Python正则表达式详解：掌握文本匹配的魔法

模块就是一个特殊的包，一个模块中存放很多个方法
一个模块类比成一个py文件
模块中的方法类比成py文件中的函数、类

1.内置模块：python解释器封装好，能直接进行使用的模块
  keyword模块(获取python内置关键字)    re   os   time   random
2.自定义模块：程序员根据自己程序的需求编写模块
3.第三方模块：别人编写好的上传到服务器中的模块。如果想要使用需要下载安装

1.第一种方式
  import 模块名
  模块名.方法名()
2. 第二种方式
  from 模块名 import 方法名
  方法名()

re模块中match方法
import re
# match()
# 语法：re.match(r'正则表达式',进行校验或匹配的字符串)
# 作用：从字符串开头开始匹配，一旦匹配成功立马返回对象，匹配失败返回None；
# ret.group()   如果匹配成功则打印匹配成功的数据，匹配失败会报错
my_str = "激情激情速度与激情"
ret = re.match(r"激情",my_str)
print(ret.group())

import re
# 元字符：匹配单个的字符、一个字符
# \d:匹配数字0-9之间的任意一个
# \D:匹配除数字以外的任意一个字符
# \w:匹配数字、字母、下划线、中文中的任意一个字符
# \W:匹配除数字、字母、下划线、中文中的任意一个字符
# \s:匹配空白字符(空格、\n、\t……)
# \S:匹配非空白字符
# []:字符组、匹配字符组中的任意一个字符
# [5-8]:匹配数字5-8之间的任意一个字符
# [2-57-9]:匹配数字2-5、7-9之间的任意一个字符
# [c-fC-F]:匹配字母c-f之间的任意一个字符(不区分大小写)
# [0-9a-zA-Z]:匹配数字字母
# .:匹配除\n以外的任意一个字符
# ^:以……开头   (match方法本身要求从字符串开头开始匹配，所以对于match来说，写^与不写^没有区别)
# $:以……结尾   (一般使用match方法将^$加上)
my_str = "速度与激情1"
ret = re.match(r"^速度与激情\d$",my_str)
print(ret.group())

量词：指定量词前的元字符要匹配的次数，量词一定要与元字符搭配使用，不能单独使用
import re
# 量词：指定量词前的元字符要匹配的次数，量词一定要与元字符搭配使用
# *:匹配0次或无数次
# +:匹配1次或无数次
# ?:匹配0次或1次
# {}:指定匹配的次数
# {n}:匹配量词前的元字符n次
# {m,n}:匹配量词前的元字符至少m次，最多n次
# {m,}:匹配量词前的元字符至少m次
# {,n}:匹配量词前的元字符最多n次
my_str = "速度与激情"
ret = re.match(r"^速度与激情\d{,3}$",my_str)
print(ret.group())

贪婪匹配：尽可能多的匹配字符，一般是+前匹配
非贪婪匹配：尽可能少的匹配字符，一般是？前匹配
# *:匹配0次或无数次     可有可无
# +:匹配1次或无数次     贪婪匹配
# ?:匹配0次或1次        非贪婪匹配

from re import match
# 分组    ()
# 或      |
# 让用户输入自己的邮箱，正则验证邮箱是否合法
# 邮箱规则：@前由6-14位数字字母下划线组成，@后可以匹配多种邮箱 例如：139.com移动、163.com网易、sina.com新浪、qq.com腾讯
email = input("请输入你的邮箱：")
ret = match(r"^[0-9a-zA-Z_]{6,14}@(qq|163|139|sina)\.com$",email)
print(ret.group())

from re import match
email = input("请输入你的邮箱：")
ret = match(r"^[0-9a-zA-Z_]{6,14}@(qq|163|139|sina)\.com$",email)
# 验证邮箱是否合规，如果合规则判断当前用户输入的邮箱属于哪个公司
# 如果正则匹配成功，ret返回一个对象;匹配失败则返回None
if ret:
    print("邮箱合法")
    # 判断是哪一个公司的邮箱-->根据正则中第一个分组匹配成功的数据进行判断
    # ret.group():获取具体匹配成功的整个数据
    # ret.group(1):获取正则中第一个分组具体匹配成功的数据
    name = ret.group(1)
    print(name)
    if name == "qq":
        print("腾讯邮箱")
    elif name == "163":
        print("网易邮箱")
    elif name == "139":
        print("移动邮箱")
    elif name == "sina":
        print("新浪邮箱")
else:
    print("邮箱不合规")

