用正则表达式查找文本模式

创建正则表达式对象

phoneNumRegex变量包含了一个Rege对象。

re模块：Python中所有正则表达式的方法都在re模块

向re.compile()传入一个正则表达式的字符串，返回一个Regex对象，有了对象，就可以调用方法了。

匹配Regex对象

import re
phoneNumRegex=re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
mo=phoneNumRegex.search('My number is 415-666-6789.')
print(mo)
print(mo.group())

<re.Match object; span=(13, 25), match='415-666-6789'>
415-666-6789
[Finished in 72ms]

正则表达式匹配复习

1、用import re导入正则表达式模块

2、用re.compile()函数创建一个Regex对象（记得使用原始字符串）

3、向Regex对象的search()方法传入想查找的字符串。它返回一个Match对象。

4、调用Match对象的group()方法，返回实际匹配文本的字符串。

用正则表达式匹配更多模式

利用括号分组

利用括号()将正则表达式分组，使用group()方法，选择性的输出分组所匹配的文本。

groups()方法：一次性获取所有分组

 因为 mo.groups()返回多个值的元组，所以你可以使用多重复制的技巧，每个值赋给一个独立的变量

areacode,mainnumber=mo.groups()

 括号在正则表达式中有特殊的含义，但是如果你需要在文本中匹配括号，就需要用倒斜杠对(和)进行字符转义。

import re
phoneNumRegex=re.compile(r'(\(\d\d\d\))-(\d\d\d-\d\d\d\d)')
mo=phoneNumRegex.search('My number is (415)-666-6789.')
print(mo.group(1))
print(mo.group(2))

 用管道匹配多个分组

管道符 | ，或关系，有多个正则表达式，只匹配一个就返回。

如果多个正则表达式都匹配上了，只返回第一个匹配上的。

 假设你希望匹配'Batman'、'Batmobile'、'Batcopter'和'Batbat'中任意一个。因为所有这 些字符串都以 Bat 开始，所以如果能够只指定一次前缀，就很方便。这可以通过括 号实现。

import re
batRegex = re.compile(r'Bat(man|mobile|copter|bat)')
mo = batRegex.search('Batmobile lost a wheel')
print(mo.group())
print(mo.group(1))

 用问号实现可选匹配

？匹配零次或一次

 你可以认为?是在说，“匹配这个问号之前的分组零次或一次”。

用星号匹配零次或多次

import re

batRegex = re.compile(r'Bat(wo)*man') 
mo1 = batRegex.search('The Adventures of Batman')
print(mo1.group())

mo2 = batRegex.search('The Adventures of Batwoman')
print(mo2.group())

mo3 = batRegex.search('The Adventures of Batwowowowowowoman')
print(mo3.group())

用加号匹配一次或多次

*意味着“匹配零次或多次”，+（加号）则意味着“匹配一次或多次”。星号不要求分组出现在匹配的字符串中，但加号不同，加号前面的分组必须“至少出现一次”。这不是可选的。

mo1没有匹配到字符串，因为+号要求wo至少要有一个，上不封顶。

 用花括号匹配特定次数

(ha){3}正则表达式，将匹配字符串'hahaha'

(ha){3,5}将匹配：hahaha hahahaha hahahahaha

花括号让正则表达式更简单：

 贪心匹配和非贪心匹配

'hahahahahahahahahahahahahahaha'中(ha){3,5}既能匹配到hahaha 也能匹配到hahahaha还能匹配到hahahahahaha，但是最后却返回了hahahahaha

这是因为：Python正则表达式默认是贪心的，会匹配到最长的字符串。

非贪心匹配：在结束的花括号后跟一个问号。

 问号在正则表达式中可能有两种含义：声明非贪心匹配或表示可选的分组。

findall()方法

作为 findall()方法的返回结果的总结，请记住下面两点：

1．如果调用在一个没有分组的正则表达式上，例如\d\d\d-\d\d\d-\d\d\d\d，方法 findall()将返回一个匹配字符串的列表，例如['415-555-9999', '212-555-0000']。

2．如果调用在一个有分组的正则表达式上，例如(\d\d\d)-(\d\d\d)-(\d\d\d\d)，方法 findall()将返回一个字符串的元组的列表（每个分组对应一个字符串），例如[('415', '555', '1122'), ('212', '555', '0000')]。

