','132185456789') # 没有$符，无边界问题
print(r) #<re.Match object; span=(0, 11), match='13218545678'>
r = re.match('1[35689]\d{9}','13218545aaaa6789')
print(r) #None
''' 示例3： 匹配单词边界 ''' # r：去掉转义; ^:字符串开头， od\b：od是单词边界 r = re.match(r'^\w+od\b','good') print(r) # <re.Match object; span=(0, 4), match='good'> r = re.match(r'^\w+od\b','gooder') print(r) #None r = re.match(r'^\w+\bod\b','good') print(r) #None r = re.match(r'^\w+\bod\b','jd od') print(r) #None, 因为\b只表示单词边界，并不表示空格 r = re.match(r'^\w+\s\bod\b','jd od') # 这里用\s去匹配了jd与od之间的空白字符 print(r) #<re.Match object; span=(0, 5), match='jd od'> r = re.match(r'^\w+od\B','gooder') print(r) #<re.Match object; span=(0, 4), match='good'> r = re.match(r'^\w+od\B','good') print(r) #None
""" 分组： | ： 表示左右任意一个表达式 (ab) : 将括号中的字符作为一个分组 \num ： 引用分组num匹配到的字符串 (?P<name>) : 分组起别名 (?P=name) : 引用别名为name分组匹配到的字符串 """
'''示例4 匹配0-100之间的数字''' r = re.match(r'[1-9]\d?$|0$|100$','100' ) print(r) #<re.Match object; span=(0, 3), match='100'> # 改进版 r = re.match(r'[1-9]?\d?$|100$','0' ) print(r) #<re.Match object; span=(0, 1), match='0'>
''' 示例5： 从字符串中抽取特定的字符 ， 如抽取h1标签之间的字符 ''' s = '<h1>我是中国人</h1>' r = re.match(r"<h1>(.*)</h1>",s) print(r.group()) #<h1>我是中国人</h1> print(r.group(1)) # 我是中国人 , 1 : 表过正则表达式分组第1次出现 s = '<h1>打倒小日本</h1>' r = re.match(r"<h1>(.*)</h1>",s) print(r.group()) #<h1>打倒小日本</h1> print(r.group(1)) # 打倒小日本 , 1 : 表过正则表达式分组第1次出现 s = '<h1>打倒小日本 我是中国人</h1>' r = re.match(r"<h1>(\D*)\s(\D*)</h1>",s) print(r.group()) #<h1>打倒小日本 我是中国人</h1> print(r.group(1)) # 打倒小日本 取第1个分组的值 print(r.group(2)) # 我是中国人 取第2个分组的值 print(r.groups()) # 将所有的分组结果以一个元组的形式打印出来
'''
示例6： 匹配<html><h1>zhengqinfeng</h1></html>，且，首尾尖括号中的内容相同、内层尖括号中的内容相同
'''
s = '<html><h1>zhengqinfeng</h1></html>'
r = re.match(r'<.+><.+>.+</.+></.+>',s)
print(r) #<re.Match object; span=(0, 34), match='<html><h1>zhengqinfeng</h1></html>'>
# 上面的正则貌似完成了需要，实则不然， 它并不满足"且"后面的要求，所以正确的正则如下
r= re.match(r'<(.+)><(.+)>.+</\2></\1>',s) # 记录前面加r,不会会转义
print(r) #<re.Match object; span=(0, 34), match='<html><h1>zhengqinfeng</h1></html>'>
s = '<html><h1>zhengqinfeng</h2></html>'
r= re.match(r'<(.+)><(.+)>.+</\2></\1>',s) # 记录前面加r,不会会转义
print(r) #None
"""
使用（）时，re会记录（）中的内容，我们可以使用\num来引用
在上面的示例中， 第一次出现的（.+） re会记录为num =1 ; 第二次出现的 （.+） re会记录为num =2
在后面使用时，可以直接\1, \2来引用值
"""
由例5，例6两示例可知，正则分组用途如下：
1. 从字符串提取出特定的字符 2. 动态引用分组内容进行匹配
'''
示例7： 抽取邮箱账号
(163|126|135|qq|gmail) :表示匹配其中一种
\. : 匹配邮箱中的.
(com|cn|net) : 表示匹配邮箱后缀中的一种
$ : 表结束 ，也就是说邮箱是以com,cn,或者是net结尾
'''
p = r'(\w+)@(163|126|135|qq|gmail)\.(com|cn|net)$'
r = re.match(p, '132@163.com')
print(r)
print(r.groups())
print(r.group(1)) # 提取邮箱账号 132
'''
示例8： 正则分组取名字
'''
s = '<html><h1>zhengqinfeng</h1></html>'
r = re.match('<(?P<key1>.+)><(?P<key2>.+)>.+</(?P=key2)></(?P=key1)>',s)
print(r) # <re.Match object; span=(0, 34), match='<html><h1>zhengqinfeng</h1></html>'>
print(r.groups()) # ('html', 'h1')