"""
正则表达式：用来做字符串查找、匹配、切割用的一种工具
python对正则表达式的支持：提供了re模块(python内置模块),包含字符串匹配、查找、切割等相关方法
fullmatch(正则表达式, 字符串)：用正则表达式来和字符串进行匹配，看是否能够匹配成功,
正则表达式：是一个符合正则规范的字符串
"""
import re
if name == 'main':
# 注意：正则表达式的字符串，前面一般要加r来阻止转义。
# 因为正则表达式的符号中有很多带''的符号，其功能不是转义，而是表示特殊的意义
# 1. . 匹配一个任意的字符
"""匹配两个任意字符的字符串"""
re_str = r'..'
"""匹配第一个字符是a第二个字符是b的字符串"""
re_str = r'ab'
"""匹配第一个字符是a,第二个字符是任意字符的字符串"""
re_str = r'a.'
print(re.fullmatch(re_str, 'ah'))
# 2. \w 匹配一个字符是字母、数字或者下滑线
"""匹配第一个字符是字母、数字或者下滑线，第二个字符是字母、数字或者下滑线的字符串"""
re_str = r'\w\w'
print(re.fullmatch(re_str, 'b8'))
re_str = r'\w.\w'
print(re.fullmatch(re_str,'u(o'))
# 3. \s 匹配一个空白字符（空格、换行、制表符）
"""匹配第一个字符是a,第二个字符是空白，最后一个字符是b的字符串"""
re_str = r'a\sb'
print(re.fullmatch(re_str, 'a\nb'))
# 4. \d 匹配一个数字字符
re_str = r'\d\d\d'
print(re.fullmatch(re_str,'120'))
"""匹配第一字符是0，后面两个字符都是数字的字符串"""
re_str = r'0\d\d'
print(re.fullmatch(re_str, '019'))
# 5. \b 检测边界(单词边界--一般的符号都可以作为单词边界)
print(re.match(re_str, '0190'))
"""匹配三个任意字符的前面和后面都是单词边界的字符串"""
re_str = r'\b...\b'
print(re.match(re_str, 'jsh,abc'))
# 6. ^ 检测字符串开始(^The -- 匹配以The开头的字符串)
re_str = r'^The'
print(re.fullmatch(re_str, 'The'))
print(re.findall(r'^The', 'aThe789abc hThe989ekl'))
# 7. 检测字符串结束 re_str = r'abc'
print(re.fullmatch(re_str, 'abc'))
print(re.findall(re_str, 'hkakh jkjs abc-'))
# 8. \W 匹配非字母、数组、下划线
re_str = r'\W\w'
print(re.fullmatch(re_str, '&k'))
# 9. \S 匹配非空白字符
re_str = r'\S\d'
print(re.fullmatch(re_str, 'p8'))
# 10. \D 匹配非数字字符
"""匹配第一个字符是非数字字符，第二个字符是字母、数字、下划线"""
re_str = r'\D\w'
print(re.fullmatch(re_str, 'p8'))
# 11. \B 检测非边界
"""匹配前面两个字符是a和b,第三个字符是c。并且检测b的后面是一个非边界"""
re_str = r'ab\Bc'
print(re.fullmatch(re_str, 'abc'))
print(re.match(re_str,'abc0'))
import re
if name == 'main':
# 1. [] 匹配[]中出现的任意一个字符
"""匹配一个字符串，前三位是abc,第四位是字符1或者字符a"""
re_str = r'abc[1a,]'
print(re.fullmatch(re_str, 'abca'))
"""第一位是数字或者下划线，后面是abc"""
re_str = r'[\d_]abc'
print(re.fullmatch(re_str, '9abc'))
# 2. [^] 匹配不在[]中出现的任意一个字符
"""匹配一个字符串，前三位是anc,第四位不是数字字符也不是字符a"""
re_str = r'abc[^\da]'
print(re.fullmatch(re_str, 'abcl'))
# 3. * 匹配0次或者多次
"""匹配一个字符串，前面是0个或者多个数字字符，然后是abc"""
re_str = r'\dabc'
print(re.fullmatch(re_str, '19076abc'))
"""
[0-9] : 匹配0，1，2，3，4，5，6，7，8，9中的任意一个字符
