太香了!Python 50 個正則表示式寫法
技術標籤:python正則表示式晶片pythontwitterregex
什麼是正則表示式?
正則表示式(Regular Expression)通常被用來檢索、替換那些符合某個模式(規則)的文字。
此處的Regular即是規則、規律的意思,Regular Expression即“描述某種規則的表示式”之意。
本文收集了一些常見的正則表示式用法,方便大家查詢取用,並在最後附了詳細的正則表示式語法手冊。
案例包括:「郵箱、身份證號、手機號碼、固定電話、域名、IP地址、日期、郵編、密碼、中文字元、數字、字串」
Python如何支援正則?
我用的是python來實現正則,並使用Jupyter Notebook編寫程式碼。
Python通過re模組支援正則表示式,re 模組使 Python 語言擁有全部的正則表示式功能。
這裡要注意兩個函式的使用:
re.compile
用於編譯正則表示式,生成一個正則表示式( Pattern )物件;
.findall
用於在字串中找到正則表示式所匹配的所有子串,並返回一個列表,如果沒有找到匹配的,則返回空列表。
#匯入re模組
importre
1.郵箱
包含大小寫字母,下劃線,阿拉伯數字,點號,中劃線
表示式:
[a-zA-Z0-9_-][email protected][a-zA-Z0-9_-]+(?:\.[a-zA-Z0-9_-]+)
案例:
pattern=re.compile(r"[a-zA-Z0-9_-] [email protected][a-zA-Z0-9_-]+(?:\.[a-zA-Z0-9_-]+)")
strs='我的私人郵箱是[email protected],公司郵箱是[email protected],麻煩登記一下?'
result=pattern.findall(strs)
print(result)
['[email protected]', '[email protected]']
2. 身份證號
xxxxxx yyyy MM dd 375 0 十八位
-
地區:[1-9]\d{5}
-
年的前兩位:(18|19|([23]\d)) 1800-2399
-
年的後兩位:\d{2}
-
月份:((0[1-9])|(10|11|12))
-
天數:(([0-2][1-9])|10|20|30|31) 閏年不能禁止29+
-
三位順序碼:\d{3}
-
兩位順序碼:\d{2}
-
校驗碼:[0-9Xx]
表示式:
[1-9]\d{5}(18|19|([23]\d))\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\d{3}[0-9Xx]
案例:
pattern=re.compile(r"[1-9]\d{5}(?:18|19|(?:[23]\d))\d{2}(?:(?:0[1-9])|(?:10|11|12))(?:(?:[0-2][1-9])|10|20|30|31)\d{3}[0-9Xx]")
strs='小明的身份證號碼是342623198910235163,手機號是13987692110'
result=pattern.findall(strs)
print(result)
['342623198910235163']
3. 國內手機號碼
手機號都為11位,且以1開頭,第二位一般為3、5、6、7、8、9 ,剩下八位任意數字
例如:13987692110、15610098778
表示式:
1(3|4|5|6|7|8|9)\d{9}
案例:
pattern=re.compile(r"1[356789]\d{9}")
strs='小明的手機號是13987692110,你明天打給他'
result=pattern.findall(strs)
print(result)
['13987692110']
4. 國內固定電話
區號3~4位,號碼7~8位
例如:0511-1234567、021-87654321
表示式:
\d{3}-\d{8}|\d{4}-\d{7}
案例:
pattern=re.compile(r"\d{3}-\d{8}|\d{4}-\d{7}")
strs='0511-1234567是小明家的電話,他的辦公室電話是021-87654321'
result=pattern.findall(strs)
print(result)
['0511-1234567', '021-87654321']
5. 域名
包含http:\\或https:\\
表示式:
(?:(?:http:\/\/)|(?:https:\/\/))?(?:[\w](?:[\w\-]{0,61}[\w])?\.)+[a-zA-Z]{2,6}(?:\/)
案例:
pattern=re.compile(r"(?:(?:http:\/\/)|(?:https:\/\/))?(?:[\w](?:[\w\-]{0,61}[\w])?\.)+[a-zA-Z]{2,6}(?:\/)")
strs='Python官網的網址是https://www.python.org/'
result=pattern.findall(strs)
print(result)
['https://www.python.org/']
6. IP地址
IP地址的長度為32位(共有2^32個IP地址),分為4段,每段8位,用十進位制數字表示
每段數字範圍為0~255,段與段之間用句點隔開
表示式:
((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))
案例:
pattern=re.compile(r"((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))")
strs='''請輸入合法IP地址,非法IP地址和其他字元將被過濾!
增、刪、改IP地址後,請儲存、關閉記事本!
