正则表达式
正则表达式简介
正则语法表
这个你背不过，再好的教程看了也没用。如何巧记？我们需要对其进行分类。
- 开头结尾
这一对标签，大家都不会陌生…
| 模式 | 描述 |
|---|---|
| ^ | 从整个字符串开头的地方匹配 |
| $ | 从整个字符串的结尾开始匹配 |
- 模糊匹配
| 模式 | 描述 |
|---|---|
| . | 匹配任意字符，除了换行符 |
| re? | 重复匹配?号前面0个或1个由前面的正则表达式定义的片段，非贪婪方式 |
| re* | 重复匹配*号前面0个或多个的表达式。 |
| re+ | 重复匹配+号前面1个或多个的表达式。 |
| a丨b | 匹配a或b |
- 关于括号
| 模式 | 描述 |
|---|---|
| {} | 表示匹配"{}“前边的字符 指定个数为”{}"里边的数值 |
| [] | 表示一个字符集，它常被用来指定一个字符类别，字符可以单个列出，也可以用“-”号分隔的两个给定字符来表示一个字符区间 |
| () | 分组 将括号中的内容 当作整体来对待 |
\反斜杠的应用
| 模式 | 描述 |
|---|---|
| \w | 匹配字母数字及下划线 |
| \W | 匹配非字母数字及下划线 |
| \s | 匹配任意空白字符，等价于 [\t\n\r\f]. |
| \S | 匹配任意非空字符 |
| \d | 匹配任意数字，等价于 [0-9]. |
| \D | 匹配任意非数字 |
| \A | 匹配字符串开始 |
| \Z | 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。 |
| \z | 匹配字符串结束 |
| \G | 匹配最后匹配完成的位置。 |
| \b | 匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。 |
| \B | 匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。 |
| \n, \t, 等. | 匹配一个换行符。匹配一个制表符。等 |
| \1…\9 | 匹配第n个分组的内容。 |
| \10 | 匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。 |
- 其他
| 模式 | 描述 |
|---|---|
| (?imx) | 正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。 |
| (?-imx) | 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。 |
| (?: re) | 类似 (…), 但是不表示一个组 |
| (?imx: re) | 在括号中使用i, m, 或 x 可选标志 |
| (?-imx: re) | 在括号中不使用i, m, 或 x 可选标志 |
| (?#…) | 注释. |
| (?= re) | 前向肯定界定符。如果所含正则表达式，以 … 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。 |
| (?! re) | 前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功 |
| (?> re) | 匹配的独立模式，省去回溯。 |
re模块用法
re.(function)(pattern[, flags])
pattern : 一个字符串形式的正则表达式
flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
- re.I 忽略大小写
- re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
- re.M 多行模式
- re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
- re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
- re.X 为了增加可读性，忽略空格和 # 后面的注释
- findall() (即：全部找到,返回的是一个列表)
- string : 待匹配的字符串。
- pos : 可选参数，指定字符串的起始位置，默认为 0。
- endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。
import re s = 'helloworld hellobeijing' ret = re.findall('hello\S+',s) print(ret) ['helloworld', 'hellobeijing'] 讯享网
- finditer()
和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。
re.finditer(pattern, string, flags=0)
参数：
| 参数 | 描述 |
|---|---|
| pattern | 匹配的正则表达式 |
| string | 要匹配的字符串。 |
| flags | 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等 |
- search() 与 match()
相同点：
- 语法：re.search/match(pattern, string, flags=0)
- 函数参数说明：
| 参数 | 描述 |
|---|---|
| pattern | 匹配的正则表达式 |
| string | 要匹配的字符串。 |
| flags | 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等 |
- 可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
| 匹配方法 | 描述 |
|---|---|
| group(num=0) | 匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组 |
| groups() | 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号 |
| start([group]) | 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0 |
| end([group]) | 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0 |
| span([group]) | 方法返回 (start(group), end(group) |
讯享网import re # re.search ret = re.search('h..','hello hello world') print(ret) # 输出结果：<_sre.SRE_Match object; span=(0, 3), match='hel'> ret1 = re.search('h..','hello hello world').group() print(ret1) # 输出结果：hel 只输出第一个符合条件的结果 # re.match ret = re.match('asd','asdhskdjfksji') print(ret) # 输出结果：<_sre.SRE_Match object; span=(0, 3), match='asd'>返回的是一个对象。 ret1 = re.match('asd','asdhskdjfasdksjiasd').group() print(ret1) # 输出结果：asd 调用.group()方法，只返回匹配的第一个结果。
