Python正则表达式与hashlib模块

菜鸟学python第十六天

1.re模块（正则表达式）

• 什么是正则表达式

  • 正则表达式是一个由特殊字符组成的序列，他能帮助对字符串的某种对应模式进行查找。

  在python中，re 模块使其拥有全部的正则表达式功能。

• re模块的使用

  re正则表达式的运行机制： 一个一个进行比对

  • re.findall()

    import re
    ​
    ​
    ​
    # \w， 匹配字母数字下划线
    print(re.findall('\w', 'Aah123 +-_'))  # \w, ['A', 'a', 'h', '1', '2', '3', '_']
    print(re.findall('\w\w', 'Aah123 +-_'))  # \w\w, ['Aa', 'h1', '23']
    print(re.findall('\w9\w', 'Aa9h123 +-_   aaa9--'))  # \w9\w ,['a9h']
    ​
    ​
    # \W  ：匹配非字母数字下划线
    print(re.findall('\W', 'hshk _=fh**#_  '))  # \W,[' ', '=', '*', '*', '#', ' ', ' ']
    ​
    ​
    # \s ： 匹配任意空白字符(\t\s\n都包含在内）
    print(re.findall('\s', 'dhfgk\tgds\n\g_jflkds  '))  # ['\t', '\n', ' ', ' ']
    ​
    ​
    # ^str: 从头开始匹配
    print(re.findall('^alex', 'hahahaha alex is alex is dsb'))  # d第一位没查找到返回空
    ​
    ​
    # $: 从尾开始匹配
    print(re.findall('Jason$', 'hello Jason'))  # ['Jason']
    ​
    ​
    # .：可以匹配除换行符之外的任意字符，当re.DOTALL被指定时，则可匹配包含换行符在内的所有字符
    print(re.findall('a.c', 'a alc aaac a c asffgf a\nc'))  # ['alc', 'aac', 'a c']
    print(re.findall('a.c', 'a alc aaac a c asffgf a\nc', re.DOTALL))  # ['alc', 'aac', 'a c', 'a\nc']
    ​
    ​
    # [] : 代表匹配一个字符，这一个字符是来自于我们自定义的范围
    print(re.findall('[1-9]', 's3jl5j6j33j6l'))  # ['3', '5', '6', '3', '3', '6']
    print(re.findall('[a-z]', 's3jl5j6j33j6l'))  # ['s', 'j', 'l', 'j', 'j', 'j', 'l']
    print(re.findall('5[a-z]6', 's3jl5j6j33j6l'))  # ['5j6']
    ​
    ​
    # 重复匹配
    # ？ ： 代表左边那一个字符出现0次或1次(可有一个或没有的情况）
    print(re.findall('ab?', 'a  ab  aab  a123b a123bbbbb'))  # ['a', 'ab', 'a', 'ab', 'a', 'a']
    ​
    ​
    # *:代表左边那一个字符出现0次到无穷次（可有可没有的情况）
    print(re.findall('ab*', 'a ab abbbb a1243b a123bbb'))  # ['a', 'ab', 'abbbb', 'a', 'a']
    ​
    ​
    # +：代表左边那个字符出现一次到无穷次（必须要出现一次以上，否则失败）
    print(re.findall('ab+', 'a jab a12b abbbbb ab'))  # ['ab', 'abbbbb', 'ab']
    ​
    ​
    ​
    # {n,m} : 代表左边那个字符出现n次到m次
    print(re.findall('ab{1,3}', 'ab abb abbb aab aaab a b b a'))  # ['ab', 'abb', 'abbb', 'ab', 'ab']
    print(re.findall('ab{1,}', 'ab abb abbbb aab aaab a b'))  # ['ab', 'abb', 'abbbb', 'ab', 'ab']
    print(re.findall('ab{3}','a ab abb abbbb a123b a123bbbb'))  # ['abbb']
    ​
    ​
    # .*:匹配任意0个到无穷个字符，贪婪匹配(到右边字符最后一次出现时结束）
    print(re.findall('a.*b', 'aghfhkdsnb-9=-0b'))  # ['aghfhkdsnb-9=-0b']
    ​
    print(re.findall('href="(.*)"','<p>动感视频</p><a href="https://www.douniwan.com/1.mp4">逗你玩呢\
    </a><a href="https://www.xxx.com/2.mp4">葫芦娃</a>'))
    #  ['https://www.douniwan.com/1.mp4">逗你玩呢</a><a href="https://www.xxx.com/2.mp4']
    ​
    # .*？:匹配任意0个到无穷个字符，非贪婪匹配(到右边字符第一次出现时结束）
    print(re.findall('a.*?b', 'aghfhkdsnb-9=-0b'))  # ['aghfhkdsnb']
    ​
    print(re.findall('href="(.*?)"','<p>动感视频</p><a href="https://www.douniwan.com/1.mp4">逗你玩呢\
    </a><a href="https://www.xxx.com/2.mp4">葫芦娃</a>'))
    #  ['https://www.douniwan.com/1.mp4', 'https://www.xxx.com/2.mp4']
    ​
    ​
    # |：或者
    print(re.findall('ab|ac', 'ab  bb ac cc abb acc'))  # ['ab', 'ac', 'ab', 'ac']
    ​
    ​
    # ():分组
    print(re.findall('a(?:ab|c)', 'aab ac ac ab abbb aaaab'))  # ['aab', 'ac', 'ac', 'aab']
    print(re.findall('a(ab|c)', 'aab ac ac ab abbb aaaab'))  # ['ab', 'c', 'c', 'ab']
    ​
    ​
    # \:  转意
    print(re.findall('a\\\\c', 'a\c aac'))  # \\\\转以后相当于\\
    print(re.findall(r'a\\c', 'a\c aac'))  # r表示原生代码，指定python语法不要去识别它
    ​
    ​
    # re.I  : 忽略大小写
    print(re.findall('alex', 'my name s alex Alex is dsb aLex AleX', re.I))  # ['alex', 'Alex', 'aLex', 'AleX']
    ​
    ​
    # re.M :区分换行符
    msg = """
    my name is egon
    ghkhdsgdskhf egon
    hgkshd1243 egon"""
    ​
    print(re.findall('egon$', msg, re.M))  # $表示从后开始找，re.M表示识别多行
     # ['egon', 'egon', 'egon']
    ​