192.168.8.84
192.168.8.85
192.168.8.86
0.0.0.1
256.1.1.1
192.256.256.256
192.255.255.255
aa.bb.cc.dd'''
result=pattern.findall(strs)
print(result)
['192.168.8.84', '192.168.8.85', '192.168.8.86', '0.0.0.1', '56.1.1.1', '192.255.255.255']
7. 日期
常見日期格式:yyyyMMdd、yyyy-MM-dd、yyyy/MM/dd、yyyy.MM.dd
表示式:
\d{4}(?:-|\/|.)\d{1,2}(?:-|\/|.)\d{1,2}
案例:
pattern=re.compile(r"\d{4}(?:-|\/|.)\d{1,2}(?:-|\/|.)\d{1,2}")
strs='今天是2020/12/20,去年的今天是2019.12.20,明年的今天是2021-12-20'
result=pattern.findall(strs)
print(result)
['2020/12/20', '2019.12.20', '2021-12-20']
8. 國內郵政編碼
我國的郵政編碼採用四級六位數編碼結構
前兩位數字表示省(直轄市、自治區)
第三位數字表示郵區;第四位數字表示縣(市)
最後兩位數字表示投遞局(所)
表示式:
[1-9]\d{5}(?!\d)
案例:
pattern=re.compile(r"[1-9]\d{5}(?!\d)")
strs='上海靜安區郵編是200040'
result=pattern.findall(strs)
print(result)
['200040']
9. 密碼
密碼(以字母開頭,長度在6~18之間,只能包含字母、數字和下劃線)
表示式:
[a-zA-Z]\w{5,17}
強密碼(以字母開頭,必須包含大小寫字母和數字的組合,不能使用特殊字元,長度在8-10之間)
表示式:
[a-zA-Z](?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}
pattern=re.compile(r"[a-zA-Z]\w{5,17}")
strs='密碼:q123456_abc'
result=pattern.findall(strs)
print(result)
['q123456_abc']
pattern=re.compile(r"[a-zA-Z](?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}")
strs='強密碼:q123456ABc,弱密碼:q123456abc'
result=pattern.findall(strs)
print(result)
['q123456ABc,']
10. 中文字元
表示式:
[\u4e00-\u9fa5]
案例:
pattern=re.compile(r"[\u4e00-\u9fa5]")
strs='apple:蘋果'
result=pattern.findall(strs)
print(result)
['蘋', '果']
11. 數字
-
驗證數字:
^[0-9]*$
-
驗證n位的數字:
^\d{n}$
-
驗證至少n位數字:
^\d{n,}$
-
驗證m-n位的數字:
^\d{m,n}$
-
驗證零和非零開頭的數字:
^(0|[1-9][0-9]*)$
-
驗證有兩位小數的正實數:
^[0-9]+(.[0-9]{2})?$
-
驗證有1-3位小數的正實數:
^[0-9]+(.[0-9]{1,3})?$
-
驗證非零的正整數:
^\+?[1-9][0-9]*$
-
驗證非零的負整數:
^\-[1-9][0-9]*$
-
驗證非負整數(正整數 + 0)
^\d+$
-
驗證非正整數(負整數 + 0)
^((-\d+)|(0+))$
-
整數:
^-?\d+$
-
非負浮點數(正浮點數 + 0):
^\d+(\.\d+)?$
-
正浮點數
^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
-
非正浮點數(負浮點數 + 0)
^((-\d+(\.\d+)?)|(0+(\.0+)?))$
-
負浮點數
^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
-
浮點數
^(-?\d+)(\.\d+)?$
12. 字串
-
英文和數字:
^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
-
長度為3-20的所有字元:
^.{3,20}$
-
由26個英文字母組成的字串:
^[A-Za-z]+$
-
由26個大寫英文字母組成的字串:
^[A-Z]+$
-
由26個小寫英文字母組成的字串:
^[a-z]+$
-
由數字和26個英文字母組成的字串:
^[A-Za-z0-9]+$
-
由數字、26個英文字母或者下劃線組成的字串:
^\w+$ 或 ^\w{3,20}$
-
中文、英文、數字包括下劃線:
^[\u4E00-\u9FA5A-Za-z0-9_]+$
-
中文、英文、數字但不包括下劃線等符號:
^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