不同点：
- re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None
- re.search匹配整个字符串，直到找到一个匹配
# re.search s = 'helloworld hellobeijing' ret = re.search('hellob\S+',s) print(ret) <re.Match object; span=(11, 23), match='hellobeijing'> # re.match s = 'helloworld hellobeijing' ret = re.match('hellob\S+',s) print(ret) None - split() 分隔符 对比字符串里边的split方法。
split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：
re.split(pattern, string[, maxsplit=0, flags=0])
| 参数 | 描述 |
|---|---|
| pattern | 匹配的正则表达式 |
| string | 要匹配的字符串。 |
| maxsplit | 分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。 |
| flags | 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志 |
讯享网import re s = 'helloworld hellobeijing' ret = re.split('hello',s) print(ret) ['', 'world ', 'beijing']
- sub() 替换；类似字符串中的replace()方法。
re.sub用于替换字符串中的匹配项。
语法：
re.sub(pattern, repl, string, count=0, flags=0)
参数：
- pattern : 正则中的模式字符串。
- repl : 替换的字符串，也可为一个函数。
- string : 要被查找替换的原始字符串。
- count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
import re s = 'helloworld hellobeijing' ret = re.sub('hello','goodbye',s) print(ret) goodbyeworld goodbyebeijing - compile(strPattern[,flag]): 这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象
compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。
语法格式为：
re.compile(pattern[, flags])
参数：
pattern : 一个字符串形式的正则表达式
- flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
- re.I 忽略大小写
- re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
- re.M 多行模式
- re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）
- re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
- re.X 为了增加可读性，忽略空格和 # 后面的注释
讯享网import re pattern = re.compile('he.{3}') pattern.match(s) <re.Match object; span=(0, 5), match='hello'>
正则练习
import re 1 查找第一个匹配串
讯享网s = 'i love python very much' pat = 'python' r = re.search(pat,s) print(r.span()) #(7,13)
2 查找所有1
s = '山东省潍坊市青州第1中学高三1班' pat = '1' r = re.finditer(pat,s) for i in r: print(i) # <re.Match object; span=(9, 10), match='1'> # <re.Match object; span=(14, 15), match='1'> 3 \d匹配数字[0-9]
讯享网s = '一共20行代码运行时间13.59s' pat = r'\d+' # +表示匹配数字(\d表示数字的通用字符)1次或多次 r = re.findall(pat,s) print(r) # ['20', '13', '59']
我们想保留13.59而不是分开，请看4
4 ?表示前一个字符匹配0或1次
s = '一共20行代码运行时间13.59s' pat = r'\d+\.?\d+' # ?表示匹配小数点(\.)0次或1次 r = re.findall(pat,s) print(r) # ['20', '13.59'] 5 ^匹配字符串的开头
讯享网s = 'This module provides regular expression matching operations similar to those found in Perl' pat = r'^[emrt]' # 查找以 r = re.findall(pat,s) print(r) # [],因为字符串的开头是字符`T`，不在emrt匹配范围内，所以返回为空
6 re.I 忽略大小写
s = 'This module provides regular expression matching operations similar to those found in Perl' pat = r'^[emrt]' # 查找以 r = re.compile(pat,re.I).search(s) print(r) # <re.Match object; span=(0, 1), match='T'> 表明字符串的开头在匹配列表中 7 使用正则提取单词
这是不准确版本，请参看第9个
讯享网s = 'This module provides regular expression matching operations similar to those found in Perl' pat = r'\s[a-zA-Z]+' r = re.findall(pat,s) print(r) #[' module', ' provides', ' regular', ' expression', ' matching', ' operations', ' similar', ' to', ' those', ' found', ' in', ' Perl']
8 只捕获单词，去掉空格
使用()捕获，这是不准确版本，请参看第9个
