Python控制台获取输入与常见的正则表达式用法

# 输入字符串并赋值给变量str1：
str1 = input("请输入一个字符串: ")

# 输入整数并赋值给变量count：
count = int(input("请输入一个整数: "))

# 输入浮点数并赋值给变量float_num：
float_num = float(input("请输入一个浮点数: "))

# 输入布尔值（True/False）并赋值给变量is_true：
is_true = bool(input("请输入一个布尔值(True/False): "))

# 输入多个数字以空格分隔，并将它们作为列表存储在变量list1中：
list1 = input("请输入多个数字（以空格分隔）: ").split()
list1 = [int(num) for num in list1]  # 将输入的数字转换为整数类型
print(list1)

# 输入多个字符串以逗号分隔，并将它们作为列表存储在变量str_list中：
str_list = input("请输入多个字符串（以逗号分隔）: ").split(',')

# 在Python中，可以使用input()函数从控制台获取用户的输入。然后，根据需要进行类型转换和赋值。下面是一些示例：

# 输入字符串并赋值给变量str1：
str1 = input("请输入一个字符串: ")
# 输入整数并赋值给变量count：
count = int(input("请输入一个整数: "))
# 输入浮点数并赋值给变量float_num：
float_num = float(input("请输入一个浮点数: "))
# 输入布尔值（True/False）并赋值给变量is_true：
is_true = bool(input("请输入一个布尔值(True/False): "))
# 请注意，bool()函数将任何非空字符串解释为True，空字符串解释为False。

# 输入多个数字以空格分隔，并将它们作为列表存储在变量list1中：
list1 = input("请输入多个数字（以空格分隔）: ").split()
list1 = [int(num) for num in list1]  # 将输入的数字转换为整数类型
print(list1)
# 这里使用了split()方法将输入的字符串切分成一个字符串列表，并使用列表推导式将字符串转换为整数类型。

# 输入多个字符串以逗号分隔，并将它们作为列表存储在变量str_list中：
str_list = input("请输入多个字符串（以逗号分隔）: ").split(',')
# 这里使用了split()方法将输入的字符串切分成一个字符串列表，以逗号为分隔符。

# 记住，在处理用户输入时要小心异常情况，例如错误的类型转换或无效的输入。

# 导入re模块：
import re
# 匹配字符串中的数字：
pattern = r'\d+'  # 匹配连续的数字
text = "abc123def456ghi"
result = re.findall(pattern, text)
print(result)  # 输出: ['123', '456']

# 检查字符串是否符合特定的模式：
pattern = r'^[A-Za-z0-9]+$'  # 检查是否只包含字母和数字
text = "abc123"
result = re.match(pattern, text)
if result:
    print("字符串符合要求")
else:
    print("字符串不符合要求")

# 替换字符串中的部分内容：
pattern = r'\s+'  # 匹配连续的空格
text = "Hello   World"
new_text = re.sub(pattern, ' ', text) #表示把多个空格替换成一个空格
print(new_text)  # 输出: "Hello World"

# 切分字符串：
pattern = r'[,\s]+'  # 匹配逗号或空格
text = "apple,banana,orange"
result = re.split(pattern, text)
print(result)  # 输出: ['apple', 'banana', 'orange']

# 搜索并提取匹配的部分：
pattern = r'\d{3}-\d{4}-\d{4}'  # 匹配电话号码的模式
text = "我的电话号码是：123-4567-8901"
result = re.search(pattern, text)
if result:
    print(result.group())  # 输出: '123-4567-8901'

# 使用捕获组提取匹配的部分：
pattern = r'(\d{3})-(\d{4})-(\d{4})'  # 匹配电话号码的模式，并使用捕获组分别提取区号、中间号和尾号
text = "我的电话号码是：123-4567-8901"
result = re.search(pattern, text)
if result:
    area_code = result.group(1)
    middle_number = result.group(2)
    last_number = result.group(3)
    print(area_code, middle_number, last_number)  # 输出: '123', '4567', '8901'    

# 非贪婪匹配（匹配最短的字符串）：
pattern = r'<.*?>'  # 非贪婪匹配尖括号之间的内容
text = "<p>这是一个段落</p><p>另一个段落</p>"
result = re.findall(pattern, text)
print(result)  # 输出: ['<p>', '</p>', '<p>', '</p>']

# 忽略大小写匹配：
pattern = r'python'
text = "Python is a programming language"
result = re.findall(pattern, text, re.IGNORECASE)
print(result)  # 输出: ['Python']

# 使用预定义字符类：
pattern = r'\w+'  # 匹配字母、数字和下划线
text = "Hello 123_world*&"
result = re.findall(pattern, text)
print(result)  # 输出: ['Hello', '123_world']