    

    

• • re模块其他方法

    • re.search(): 返回查找到的第一个内容，查找不到返回none

    res=re.search('(href)="(.*?)"','<p>动感视频</p><a href="https://www.douniwan.com/1.mp4">逗你玩呢</a><a href="https://www.xxx.com/2.mp4">葫芦娃</a>')
    print(res)  # 匹配成功第一个返回属性及内容，匹配不成功返回none
    print(res.group(0))  # 匹配成功返回第一个内容，group将其转换为字符串
    print(res.group(1))  # 匹配成功返回分组的第一个内容（href）
    print(res.group(2))  # 匹配成功返回分组的第二个内容
    ​
    输出结果：
    <_sre.SRE_Match object; span=(14, 51), match='href="https://www.douniwan.com/1.mp4"'>
    href="https://www.douniwan.com/1.mp4"
    href
    https://www.douniwan.com/1.mp4

    • re.match():从开头查找，开头是则返回该值，不是则返回none

    res=re.match('abc','123abc') ## res=re.search('^abc','123abc')
    print(res)
    ​
    输出结果：
    None

    • re.compile():将要匹配的字符准备好

    pattern=re.compile('alex')
    print(pattern.findall('alex is alex is alex'))
    print(pattern.search('alex is alex is alex'))
    print(pattern.match('alex is alex is alex'))

• 练习

  # 提取算式中的数字，包含负数，减号除外
  msg = "1-2*(60+(-40.35/5)-(-40*3))"
  ​
  print(re.findall('\D?(-?\d+\.?\d*)', msg))
  ​
  输出结果：
  ['', '', '', '-40.35', '', '-40', '']

---

2. hashlib 模块

• hash：一种算法，用来对数据进行运算校验，返回hash值。

• hash三大特性： 1. 只要传入的内容是一样的那返回的hash值一定一样。

  　　                   2.只要采用的hash算法固定，无论传入多长内容hash值长度不变

  3.hash值不可逆，就是不能通过hash值逆推出文件内容

• 为何要用hash：

  ​ 1.文件完整性校验（特性1、2）

  ​ 原理：下载前拿到文件的hash值，下载完成后在目标设备上在进行校验，比对两者是否一致，从而判断文件完整性

  ​ 方法：将文件以行的形式一行一行读到内存中，加以hash运算最后得到hash值（不能将文件一次性全读到内存中，会导致内存溢出），但是一行行验证当文件行数过多时，效率太低，故我们可以选择几个特征区域加以hash，验证即可。

  import hashlib
  ​
  m=hashlib.md5()  # md5 默认hash值为32位
  m.update('你好'.encode('utf-8'))
  m.update('hello'.encode('utf-8'))  # 与m.update('你好hello'encode('utf-8'))de hash值一致
  print(m.hexdigest())  # 对以上update文件进行校验返回其hash值
  ​
  输出结果：
  65c83c71cb3b2e2882f99358430679c3
  ​
  ​
  # hash值长度之与算法有关，与文件大小无关
  m2=hashlib.sha512()  # sha512算法hash值长度为128
  m2.update(b'asdfassssssssssssssssssssssssssss')
   # print(m2.hexdigest())
  print(len(m2.hexdigest()))
  ​
  ​
  输出结果：
  128
  ​
  # 文件验证
  with open(r'D:\xxx\xxx\file.txt',mode='rb') as f:
      m=hashlib.md5()
      for line in f:
          m.update(line)
      print(m.hexdigest())
  ​

  ​ 2.用来对数据加密（特性3）

  原理：在数据的某些位置添加设定数据，将其数据复杂化

  # 数据加密
  pwd=input('password>>> ').strip()
  m=hashlib.md5()
  m.update('加密数据'.encode('utf-8'))  # 在密码前加密，也可在其他任意位置加密，增加破解难度
  m.update(pwd.encode('utf-8'))  # 原密码数据
  m.update('加密数据'.encode('utf-8'))  # 在密码后加密，也可是其他位置
  print(m.hexdigest())

​