s = 'This module provides regular expression matching operations similar to those found in Perl' pat = r'\s([a-zA-Z]+)' r = re.findall(pat,s) print(r) #['module', 'provides', 'regular', 'expression', 'matching', 'operations', 'similar', 'to', 'those', 'found', 'in', 'Perl'] 9 补充上第一个单词
上面第8，看到提取单词中未包括第一个单词，使用?表示前面字符出现0次或1次，但是此字符还有表示贪心或非贪心匹配含义，使用时要谨慎。
讯享网s = 'This module provides regular expression matching operations similar to those found in Perl' pat = r'\s?([a-zA-Z]+)' r = re.findall(pat,s) print(r) #['This', 'module', 'provides', 'regular', 'expression', 'matching', 'operations', 'similar', 'to', 'those', 'found', 'in', 'Perl']
10 使用split函数直接分割单词
使用以上方法分割单词，不是简洁的，仅仅为了演示。分割单词最简单还是使用split函数。
s = 'This module provides regular expression matching operations similar to those found in Perl' pat = r'\s+' r = re.split(pat,s) print(r) # ['This', 'module', 'provides', 'regular', 'expression', 'matching', 'operations', 'similar', 'to', 'those', 'found', 'in', 'Perl'] 11 提取以m或t开头的单词，忽略大小写
下面出现的结果不是我们想要的，原因出在 ?上！
讯享网s = 'This module provides regular expression matching operations similar to those found in Perl' pat = r'\s?([mt][a-zA-Z]*)' # 查找以 r = re.findall(pat,s) print(r) # ['module', 'matching', 'tions', 'milar', 'to', 'those']
12 使用^查找字符串开头的单词
综合11和12得到所有以m或t开头的单词
s = 'This module provides regular expression matching operations similar to those found in Perl' pat = r'^([mt][a-zA-Z]*)\s' # 查找以 r = re.compile(pat,re.I).findall(s) print(r) # ['This'] 13 先分割，再查找满足要求的单词
使用match表示是否匹配
讯享网s = 'This module provides regular expression matching operations similar to those found in Perl' pat = r'\s+' r = re.split(pat,s) res = [i for i in r if re.match(r'[mMtT]',i)] print(res) # ['This', 'module', 'matching', 'to', 'those']
14 贪心匹配
尽可能多的匹配字符
content='<h>ddedadsad</h><div>graph</div>bb<div>math</div>cc' pat=re.compile(r"<div>(.*)</div>") #贪婪模式 m=pat.findall(content) print(m) # ['graph</div>bb<div>math'] 15 非贪心匹配
与14相比，仅仅多了一个问号(?)，得到结果完全不同。
讯享网content='<h>ddedadsad</h><div>graph</div>bb<div>math</div>cc' pat=re.compile(r"<div>(.*?)</div>") #贪婪模式 m=pat.findall(content) print(m) # ['graph', 'math']
与14比较可知，贪心匹配和非贪心匹配的区别，后者是字符串匹配后立即返回，见好就收。
16 含有多种分割符
使用split函数
content = 'graph math,,english;chemistry' # 这种 pat=re.compile(r"[\s\,\;]+") #贪婪模式 m=pat.split(content) print(m) # ['graph', 'math', 'english', 'chemistry'] 17 替换匹配的子串
sub函数实现对匹配子串的替换
讯享网content="hello 12345, hello " pat=re.compile(r'\d+') #要替换的部分 m=pat.sub("666",content) print(m) # hello 666, hello 666
18 爬取百度首页标题
import re from urllib import request #爬虫爬取百度首页内容 data=request.urlopen("http://www.baidu.com/").read().decode() #分析网页,确定正则表达式 pat=r'<title>(.*?)</title>' result=re.search(pat,data) print(result) <re.Match object; span=(1358, 1382), match='<title>百度一下，你就知道</title>'> result.group() # 百度一下，你就知道 19 常用元字符总结复习
讯享网. 匹配任意字符 ^ 匹配字符串始位置 $ 匹配字符串中结束的位置 * 前面的原子重复0次1次多次 ? 前面的原子重复一次或者0次 + 前面的原子重复一次或多次 {n} 前面的原子出现了 n 次 {n,} 前面的原子至少出现 n 次 {n,m} 前面的原子出现次数介于 n-m 之间 ( ) 分组,需要输出的部分
20 常用通用字符总结复习
\s 匹配空白字符 \w 匹配任意字母/数字/下划线 \W 和小写 w 相反，匹配任意字母/数字/下划线以外的字符 \d 匹配十进制数字 \D 匹配除了十进制数以外的值 [0-9] 匹配一个0-9之间的数字 [a-z] 匹配小写英文字母 [A-Z] 匹配大写英文字母 最全的常用正则表达式大全
一、校验数字的表达式
- 数字：[0-9]*$
- n位的数字：^\d{n}$
- 至少n位的数字：^\d{n,}$
- m-n位的数字：^\d{m,n}$
- 零和非零开头的数字：^(0|[1-9][0-9]*)$
- 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
- 带1-2位小数的正数或负数：^(-)?\d+(.\d{1,2})?$
- 正数、负数、和小数：^(-|+)?\d+(.\d+)?$
- 有两位小数的正实数：[0-9]+(.[0-9]{2})?$
- 有1~3位小数的正实数：[0-9]+(.[0-9]{1,3})?$
- 非零的正整数：[1-9]\d*$ 或 ^([1-9][0-9]){1,3}$ 或 ^+?[1-9][0-9]$