[1-8] : 匹配1，2，3，4，5，6，7，8
[a-z] : 匹配任意一个小写字母
[A-Z] : 匹配任意一个大写字母
[a-zA-Z]: 匹配所有的字母
"""
print(re.fullmatch(r'[a-zA-Z]', 'B'))
# 写一个正则表达式，判断一个字符串是数字字符串（不能空串）
re_str = r'\d\d'
re_str = r'[0-9][0-9]'
print(re.fullmatch(re_str, '0'))
# 写一个正则表达式，检测一个字符串是否是合格的标识符(字母数字下划线组成，数字不开头)
"""
abc -> 成功
_a12h -> 成功
_23a -> 成功
1hj -> None
ah -> None
"""
re_str = r'[a-zA-Z_]\w'
print(re.fullmatch(re_str, 'ah'))
# 4. + 匹配一次或者多次
"""匹配一个字符串开头出现一次或者多个数字字符，然后再有0次或者多次数字、字母、下划线"""
re_str = r'\d+\w'
print(re.fullmatch(re_str, '16u78abc'))
# 5.? 匹配0次或者1次
re_str = r'[a-z]?123'
print(re.fullmatch(re_str, 'z123'))
# 判断是一个字符串是否是正整数字符串(除0) '123' -> 成功 '+1234' -> 成功 '0123' -> None '12012' -> 成功
re_str = r'[+]?[1-9]\d'
print(re.fullmatch(re_str, '+1234'))
# 5.{N} 匹配N次
"""前面5个数字，然后是abc"""
re_str = r'\d{5}abc'
re_str = r'[12ab]{3}abc'
print(re.fullmatch(re_str, '11babc'))
# 6.{N,} 匹配大于等于N次
"""字符串前面至少三位数字，后面随意"""
re_str = r'\d{3,}.*'
print(re.fullmatch(re_str, '151263jah92390..;'))
# 7.{M,N} 匹配至少M次，最多N次
"""密码要求：数字、字母组成，并且8-16位"""
re_str = r'[\da-zA-Z]{6,10}'
print(re.fullmatch(re_str, 'uy2huy?28'))
# 8. | 分之
"""匹配一个字符串，是三个数字字符或者是三个小写字符"""
re_str = r'\d{3}|[a-z]{3}'
print(re.fullmatch(re_str, 'hsu'))
# 9.() 匹配的时候是分组，让括号中的正则条件变成一个整体,进行整体操作
"""匹配一个字符串，abc整体重复3次"""
re_str = r'(abc){3}'
print(re.fullmatch(re_str, 'abcabcabc'))
re_str = r'(\d\w[0-3]){2}'
print(re.fullmatch(re_str, '3o37h1'))
"""========以下了解========"""
# 尽可能少：在能够匹配到的前提下尽可能少
# 10. ? 重复任意次，尽可能少的重复
re_str = r'ba?b'
print(re.fullmatch(re_str, 'baaaab'))
# 11. +? 重复一次或多次，尽可能少的重复
re_str = r'ba+?'
print(re.match(re_str, 'baaaa'))
# 12. ?? 重复0次或者1次， 尽可能少的重复
re_str = r'b??'
# 13. {N,}? 重复至少N次，尽可能少的重复
# 14. {N, M}? 重复N到M次，尽可能少的重复
"""
1.特殊符号转义
正则中：. \ [] {} () * + ? ^ $ | 这些字符有特殊意义，所以在正则表达式中，
如果想要单纯表达这些字符，需要在前面加'';
注意：1. -，[],^,\ 在中括号中可能是特殊的符号,需要加
2. . {} () * + ? $ |在中括号中可以不用加,来表示字符
"""
import re
if name == 'main':
re_str = r'\d+[1-3]\d+'
print(re.fullmatch(re_str, '12-89'))
re_str = r'[^]' # 匹配 字符^
re_str = r'[\]' # 匹配 字符
re_str = r'[$]'
re_str = r'[{}]'
print(re.fullmatch(re_str, '{'))
# 1. \N --> 匹配前面第N个组中匹配到的内容
re_str = r'([1-9][a-z]{2})n(\d)\1\2'
print(re.fullmatch(re_str, '9hjn09hj0'))