-
可以輸入含有^%&',;=?$\”等字元:`[^%&',;=?$\x22]+`
-
禁止輸入含有~的字元:
[^~\x22]+
附:正則表示式語法詳解
字元 | 描述 |
---|---|
\ | 將下一個字元標記為一個特殊字元(File Format Escape,清單見本表)、或一個原義字元(Identity Escape,有^$()*+?.[{|共計12個)、或一個向後引用(backreferences)、或一個八進位制轉義符。例如,“n ”匹配字元“n ”。“\n ”匹配一個換行符。序列“\\ ”匹配“\ ”而“\( ”則匹配“( ”。 |
^ | 匹配輸入字串的開始位置 |
$ | 匹配輸入字串的結束位置 |
* | 匹配前面的子表示式零次或多次。例如,zo*能匹配“z ”、“zo ”以及“zoo ”。*等價於{0,}。 |
+ | 匹配前面的子表示式一次或多次。例如,“zo+ ”能匹配“zo ”以及“zoo ”,但不能匹配“z ”。+等價於{1,}。 |
? | 匹配前面的子表示式零次或一次。例如,“do(es)? ”可以匹配“does ”中的“do ”和“does ”。?等價於{0,1}。 |
{n} | n是一個非負整數。匹配確定的n次。例如,“o{2} ”不能匹配“Bob ”中的“o ”,但是能匹配“food ”中的兩個o。 |
{n,} | n是一個非負整數。至少匹配n次。例如,“o{2,} ”不能匹配“Bob ”中的“o ”,但能匹配“foooood ”中的所有o。“o{1,} ”等價於“o+ ”。“o{0,} ”則等價於“o* ”。 |
{n,m} | m和n均為非負整數,其中n<=m。最少匹配n次且最多匹配m次。例如,“o{1,3} ”將匹配“fooooood ”中的前三個o。“o{0,1} ”等價於“o? ”。請注意在逗號和兩個數之間不能有空格。 |
? | 非貪心量化(Non-greedy quantifiers):當該字元緊跟在任何一個其他重複修飾符(*,+,?,{n},{n,},{n,m})後面時,匹配模式是「非」貪婪的。非貪婪模式儘可能少的匹配所搜尋的字串,而預設的貪婪模式則儘可能多的匹配所搜尋的字串。例如,對於字串“oooo ”,“o+? ”將匹配單個“o ”,而“o+ ”將匹配所有“o ”。 |
. | 匹配除“\r ”“\n ”之外的任何單個字元。要匹配包括“\r ”“\n ”在內的任何字元,請使用像“(.\|\r\|\n) ”的模式。 |
(pattern) | 匹配pattern並獲取這一匹配的子字串。該子字串用於向後引用。所獲取的匹配可以從產生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中則使用$0…$9屬性。要匹配圓括號字元,請使用“\( ”或“\) ”。可帶數量字尾。 |
(?:pattern) | 匹配pattern但不獲取匹配的子字串(shy groups),也就是說這是一個非獲取匹配,不儲存匹配的子字串用於向後引用。這在使用或字元“(\|) ”來組合一個模式的各個部分是很有用。例如“industr(?:y\|ies) ”就是一個比“industry\|industries ”更簡略的表示式。 |
(?=pattern) | 正向肯定預查(look ahead positive assert),在任何匹配pattern的字串開始處匹配查詢字串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如,“Windows(?=95\|98\|NT\|2000) ”能匹配“Windows2000 ”中的“Windows ”,但不能匹配“Windows3.1 ”中的“Windows ”。預查不消耗字元,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜尋,而不是從包含預查的字元之後開始。 |
(?!pattern) | 正向否定預查(negative assert),在任何不匹配pattern的字串開始處匹配查詢字串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如“Windows(?!95\|98\|NT\|2000) ”能匹配“Windows3.1 ”中的“Windows ”,但不能匹配“Windows2000 ”中的“Windows ”。預查不消耗字元,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜尋,而不是從包含預查的字元之後開始 |
(?<=pattern) | 反向(look behind)肯定預查,與正向肯定預查類似,只是方向相反。例如,“(?<=95\|98\|NT\|2000)Windows ”能匹配“2000Windows ”中的“Windows ”,但不能匹配“3.1Windows ”中的“Windows ”。 |
(?<!pattern) | 反向否定預查,與正向否定預查類似,只是方向相反。例如“(?<!95\|98\|NT\|2000)Windows ”能匹配“3.1Windows ”中的“Windows ”,但不能匹配“2000Windows ”中的“Windows ”。 |
x\|y | 沒有包圍在()裡,其範圍是整個正則表示式。例如,“z\|food ”能匹配“z ”或“food ”。“(?:z\|f)ood ”則匹配“zood ”或“food ”。 |