- 非零的负整数：^-[1-9][0-9]″$ 或 ^-[1-9]\d$
- 非负整数：^\d+$ 或 [1-9]\d*|0$
- 非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
- 非负浮点数：^\d+(.\d+)?$ 或 [1-9]\d*.\d*|0.\d*[1-9]\d*|0?.0+|0$
- 非正浮点数：^((-\d+(.\d+)?)|(0+(.0+)?))$ 或 ^(-([1-9]\d*.\d*|0.\d*[1-9]\d*))|0?.0+|0$
- 正浮点数：[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]))$
- 负浮点数：^-([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])))$
- 浮点数：^(-?\d+)(.\d+)?$ 或 ^-?([1-9]\d*.\d*|0.\d*[1-9]\d*|0?.0+|0)$
二、校验字符的表达式
- 汉字：[\u4e00-\u9fa5]{0,}$
- 英文和数字：[A-Za-z0-9]+$ 或 [A-Za-z0-9]{4,40}$
- 长度为3-20的所有字符：^.{3,20}$
- 由26个英文字母组成的字符串：[A-Za-z]+$
- 由26个大写英文字母组成的字符串：[A-Z]+$
- 由26个小写英文字母组成的字符串：[a-z]+$
- 由数字和26个英文字母组成的字符串：[A-Za-z0-9]+$
- 由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$
- 中文、英文、数字包括下划线：[\u4E00-\u9FA5A-Za-z0-9_]+$
- 中文、英文、数字但不包括下划线等符号：[\u4E00-\u9FA5A-Za-z0-9]+$ 或 [\u4E00-\u9FA5A-Za-z0-9]{2,20}$
- 可以输入含有^%&’,;=?KaTeX parse error: Undefined control sequence: \” at position 1: \̲”̲等字符：[^%&',;=?\x22]+
- 禁止输入含有的字符：[^\x22]+
三、特殊需求表达式
- 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-./?%&=]*)?$
- 手机号码：^(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}$
- 电话号码(“XXX-XXXXXXX”、”XXXX-XXXXXXXX”、”XXX-XXXXXXX”、”XXX-XXXXXXXX”、”XXXXXXX”和”XXXXXXXX)：^($KaTeX parse error: Undefined control sequence: \d at position 1: \̲d̲{3,4}-)|\d{3.4}…
- 国内电话号码(0511-、021-)：\d{3}-\d{8}|\d{4}-\d{7}
- 身份证号(15位、18位数字)：^\d{15}|\d{18}$
- 短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
- 帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：[a-zA-Z][a-zA-Z0-9_]{4,15}$
- 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：[a-zA-Z]\w{5,17}$
- 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间)：^(?=.\d)(?=.[a-z])(?=.*[A-Z]).{8,10}$
- 日期格式：^\d{4}-\d{1,2}-\d{1,2}
- 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
- 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
- 钱的输入格式：
-
- 有四种钱的表示形式我们可以接受:”10000.00″ 和 “10,000.00″, 和没有 “分” 的 “10000″ 和 “10,000″：[1-9][0-9]*$
- 这表示任意一个不以0开头的数字，但是，这也意味着一个字符”0″不通过，所以我们采用下面的形式：^(0|[1-9][0-9]*)$
- 一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9]*)$
- 这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉，因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：[0-9]+(.[0-9]+)?$
- 必须说明的是，小数点后面至少应该有1位数，所以”10.”是不通过的，但是 “10″ 和 “10.2″ 是通过的：[0-9]+(.[0-9]{2})?$
- 这样我们规定小数点后面必须有两位，如果你认为太苛刻了，可以这样：[0-9]+(.[0-9]{1,2})?$
- 这样就允许用户只写一位小数。下面我们该考虑数字中的逗号了，我们可以这样：[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
- 1到3个数字，后面跟着任意个 逗号+3个数字，逗号成为可选，而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
- 备注：这就是最终结果了，别忘了”+”可以用”*”替代。如果你觉得空字符串也可以接受的话(奇怪，为什么?)最后，别忘了在用函数时去掉去掉那个反斜杠，一般的错误都在这里
- xml文件：^([a-zA-Z]±?)+[a-zA-Z0-9]+\.[x|X][m|M][l|L]$
- 中文字符的正则表达式：[\u4e00-\u9fa5]
- 双字节字符：[^\x00-\xff] (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1))
- 空白行的正则表达式：\n\s*\r (可以用来删除空白行)
- HTML标记的正则表达式：<(\S*?)[^>]>.?</\1>|<.*? /> (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)
- 首尾空白字符的正则表达式：^\s*|\s*KaTeX parse error: Undefined control sequence: \s at position 4: 或(^\̲s̲*)|(\s*) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式)
- 腾讯号：[1-9][0-9]{4,} (腾讯号从10000开始)
- 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
- IP地址：\d+.\d+.\d+.\d+ (提取IP地址时有用)
- IP地址：((?😦?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d)) (由@飞龙三少 提供，感谢共享)
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/47473.html