# 自定义字符类：
pattern = r'[aeiou]'  # 匹配元音字母
text = "apple orange banana"
result = re.findall(pattern, text)
print(result)  # 输出: ['a', 'e', 'o', 'a', 'a']

# 零宽断言（Lookahead/Lookbehind）：零宽断言允许你在匹配字符串时指定一些条件，但不会将这些条件包含在最终的匹配结果中。例如，可以使用正向零宽断言来匹配前面是特定模式的文本：
pattern = r'\w+(?=ing)'  # 匹配以 "ing" 结尾的单词的前面部分
text = "running jumping swimming"
result = re.findall(pattern, text)
print(result)  # 输出: ['runn', 'jump']

# 多行模式：使用多行模式可以处理多行文本，其中 ^ 和 $ 元字符匹配每行的开头和结尾。通过传递 re.MULTILINE 标志给 re.compile() 函数或使用 re.M 缩写标志来启用多行模式：
pattern = r'^\d+$'  # 匹配只包含数字的行
text = "123\nabc\n456\n789"
result = re.findall(pattern, text, re.MULTILINE)
print(result)  # 输出: ['123', '456', '789']

# 嵌入式修饰符：可以在正则表达式中使用嵌入式修饰符来改变匹配的行为。例如，使用 (?i) 来忽略大小写匹配：
pattern = r'(?i)python'  # 忽略大小写匹配 "python"
text = "Python is a programming language"
result = re.findall(pattern, text)
print(result)  # 输出: ['Python']

# 替换时使用回调函数：使用 re.sub() 函数进行替换时，可以传递一个回调函数来处理每个匹配项，并返回替换后的结果。这允许你根据匹配到的内容动态生成替换值：
def replace_func(match):
    num = int(match.group(0))
    return str(num*2)

pattern = r'\d+'
text = "123423w 2w 3yui 4 5"
result = re.sub(pattern, replace_func, text)
print(result) #246846w 4w 6yui 8 10

# 非捕获组：有时你可能需要使用括号进行分组，但不需要捕获该组的内容。在这种情况下，可以使用非捕获组 (?:...)：
pattern = r'(?:https?://)?(www\.[A-Za-z]+\.[A-Za-z]+)'
text = "Visit my website at www.example.com"
result = re.findall(pattern, text)
print(result)  # 输出: ['www.example.com']

# 前向引用：前向引用允许你引用之前已经匹配的内容。这在匹配重复的子字符串时非常有用：
pattern = r'(\w+)\s+\1'  # 匹配重复的单词
text = "apple apple banana banana cherry cherry"
result = re.findall(pattern, text)
print(result)  # 输出: ['apple', 'banana', 'cherry']

# 替换中使用命名分组引用：可以使用命名分组 (P<name>...) 来指定一个命名的捕获组，并在替换时使用 \\g<name> 引用该组的内容：
pattern = r'(?P<first>\d+)\s+(?P<second>\d+)'
text = "10 20"
result = re.sub(pattern, '\\g<second> \\g<first>', text)
print(result)  # 输出: "20 10"

# 回溯引用：使用回溯引用可以匹配重复的模式，并在替换时保留其中一个副本：
pattern = r'(\d+)-\1'  # 匹配连续重复的数字，例如 "22-22"
text = "11-11 22-22 33-33"
result = re.findall(pattern, text)
print(result)  # 输出: ['11', '22', '33']

# 负向前向引用：负向前向引用允许你指定一个模式，该模式不能在当前位置之后出现。可以使用 (?!...) 来表示负向前向引用：
pattern = r'\b(?!un)\w+\b'  # 匹配不以 "un" 开头的单词
text = "happy unhappy apple banana"
result = re.findall(pattern, text)
print(result)  # 输出: ['happy', 'apple', 'banana']

# 嵌入条件匹配：使用 (?if:...) 来实现条件匹配。可以根据条件选择不同的模式进行匹配：
pattern = r'(?i)(?:(?<=Mr\.)|(?<=Ms\.)|(?<=Mrs\.))\s\w+'
text = "Hello Mr. Smith, Ms. Johnson, and Mrs. Davis"
result = re.findall(pattern, text)
print(result)  # 输出: ['Smith', 'Johnson', 'Davis']

# 后向引用断言：使用 (?<=(...)) 来实现后向引用断言，即在匹配的位置之前必须满足某个条件：
pattern = r'\b(\w+)\b(?<=(ing))'  # 匹配以 "ing" 结尾的单词中的前面部分
text = "running jumping swimming"
result = re.findall(pattern, text)
print(result)  # 输出: ['runn', 'jump']