# 练习1.
# 用户名必须由字母、数字或下划线构成且长度在6~20个字符之间
re_str = r'\w{6,20}'
#QQ号是5~12的数字且首位不能为0
re_str = r'[1-9]\d{4,11}'
# 练习2：IP地址是合法
"""
x.x.x.x
x: 1-255
写一个正则表达式判断一个字符串是否是：1-255
1-9
10-99
100-199
200-249
250-255
"""
re_str = r'(([1-9]|[1-9]\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]|[1-9]\d|1\d{2}|2[0-4]\d|25[0-5])'
print(re.fullmatch(re_str, '10.7.1.249'))
import re
if name == 'main'
# 1.compile(正则字符串) 将正则表达式字符串转换成正则表达式对象
# 转换成正则表达式对象后，可以通过对象调用相关的方法
re_obct = re.compile(r'\w{6,12}')
print(re_obct.fullmatch('ahsjjs'))
print(re.fullmatch(r'\w{6,12}', 'ahjhjs'))
# 2.fullmatch(正则表达式, 字符串) 完全匹配，从字符串开头匹配到结尾
# 返回值是匹配对象, 如果匹配失败返回None
match = re.fullmatch('\w{3}', 'h3s')
print(match)
# a.获取匹配到的结果
print(match.group())
# b.获取匹配到的范围
print(match.span())
# c.获取匹配到的开始下标和结束下标
print(match.start(), match.end())
# d.获取被匹配的字符串(原字符串)
print(match.string)
# 应用：判断一个字符串是否是某种字符串（判断账号、密码是否符合要求等）
# 3.match(正则表达式, 字符串) 不完全匹配，从字符串开头开始匹配，匹配到正则表达式对应的范围为止
# 返回值是匹配对象, 如果匹配失败返回None
match = re.match(r'\w{3}', 'h3shhhhsbs')
print(match)
print(match.group())
print(match.string)
# 应用: 判断一个字符串是否以某种字符串开头
# 4.search(正则表达式, 字符串) 在指定的字符串中查找某种字符串(以正则表达式来描述)，如果有过个满足条件的，只匹配第一个
# 返回值是匹配对象，如果找不到符合要求的返回None
print(re.search(r'\d{2,}[a-z]', 'sh23n--8a7a7m0899'))
# 应用：判断一个字符串中是否包含某种字符串
# 5.findall(正则表达式, 字符串) 去获取指定字符串中满足正则条件的所有的子串
# 返回值是列表，列表中是符合要求的字符串。没有满足要求的子串就返回[]
result = re.findall(r'a-zA-Z', '12a123buy=236ok98s')
print(result)
# 注意：在通过正则表达式获取子串的时候，可以通过在正则表达式中添加括号，来约束获取的内容(只捕获括号中匹配到的内容)
# 匹配的时候还是按原正则表达式去查找
# 应用：字符串提取
# 6.finditer(正则表达式, 字符串) 用法和findall一样，只是返回值的类型不一样
# 返回一个迭代器，迭代器中的内容是匹配对象
# 注意：()捕获部分无效
result = re.finditer(r'a-zA-Z', '12a123buy=236ok98s')
for match in result:
print(match)
# print('ahsj27jkkaj7js8jsj'.split('sj'))
# 7.split(正则表达式, 字符串) 按正则表达式匹配到的字符串进行切割
# 返回值是列表，列表元素就切割后被分段的字符串
result = re.split(r'[[]-]', 'a[hsj27]jkkaj7js8-jsj')
print(result)
# 8.sub(正则表达式,新字符串, 原字符串) 在原字符串中查找符合正则的子串，替换成新的字符串
# 返回值是替换后的字符串
"""将指定字符串中所有'sb'替换成''"""
str1 = '你好sb,你全家都是sb,傻叉，你是不是傻，手机上叉'
result = re.sub(r'sb|傻叉|傻', '', str1)
print(str1, result)
作业
""""""
'''
⼀.获取字符串中：
a.所有的正整数
b.所有的负整数
c.所有的浮点数([+]?[1-9]*\.\d*|[-][1-9]*\.\d*|[+]?[1-9]\d*|[-][1-9]\d*")
d.所有的⾮负浮点数
'''
