正則表示式簡略筆記
阿新 • • 發佈：2018-12-09
說明：之前提到正則表示式就頭大，每次也都是看個開頭就不看了，堅持不下去，這次終於完整地看完一次文件，加上之前多多少少看過的，對正則表示式算是有了整體的瞭解。這次筆記主要結合一培訓班的課件，以Python的re模組為主。
簡略筆記：
1，正則表示式（Regular Expression），正則表示式使⽤單個字串來描述、匹配⼀系列匹配某個句法規則的字串。簡單說就是，這是一個規則，它體現為一個字串，可以提取出符合規則的內容。
2，用途：篩選，查詢，匹配。
3，學習方法：以我自己的經驗來看，只是簡單的看規則簡直難受，還是覺得結合例項，一邊練習一邊記憶比較好，然後就是多練習練習可以達到很好的效果。
4，Python的正則表示式模組：Re，match⽅法進⾏匹配操作，group⽅法來提取資料
字元：
例子：
import re ret = re.match('.', 'a') ret.group() # 'a' ret = re.match(".","b") ret.group() # 'b' ret = re.match(".","M") ret.group() # 'M' # 如果hello的⾸字元⼩寫，那麼正則表示式需要⼩寫的h ret = re.match("h","hello Python") ret.group() # 'h' # 如果hello的⾸字元⼤寫，那麼正則表示式需要⼤寫的H ret = re.match("H","Hello Python") ret.group() # 'H' # ⼤⼩寫h都可以的情況 ret = re.match("[hH]","hello Python") ret.group() # 'h' ret = re.match("[hH]","Hello Python") ret.group() # 'H' # 匹配0到9第⼀種寫法 ret = re.match("[0123456789]","7Hello Python") ret.group() # '7' # 匹配0到9第⼆種寫法 ret = re.match("[0-9]","7Hello Python") ret.group() # '7' # 普通的匹配⽅式 ret = re.match("S1季中賽","S1季中賽冠軍") print ret.group() # S1季中賽 ret = re.match("S2季中賽","S2季中賽冠軍") print ret.group() # S2季中賽 ret = re.match("S3季中賽","S3季中賽冠軍") print ret.group() # S3季中賽 # 使⽤\d進⾏匹配 ret = re.match("S1季中賽","S1季中賽冠軍") print ret.group() # S1季中賽
原始字串：
正則表示式⾥使⽤"\"作為轉義字元，假如你需要匹配⽂本中的字元"\"，那麼使⽤程式設計語⾔表示的正則表示式⾥將需要4個反斜槓"\\"：前兩個和後兩個分別⽤於在程式設計語⾔⾥轉義成反斜槓，轉換成兩個反斜槓後再在正則表示式⾥轉義成⼀個反斜槓。Python中字串前面加上r表示原生字串可以改善這個問題。
例子：
import re ret = re.match("c:\\\\", "c:\\a\\b\\c").group() print(ret) # 'c:\\' ret = re.match(r"c:\\a", "c:\\a\\b\\c").group() print(ret) # 'c:\a' # 使用原生字串 ret = re.match(r"c:\\a", "c:\\a\\b\\c").group() print(ret) # 'c:\a'
數量：
例子：
import re
ret = re.match("[A-Z][a-z]*","Aabcdef")
ret.group() # 'Aabcdef'
ret = re.match("[a-zA-Z_]+[\w_]*","name1")
ret.group() # 'name1'
ret = re.match("[a-zA-Z_]+[\w_]*","_name")
ret.group() # '_name'
ret = re.match("[1-9]?[0-9]","33")
ret.group() # '33'
ret = re.match("[1-9]?[0-9]","09")
ret.group() # '0'
ret = re.match("[a-zA-Z0-9_]{6}","12a3g45678")
ret.group() # '12a3g4'
ret = re.match("[a-zA-Z0-9_]{8,20}","1abcde23s34455ff66")
ret.group() # '1abcde23s34455ff66'邊界：
例子：
import re
ret = re.match("[\w]{4,20}@163\.com$", "[email protected]").group()
print(ret) # '[email protected]'
ret = re.match(r".*\bver\b", "ab cde fgh").group()
print(ret) # 'ab cde'匹配分組：
例子：
import ret
ret = re.match("\w{4,20}@163\.com", "[email protected]")
ret.group()
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]")
ret.group()
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]")
ret.group()
ret = re.match("\w{4,20}@(163|126|qq)\.com", "[email protected]")
ret.group()
# "[email protected]"
# "test[email protected]"
# "[email protected]"
# AttributeError
# 通過引⽤分組中匹配到的資料即可，但是要注意是元字串，即類似 r""這種格
式
ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>mm</html>")
ret.group()
# 因為2對<>中的資料不⼀致，所以沒有匹配出來
ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>mm</htmlbalabala>")
ret.group()
# "<html>mm</html>"
# AttributeError
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.python.org</h1></html>")
ret.group()
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.python.org</h2></html>")
ret.group()
# "<html><h1>www.python.org</h1></html>"
# AttributeError 貪婪和非貪婪:
Python⾥數量詞預設是貪婪的（在少數語⾔⾥也可能是預設⾮貪婪），總是嘗試匹配儘可能多的字元；⾮貪婪則相反，總是嘗試匹配儘可能少的字元。在"*","?","+","{m,n}"後⾯加上？，使貪婪變成⾮貪婪。
一些表示式示例：
數字： ^[0-9]*$
n位的數字： ^\d{n}$
至少n位的數字： ^\d{n,}$
m-n位的數字： ^\d{m,n}$
零和非零開頭的數字： ^(0|[1-9][0-9]*)$
非零開頭的最多帶兩位小數的數字： ^([1-9][0-9]*)+(.[0-9]{1,2})?$
帶1-2位小數的正數或負數： ^(\-)?\d+(\.\d{1,2})?$
正數、負數、和小數： ^(\-|\+)?\d+(\.\d+)?$
有兩位小數的正實數： ^[0-9]+(.[0-9]{2})?$
有1~3位小數的正實數： ^[0-9]+(.[0-9]{1,3})?$
非零的正整數： ^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
非零的負整數： ^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
非負整數： ^\d+$ 或 ^[1-9]\d*|0$
非正整數： ^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
非負浮點數： ^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
非正浮點數： ^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
正浮點數： ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
負浮點數： ^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([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+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
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]+
Email地址： ^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
域名： [a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
InternetURL： [a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
手機號碼： ^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
國內電話號碼(0511-4405222、021-87888822)： \d{3}-\d{8}|\d{4}-\d{7}
身份證號(15位、18位數字)： ^\d{15}|\d{18}$
短身份證號碼(數字、字母x結尾)： ^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
帳號是否合法(字母開頭，允許5-16位元組，允許字母數字下劃線)： ^[a-zA-Z][a-zA-Z0-9_]{4,15}$
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)： ^[a-zA-Z]\w{5,17}$
強密碼(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)： ^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
日期格式： ^\d{4}-\d{1,2}-\d{1,2}
一年的12個月(01～09和1～12)： ^(0?[1-9]|1[0-2])$
一個月的31天(01～09和1～31)： ^((0?[1-9])|((1|2)[0-9])|30|31)$
xml檔案： ^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
中文字元的正則表示式： [\u4e00-\u9fa5]
雙位元組字元： [^\x00-\xff]
空白行的正則表示式： \n\s*\r (可以用來刪除空白行)
HTML標記的正則表示式： <(\S*?)[^>]*>.*?</\1>|<.*? />
首尾空白字元的正則表示式： ^\s*|\s*$或(^\s*)|(\s*$)
騰訊QQ號： [1-9][0-9]{4,} (騰訊QQ號從10000開始)
中國郵政編碼：[1-9]\d{5}(?!\d) (中國郵政編碼為6位數字)
IP地址： \d+\.\d+\.\d+\.\d+ (提取IP地址時有用)
IP地址： ((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))