from re import match
# 正则验证网页标签内容
# <标签名>内容</标签名>
# 内容规则：内容可以匹配任意类型数据   数量可有可无
# 标签名规则：
    # 1.第一个字符  小写字母    必须有  
    # 2.第二个字符  可以是小写字母，也可以是数字1-6    可有可无   有最多只能有1个
    # 3.从第三个字符开始  全由小写字母组成   可有可无    有可以有无数个    
# 例如：
# <a></a>
# <p></p>
# <h3></h3>
# <font></font>
# <marquee></marquee>
# 内容正则：.*
# 标签名正则： [a-z][a-z1-6]?[a-z]*
    # 1.[a-z]
    # 2.[a-z1-6]?
    # 3.[a-z]*
# 存在的问题：如果开始标签与结束标签不一致，也可以正常匹配成功？？？？？
# 要求：开始标签和结束标签必须匹配一样的数据
# 实现：要求结束标签标签名(匹配规则、匹配数据)都要与开始标签一致
# 解决方法：让结束标签使用开始标签的分组
my_str = "<a>我是法外狂徒张三</h3>"
ret = match(r"^<[a-z][a-z1-6]?[a-z]*>.*</[a-z][a-z1-6]?[a-z]*>$",my_str)
print(ret.group())  # 匹配成功

# 使用分组：
# 第一种方式：使用分组序号寻找分组
# 1. 将开始标签标签名组成一个分组    作为整个正则中的第一个分组     分组序号 1
# 2. 让结束标签使用开始标签的分组    \分组序号     \1
my_str = "<a>我是法外狂徒张三</a>"
ret = match(r"^<([a-z][a-z1-6]?[a-z]*)>.*</\1>$",my_str)
print(ret.group())
# 如果结束标签与开始标签不一致则报错

# 使用分组：
# 第二种方式：使用分组名寻找分组
# 1. 将开始标签标签名组成一个分组     (正则表达式)
# 2. 给开始标签的分组起别名          (?P<别名>正则表达式)
# 3. 给结束标签的标签名设置分组      ()
# 3. 让结束标签使用开始标签的分组     (?P=别名)
my_str = "<a>我是法外狂徒张三</a>"
ret = match(r"^<(?P<aaa>[a-z][a-z1-6]?[a-z]*)>.*</(?P=aaa)>$",my_str)
print(ret.group())

import re
my_str = "这个视频的播放量位459295,点赞量位74563,转发量位2458"
# 正则查询字符串中的数字
# 数字正则：\d+
# match()
# 语法：re.match(r"正则",字符串)
# 作用：从字符串开头开始匹配。一旦匹配成功立马返回对象，匹配失败返回None；
# ret.group()  如果匹配成功返回具体匹配成功的数据，匹配失败则报错
ret = re.match(r"\d+",my_str)
print(ret)
print(ret.group())

import re
my_str = "这个视频的播放量位4879615,点赞量位18485,转发量位254"
# 正则查询字符串中的数字
# 数字正则：\d+
# search()
# 语法：re.search(r"正则",字符串)
# 作用：从字符串任意位置开始匹配。一旦匹配成功立马返回对象，匹配失败返回None
# ret.group()  如果匹配成功返回具体匹配成功的数据，匹配失败则报错
ret = re.search(r"\d+",my_str)
print(ret.group())

import re
my_str = "这个视频的播放量位4879615,点赞量位18485,转发量位254"
# 正则查询字符串中的数字
# 数字正则：\d+
# findall()
# 语法：re.findall(r"正则",字符串)
# 作用：以列表的形式返回字符串中所有符合规则的数据，如果没有匹配成功的数据则返回空列表
ret = re.findall(r"\d+",my_str)
print(ret)