# import re
# re_str = re.compile(r"[+]?[1-9]*\.\d*|[-][1-9]*\.\d*|[+]?[1-9]\d*|[-][1-9]\d*")
#
# print( re_str.findall('458+45aas-45.46s54j4g4j587ghjk47-8-=745k74s54'))
# re_str = r"[0-9(z)]"
# print(re.fullmatch(re_str,"z"))
# '''
# ⼆、不定项选择题
# 1. 能够完全匹配字符串“(010)-62661617”和字符串“01062661617”的正则表达式包括（ B）
# A. “(?\d{3})?-?\d{8}”
# B. “[0-9()-]+”
# C. “[0-9(-)]\d*”
# D. “[(]?\d[)-]\d*”
# 2. 能够完全匹配字符串“c:\rapidminer\lib\plugs”的正则表达式包括（ BC）
# A. “c:\rapidminer\lib\plugs”
# B. “c:\\rapidminer\\lib\\plugs”
# C. “(?i)C:\\RapidMiner\\Lib\\Plugs” ?i:将后⾯的内容的⼤写变成⼩写
# D. “(?s)C:\\RapidMiner\\Lib\\Plugs” ?s：单⾏匹配
# 3. 能够完全匹配字符串“back”和“back-end”的正则表达式包括（ A） 短路操作：前⾯的为真了，就不会再执
# ⾏后边的操作 A. “\w{4}-\w{3}|\w{4}” B. “\w{4}|\w{4}-\w{3}” C. “\S+-\S+|\S+” D. “\w\b-\b\w|\w*”
# 4. 能够完全匹配字符串“go go”和“kitty kitty”，但不能完全匹配“go kitty”的正则表达式包括（ A）
# :\1就是重复前⾯第⼀个()/组合⾥⾯的内容
# ：\2就是重复前⾯第⼆个()/组合⾥⾯的内容
# A. “\b(\w+)\b\s+\1\b”
# B. “\w{2,5}\s*\1”
# C. “(\S+) \s+\1”
# D. “(\S{2,5})\s{1,}\1”
# 5. 能够在字符串中匹配“aab”，⽽不能匹配“aaab”和“aaaab”的正则表达式包括（ BC）
# A. “a*?b”
# B. “a{,2}b”
# C. “aa??b”
# D. “aaa??b”
# 三.观察下⾯双引号内的⽂本”中⽂名 ⻉拉克·侯赛因·奥巴⻢ 外⽂名 Barack Hussein Obama II 别 名 欧巴⻢ 国
# 籍美国 ⺠ 族 德裔族 出⽣地 美国夏威夷州檀⾹⼭ 出⽣⽇期 1961年8⽉4⽇ 职 业政治家、律师、总统 毕业院
# 校哥伦⽐亚⼤学，哈佛⼤学 信 仰新教 主要成就 1996年伊利诺伊州参议员 主要成就美国第56届、57届总统
# 2009年诺⻉尔和平奖获得者 时代周刊年度⻛云⼈物2008、2011 任期内清除本·拉登 代表作品 《我相信变
# ⾰》《我⽗亲的梦想》《⽆畏的希望》 所属政党美国⺠主党 ⾎ 型 AB型 学 院⻄⽅学院 妻 ⼦⽶歇尔·拉沃恩·
# 奥巴⻢ 性 别 男”
# a. （此题为示范题）当使⽤正则表达式“中⽂名\s+(\S+)\s+”抽取美国总统奥巴⻢的中⽂名时，替换字符
# 串“$1”的赋值为需要抽取的中⽂名。
# b. 当使⽤正则表达式“___________”抽取美国总统奥巴⻢的外⽂名时，替换字符串“$1”的赋值为需要抽取的
# 外⽂名。
# c. 当使⽤正则表达式“___________________________”抽取美国总统奥巴⻢的出⽣⽇期时，替换字符
# 串“$1”的赋值为需要抽取的出⽣⽇期。
# d. 使⽤正则表达式“_________________________”抽取美国总统奥巴⻢的职业时，替换字符串“$1”的赋值
# 为需要抽取的职业。
# e. 使⽤正则表达式“___________________________”抽取美国总统奥巴⻢的主要成就时，替换字符
# 串“$1”的赋值为需要抽取的主要成就。
# f. 使⽤正则表达式“______________________________”抽取美国总统奥巴⻢的妻⼦姓名时，替换字符
# 串“$1”的赋值为需要抽取的姓名。
# '''
print(re.search(r'中文名\s+(\S+)\s+', '中⽂名 ⻉拉克·侯赛因·奥巴⻢ 外⽂名 Barack Hussein Obama II 别 名 欧巴⻢ 国'))
print(re.search(r'外⽂名\s+\S+\s+\S+\s+\S+\s+','侯赛因·奥巴⻢ 外⽂名 Barack Hussein Obama II 别 名 欧巴⻢ 国\
籍美国 ⺠ 族 德裔族 出⽣地 美国夏威夷州檀⾹⼭ 出⽣⽇期 1961年8⽉4⽇ 职 业政治家、律师、总统 毕业院'))
print(re.search(r"出⽣⽇期\s+\S+\s+",'侯赛因·奥巴⻢ 外⽂名 Barack Hussein Obama II 别 名 欧巴⻢ 国\
籍美国 ⺠ 族 德裔族 出⽣地 美国夏威夷州檀⾹⼭ 出⽣⽇期 1961年8⽉4⽇ 职 业政治家、律师、总统 毕业院'))
print(re.search(r"职 业\S+",'侯赛因·奥巴⻢ 外⽂名 Barack Hussein Obama II 别 名 欧巴⻢ 国\
籍美国 ⺠ 族 德裔族 出⽣地 美国夏威夷州檀⾹⼭ 出⽣⽇期 1961年8⽉4⽇ 职 业政治家、律师、总统 毕业院').group())