# 零宽负向断言：使用 (?<!...) 来实现零宽负向断言，即在当前位置之前不能满足某个条件：
pattern = r'(?<!un)\b\w+\b'  # 匹配不以 "un" 开头的单词
text = "happy unhappy apple banana"
result = re.findall(pattern, text)
print(result)  # 输出: ['happy', 'apple', 'banana']

# 非打印字符：可以使用转义序列来匹配非打印字符，如制表符 \t、换行符 \n 等：
pattern = r'abc\tdef\nghi'
text = "abc\tdef\nghi"
result = re.findall(pattern, text)
print(result)  # 输出: ['abc\tdef\nghi']

# 贪婪与非贪婪匹配：在重复模式中，默认情况下是贪婪匹配，尽可能多地匹配。但可以使用 ? 来指定非贪婪匹配，尽可能少地匹配：
s = "aaaabaaaa"
pattern = r'a.*a'  # 贪婪匹配模式
match = re.search(pattern, s)
if match:
    print(match.group())  # 输出：'aaaabaaaa'

s = "aaaabaaaa"
pattern = r'a.*?a'  # 非贪婪匹配模式
match = re.search(pattern, s)
if match:
    print(match.group())  # 输出：'aaa'

# 在Python中，可以使用正则表达式模块re来进行字符串的匹配和处理。下面是一些常见的正则处理示例：
# 导入re模块：
import re
# 匹配字符串中的数字：
pattern = r'\d+'  # 匹配连续的数字
text = "abc123def456ghi"
result = re.findall(pattern, text)
print(result)  # 输出: ['123', '456']

# 检查字符串是否符合特定的模式：
pattern = r'^[A-Za-z0-9]+$'  # 检查是否只包含字母和数字
text = "abc123"
result = re.match(pattern, text)
if result:
    print("字符串符合要求")
else:
    print("字符串不符合要求")
    
# 替换字符串中的部分内容：
pattern = r'\s+'  # 匹配连续的空格
text = "Hello   World"
new_text = re.sub(pattern, ' ', text) #表示把多个空格替换成一个空格
print(new_text)  # 输出: "Hello World"

# 切分字符串：
pattern = r'[,\s]+'  # 匹配逗号或空格
text = "apple,banana,orange"
result = re.split(pattern, text)
print(result)  # 输出: ['apple', 'banana', 'orange']

# 搜索并提取匹配的部分：
pattern = r'\d{3}-\d{4}-\d{4}'  # 匹配电话号码的模式
text = "我的电话号码是：123-4567-8901"
result = re.search(pattern, text)
if result:
    print(result.group())  # 输出: '123-4567-8901'
    
# 使用捕获组提取匹配的部分：
pattern = r'(\d{3})-(\d{4})-(\d{4})'  # 匹配电话号码的模式，并使用捕获组分别提取区号、中间号和尾号
text = "我的电话号码是：123-4567-8901"
result = re.search(pattern, text)
if result:
    area_code = result.group(1)
    middle_number = result.group(2)
    last_number = result.group(3)
    print(area_code, middle_number, last_number)  # 输出: '123', '4567', '8901'    

# 非贪婪匹配（匹配最短的字符串）：
pattern = r'<.*?>'  # 非贪婪匹配尖括号之间的内容
text = "<p>这是一个段落</p><p>另一个段落</p>"
result = re.findall(pattern, text)
print(result)  # 输出: ['<p>', '</p>', '<p>', '</p>']

# 忽略大小写匹配：
pattern = r'python'
text = "Python is a programming language"
result = re.findall(pattern, text, re.IGNORECASE)
print(result)  # 输出: ['Python']

# 使用预定义字符类：
pattern = r'\w+'  # 匹配字母、数字和下划线
text = "Hello 123_world*&"
result = re.findall(pattern, text)
print(result)  # 输出: ['Hello', '123_world']

# 自定义字符类：
pattern = r'[aeiou]'  # 匹配元音字母
text = "apple orange banana"
result = re.findall(pattern, text)
print(result)  # 输出: ['a', 'e', 'o', 'a', 'a']

# 零宽断言（Lookahead/Lookbehind）：零宽断言允许你在匹配字符串时指定一些条件，但不会将这些条件包含在最终的匹配结果中。例如，可以使用正向零宽断言来匹配前面是特定模式的文本：
pattern = r'\w+(?=ing)'  # 匹配以 "ing" 结尾的单词的前面部分
text = "running jumping swimming"
result = re.findall(pattern, text)
print(result)  # 输出: ['runn', 'jump']

# 多行模式：使用多行模式可以处理多行文本，其中 ^ 和 $ 元字符匹配每行的开头和结尾。通过传递 re.MULTILINE 标志给 re.compile() 函数或使用 re.M 缩写标志来启用多行模式：
pattern = r'^\d+$'  # 匹配只包含数字的行
text = "123\nabc\n456\n789"
result = re.findall(pattern, text, re.MULTILINE)
print(result)  # 输出: ['123', '456', '789']