字符分类

建立自己的字符分类

1、可以用方括号定义自己的字符分类。

比如：[aeiouAEIOU]可以匹配所有的元音字符。

2、使用短横表示字母或数字的范围。

3、方括号后加^，表示非字符类，非字符类将匹配不在这个字符类中的所有字符。相当于“非”。

现在，不是匹配所有元音字符，而是匹配所有非元音字符。

插入字符和美元字符

插入符号^：一般用在正则表达式开头，表示被查找的字符串必须以这个正则开头。

尽管第二个字符串‘wolrd hello’中也有hello,但是它没有开头，所以没有匹配到。

 $:该符号和插入符合相反，用在正则表达式结尾，表示被查找字符串必须以这个正则结尾。

比如：r'\d$' 表示字符串结尾必须是0-9的数字。

 通配字符

. 在我前面有个点，是不是很小，都看不清楚，正因为它小，所以它在正则表达式中匹配除了换行之外的所有字符。简称：通配符。

句点字符只匹配一个字符，这就是为什么在前面的例子中，对于文本flat，只匹配 lat。要匹配真正的句点，就是用倒斜杠转义：\.。

用点—星匹配所有的字符 .*

 .*  贪心模式

.*? 非贪心匹配

用句点字符匹配换行

正则表达式符号复习

本章介绍了许多表示法，所以这里快速复习一下学到的内容：

 ?匹配零次或一次前面的分组。

 *匹配零次或多次前面的分组。

 +匹配一次或多次前面的分组。

 {n}匹配 n 次前面的分组。

 {n,}匹配 n 次或更多前面的分组。

 {,m}匹配零次到 m 次前面的分组。

 {n,m}匹配至少 n 次、至多 m 次前面的分组。

 {n,m}?或*?或+?对前面的分组进行非贪心匹配。

 ^spam 意味着字符串必须以 spam 开始。

 spam$意味着字符串必须以 spam 结束。

 .匹配所有字符，换行符除外。

 \d、\w 和\s 分别匹配数字、单词和空格。

 \D、\W 和\S 分别匹配出数字、单词和空格外的所有字符。

 [abc]匹配方括号内的任意字符（诸如 a、b 或 c）。

 [^abc]匹配不在方括号内的任意字符

不区分大小写的匹配

用 sub()方法替换字符串

sub()方法可以用新的字符串替换正则表达式匹配到的文本。

sub()方法返回替换完成后的字符串。

 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'\1****'作为 sub()的第一个参数。字 符串中的\1 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。

\1 表示正则匹配到的第一个分组保留，替换其他部分

 管理复杂的正则表达式

有时候正则表达式太长了，不便我们理解与读取，比如下面这个正则表达式：

phoneRegex = re.compile(r'((\d{3}|\(\d{3}\))?(\s|-|\.)?\d{3}(\s|-|\.)\d{4}
(\s*(ext|x|ext.)\s*\d{2,5})?)')

是不是理解起来很难，很难读。这个时候就可以添加注释与换行。但是必须要向 re.compile() 传入变量 re.VERBOSE，作为第二个参数

import re

phoneRegex = re.compile(r'''((\d{3}|\(\d{3}\))? #区号
	(\s|-|\.)? #连接符号
	\d{3} #号码头三位
	(\s|-|\.) # 连接符号
	\d{4}   #号码四位
(\s*(ext|x|ext.)\s*\d{2,5})? # 后缀
)''',reVERBOSE)

组合使用 re.IGNOREC ASE、re.DOTALL 和 re.VERBOSE

实践项目：电话号码、邮箱号码提取程序

初学者都有一个问题，我也有，接到一个项目后，第一件时间就去敲代码，这样会出现很多问题，我就不细说了。这个时候就需要我们后退一步，站在更高的角度，考虑更大的图景，先不要考虑程序，不要思考代码，先构建框架。

import pyperclip
import re

# 从剪切板获取文本
#text = 'ni de 13993919129,jkl@123.com,'
text = pyperclip.paste()

# 创建手机号码正则表达式
phoneRegex=re.compile(r'1\d{10}')
# 创建邮箱正则表达式
emailRegex=re.compile(r'\d*\w*@\d*\w*.\w*')
# 调整匹配到的字符串
phone=phoneRegex.findall(text)
phone1='\n'.join(phone)
email=emailRegex.findall(text)
email1='\n'.join(email)

retext=phone1+'\n'+email1

# 返回调整后的字符串到剪切板
print(retext)
pyperclip.copy(retext)

 网上随便找个有手机号码的网页进行复制，

 然后运行程序，就自动提取出了其中包含的手机号码，并且自动复制到了剪切板当中。

15872860000
15872869999

 实践项目：强口令检测

强口令要求：1、8位以上 2、有大小写字母 3、有数字 4、有特殊字符 ~!@#$%^&*()_+

获取用户输入 检测长度 、字母、数字、特殊字符，符合检测下一项，不符合给出提示，最终输入符合。

import pyperclip
import re


# 提示用户，获取用户输入
print('请输入需要检测的口令：')
passwd=input()

# 判断长度
if len(passwd) < 8:
	print('8位以上')
# 判断是否含有大写字母
wordRegex=re.compile(r'[A-Z]+')
word=wordRegex.search(passwd)
if word==None:
	print('必须包含大写字母')
# 判断是否含有小写字母
lordRegex=re.compile(r'[A-Z]+')
lord=wordRegex.search(passwd)
if lord==None:
	print('必须包含小写字母')
# 判断是否含有数字
numRegex=re.compile(r'\d+')
num=numRegex.search(passwd)
if num==None:
	print('必须含有数字')
specialRegex=re.compile(r'[~!@#$%^&*()_+]')
special=specialRegex.search(passwd)
if special==None:
	print('必须有特殊字符')
if len(passwd) > 8 and word!=None and lord!=None and num!=None and special!=None:
	print('你的口令是强口令！你真的是太厉害了')