[xyz] | 字元集合(character class)。匹配所包含的任意一個字元。例如,“[abc] ”可以匹配“plain ”中的“a ”。特殊字元僅有反斜線\保持特殊含義,用於轉義字元。其它特殊字元如星號、加號、各種括號等均作為普通字元。脫字元^如果出現在首位則表示負值字元集合;如果出現在字串中間就僅作為普通字元。連字元 - 如果出現在字串中間表示字元範圍描述;如果如果出現在首位(或末尾)則僅作為普通字元。右方括號應轉義出現,也可以作為首位字元出現。 |
[^xyz] | 排除型字元集合(negated character classes)。匹配未列出的任意字元。例如,“[^abc] ”可以匹配“plain ”中的“plin ”。 |
[a-z] | 字元範圍。匹配指定範圍內的任意字元。例如,“[a-z] ”可以匹配“a ”到“z ”範圍內的任意小寫字母字元。 |
[^a-z] | 排除型的字元範圍。匹配任何不在指定範圍內的任意字元。例如,“[^a-z] ”可以匹配任何不在“a ”到“z ”範圍內的任意字元。 |
[:name:] | 增加命名字元類(named character class)中的字元到表示式。只能用於「方括號表示式」。 |
[=elt=] | 增加當前locale下排序(collate)等價於字元“elt”的元素。例如,[=a=]可能會增加ä、á、à、ă、ắ、ằ、ẵ、ẳ、â、ấ、ầ、ẫ、ẩ、ǎ、å、ǻ、ä、ǟ、ã、ȧ、ǡ、ą、ā、ả、ȁ、ȃ、ạ、ặ、ậ、ḁ、ⱥ、ᶏ、ɐ、ɑ 。只能用於方括號表示式。 |
[.elt.] | 增加排序元素elt到表示式中。這是因為某些排序元素由多個字元組成。例如,29個字母表的西班牙語, "CH"作為單個字母排在字母C之後,因此會產生如此排序“cinco, credo, chispa”。只能用於方括號表示式。 |
\b | 匹配一個單詞邊界,也就是指單詞和空格間的位置。例如,“er\b ”可以匹配“never ”中的“er ”,但不能匹配“verb ”中的“er ”。 |
\B | 匹配非單詞邊界。“er\B ”能匹配“verb ”中的“er ”,但不能匹配“never ”中的“er ”。 |
\cx | 匹配由x指明的控制字元。x的值必須為A-Z 或a-z 之一。否則,將c視為一個原義的“c ”字元。控制字元的值等於x的值最低5位元(即對3210進位制的餘數)。例如,\cM匹配一個Control-M或回車符。\ca等效於\u0001, \cb等效於\u0002, 等等… |
\d | 匹配一個數字字元。等價於[0-9]。注意Unicode正則表示式會匹配全形數字字元。 |
\D | 匹配一個非數字字元。等價於[^0-9]。 |
\f | 匹配一個換頁符。等價於\x0c和\cL。 |
\n | 匹配一個換行符。等價於\x0a和\cJ。 |
\r | 匹配一個回車符。等價於\x0d和\cM。 |
\s | 匹配任何空白字元,包括空格、製表符、換頁符等等。等價於[ \f\n\r\t\v]。注意Unicode正則表示式會匹配全形空格符。 |
\S | 匹配任何非空白字元。等價於[^ \f\n\r\t\v]。 |
\t | 匹配一個製表符。等價於\x09和\cI。 |
\v | 匹配一個垂直製表符。等價於\x0b和\cK。 |
\w | 匹配包括下劃線的任何單詞字元。等價於“[A-Za-z0-9_] ”。注意Unicode正則表示式會匹配中文字元。 |
\W | 匹配任何非單詞字元。等價於“[^A-Za-z0-9_] ”。 |
\xnn | 十六進位制轉義字元序列。匹配兩個十六進位制數字nn表示的字元。例如,“\x41 ”匹配“A ”。“\x041 ”則等價於“\x04&1 ”。正則表示式中可以使用ASCII編碼。. |
\num | 向後引用(back-reference)一個子字串(substring),該子字串與正則表示式的第num個用括號圍起來的捕捉群(capture group)子表示式(subexpression)匹配。其中num是從1開始的十進位制正整數,其上限可能是9、31、99,甚至無限。例如:“(.)\1 ”匹配兩個連續的相同字元。 |
\n | 標識一個八進位制轉義值或一個向後引用。如果\n之前至少n個獲取的子表示式,則n為向後引用。否則,如果n為八進位制數字(0-7),則n為一個八進位制轉義值。 |
\nm | 3位八進位制數字,標識一個八進位制轉義值或一個向後引用。如果\nm之前至少有nm個獲得子表示式,則nm為向後引用。如果\nm之前至少有n個獲取,則n為一個後跟文字m的向後引用。如果前面的條件都不滿足,若n和m均為八進位制數字(0-7),則\nm將匹配八進位制轉義值nm。 |
\nml | 如果n為八進位制數字(0-3),且m和l均為八進位制數字(0-7),則匹配八進位制轉義值nml。 |
\un | Unicode轉義字元序列。其中n是一個用四個十六進位制數字表示的Unicode字元。例如,\u00A9匹配著作權符號(©)。 |
優先權
優先權 | 符號 |
---|---|
最高 | \ |
高 | () 、(?:) 、(?=) 、[] |
中 | * 、+ 、? 、{n} 、{n,} 、{n,m} |
低 | ^ 、$ 、中介字元 |
次最低 | 串接,即相鄰字元連線在一起 |
最低 | \| |
如果你對本文的內容比較感興趣,可以關注公眾號:AIMaker,獲取更多內容。