# 嵌入式修饰符：可以在正则表达式中使用嵌入式修饰符来改变匹配的行为。例如，使用 (?i) 来忽略大小写匹配：
pattern = r'(?i)python'  # 忽略大小写匹配 "python"
text = "Python is a programming language"
result = re.findall(pattern, text)
print(result)  # 输出: ['Python']

# 替换时使用回调函数：使用 re.sub() 函数进行替换时，可以传递一个回调函数来处理每个匹配项，并返回替换后的结果。这允许你根据匹配到的内容动态生成替换值：
def replace_func(match):
    num = int(match.group(0))
    return str(num*2)

pattern = r'\d+'
text = "123423w 2w 3yui 4 5"
result = re.sub(pattern, replace_func, text)
print(result) #246846w 4w 6yui 8 10

# 非捕获组：有时你可能需要使用括号进行分组，但不需要捕获该组的内容。在这种情况下，可以使用非捕获组 (?:...)：
pattern = r'(?:https?://)?(www\.[A-Za-z]+\.[A-Za-z]+)'
text = "Visit my website at www.example.com"
result = re.findall(pattern, text)
print(result)  # 输出: ['www.example.com']

# 前向引用：前向引用允许你引用之前已经匹配的内容。这在匹配重复的子字符串时非常有用：
pattern = r'(\w+)\s+\1'  # 匹配重复的单词
text = "apple apple banana banana cherry cherry"
result = re.findall(pattern, text)
print(result)  # 输出: ['apple', 'banana', 'cherry']

# 替换中使用命名分组引用：可以使用命名分组 (P<name>...) 来指定一个命名的捕获组，并在替换时使用 \\g<name> 引用该组的内容：
pattern = r'(?P<first>\d+)\s+(?P<second>\d+)'
text = "10 20"
result = re.sub(pattern, '\\g<second> \\g<first>', text)
print(result)  # 输出: "20 10"

# 回溯引用：使用回溯引用可以匹配重复的模式，并在替换时保留其中一个副本：
pattern = r'(\d+)-\1'  # 匹配连续重复的数字，例如 "22-22"
text = "11-11 22-22 33-33"
result = re.findall(pattern, text)
print(result)  # 输出: ['11', '22', '33']

# 负向前向引用：负向前向引用允许你指定一个模式，该模式不能在当前位置之后出现。可以使用 (?!...) 来表示负向前向引用：
pattern = r'\b(?!un)\w+\b'  # 匹配不以 "un" 开头的单词
text = "happy unhappy apple banana"
result = re.findall(pattern, text)
print(result)  # 输出: ['happy', 'apple', 'banana']

# 嵌入条件匹配：使用 (?if:...) 来实现条件匹配。可以根据条件选择不同的模式进行匹配：
pattern = r'(?i)(?:(?<=Mr\.)|(?<=Ms\.)|(?<=Mrs\.))\s\w+'
text = "Hello Mr. Smith, Ms. Johnson, and Mrs. Davis"
result = re.findall(pattern, text)
print(result)  # 输出: ['Smith', 'Johnson', 'Davis']

# 后向引用断言：使用 (?<=(...)) 来实现后向引用断言，即在匹配的位置之前必须满足某个条件：
pattern = r'\b(\w+)\b(?<=(ing))'  # 匹配以 "ing" 结尾的单词中的前面部分
text = "running jumping swimming"
result = re.findall(pattern, text)
print(result)  # 输出: ['runn', 'jump']

# 零宽负向断言：使用 (?<!...) 来实现零宽负向断言，即在当前位置之前不能满足某个条件：
pattern = r'(?<!un)\b\w+\b'  # 匹配不以 "un" 开头的单词
text = "happy unhappy apple banana"
result = re.findall(pattern, text)
print(result)  # 输出: ['happy', 'apple', 'banana']

# 非打印字符：可以使用转义序列来匹配非打印字符，如制表符 \t、换行符 \n 等：
pattern = r'abc\tdef\nghi'
text = "abc\tdef\nghi"
result = re.findall(pattern, text)
print(result)  # 输出: ['abc\tdef\nghi']

# 贪婪与非贪婪匹配：在重复模式中，默认情况下是贪婪匹配，尽可能多地匹配。但可以使用 ? 来指定非贪婪匹配，尽可能少地匹配：
s = "aaaabaaaa"
pattern = r'a.*a'  # 贪婪匹配模式
match = re.search(pattern, s)
if match:
    print(match.group())  # 输出：'aaaabaaaa'

s = "aaaabaaaa"
pattern = r'a.*?a'  # 非贪婪匹配模式
match = re.search(pattern, s)
if match:
    print(match.group())  # 输出：'aaa'