表示字符:
- . 任意一个字符(除了\n)
- [] 匹配[]中列举的字符,不需要空格逗号 [a-z5-9]
- \d 匹配数字0-9 == [0-9]
- \D 匹配非数字 == [^0-9]
- \s 匹配空白,即 空格 tab \r \n \t
- \S 匹配非空白
- \w 匹配单词字符a-z A-Z 0-9 _ == [a-zA-Z0-9_]
- \W 匹配非单词字符
表示数量:
- * 出现0次或者无限次
- + 出现1次或者无限次
- ? 出现1次或者0次
- {m} 出现m次
- {m,} 出现>=m次
- {m,n} 出现m-n次
表示边界:
- ^ 匹配字符串开头, ^$只匹配一行
- $ 匹配字符串开头
- \b 匹配单词边界
- \B 匹配非单词边界
匹配分组:
- | 匹配0-100内数字:“[1-9]\d?|0$|100$” "[1-9]?\d$|100"
- (ab) 小括号作为一个分组
- \num 引用分组num匹配到的字符串
- (?P<name>正则表达式) P为大写,name定义分组起别名
- (?P=name ) 引用前面的别名
result.group(0) result.groups() 提取所有分组
贪婪模式(Python中数量词是贪婪的,总是尽可能尝试匹配尽可能多的字符):
方法:非贪婪操作符 ? ,可以在 * + ? {m,n}后,使贪婪模式变为非贪婪模式。
s = "This is a number 234-256-222"
r=re.match(r".+(\d+-\d+-\d+)",s).group(1) 》 “4-256-222”
r=re.match(r".+?(\d+-\d+-\d+)",s).group(1) 》 “234-256-222”
r=re.match(r"aa(\d+)","aa2343ddd").gropu(1) 》 "2343"r=re.match(r"aa(\d+?)","aa2343ddd").gropu(1) 》 "2"
r=re.match(r"aa(\d+?)ddd","aa2343ddd").gropu(1) 》 "2343"
>>> s='http://www.baidu.com/message/info//345/id=347'
>>> re.sub(r"(http://.+?/).*",lambda x:x.group(1),s)
'http://www.baidu.com/'
>>> re.sub(r"(http://.+?/).*",lambda x:x.group(0),s)
'http://www.baidu.com/message/info//345/id=347're方法:
re模块使用步骤:
1、使用 compile() 函数将正则表达式的字符串形式编译为一个 Pattern 对象
2、通过 Pattern 对象提供的一系列方法对文本进行匹配查找,获得匹配结果,一个 Match 对象。
3、最后使用 Match 对象提供的属性和方法获得信息,根据需要进行其他的操作
#将正则表达式编译成一个Pattern规则对象
import re
pattern = re.compile("\d")
pattern.match() :从起始位置开始往后查找,返回第一个符合规则的
pattren.search() :从任何位置开始往后查找,返回第一个符合规则的
pattern.findall() :所有的全部匹配, 返回列表 //['123456', '23342']
#pattern.finditer(): 所有的全部匹配, 返回的是一个迭代器
pattern.split() :分割字符串,返回列表
pattern.sub() :替换
match(str, begin, end)
re.I 表示忽略大小写
re.S 表示全文匹配
pattern = re.compile(r"([a-z]+) ([a-z]+)", re.I)
m = pattern.match("Hello world hello python")
m.group(0) >> 'Hello world' #全部输出
m.group(1) >> 'Hello' #输出第一个分组
m.group(2) >> 'world' #输出第二个分组
m.span(1) >> (0,5) #第一个分组的下标
search(str, begin, end) //与match类似
findall(str, begin, end)
split(str, begin, end)
eg: pattern = re.compile("[\s\d\\\;]+")
m = pattern.split(r"a bb\aa;bb34cc dd") >> ['a', 'bb', 'aa', 'bb', 'cc', 'dd']sub(r"str", 旧str) #用前面的字符串,替换掉后面字符串匹配到的内容
常用数字: 1 数字:^[0-9]*$ ,整数或者小数:^[0-9]+\.{0,1}[0-9]{0,2}$ 2 n位的数字:^\d{n}$ 3 至少n位的数字:^\d{n,}$ 4 m-n位的数字:^\d{m,n}$ 5 零和非零开头的数字:^(0|[1-9][0-9]*)$ 6 非零开头的最多带两位小数的数字:^([1-9][0-9]*)+(.[0-9]{1,2})?$ 7 带1-2位小数的正数或负数:^(\-)?\d+(\.\d{1,2})?$ 8 正数、负数、和小数:^(\-|\+)?\d+(\.\d+)?$ 9 有两位小数的正实数:^[0-9]+(.[0-9]{2})?$ 10 有1~3位小数的正实数:^[0-9]+(.[0-9]{1,3})?$ 11 非零的正整数:^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$ 12 非零的负整数:^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$ 13 非负整数:^\d+$ 或 ^[1-9]\d*|0$ 14 非正整数:^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$ 15 非负浮点数:^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ 16 非正浮点数:^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$ 17 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]*))$ 18 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]*)))$ 19 浮点数:^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
校验字符: 1 汉字:^[\u4e00-\u9fa5]{0,}$ 2 英文和数字:^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$ 3 长度为3-20的所有字符:^.{3,20}$ 4 由26个英文字母组成的字符串:^[A-Za-z]+$ 5 由26个大写英文字母组成的字符串:^[A-Z]+$ 6 由26个小写英文字母组成的字符串:^[a-z]+$ 7 由数字和26个英文字母组成的字符串:^[A-Za-z0-9]+$ 8 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}$ 9 中文、英文、数字包括下划线:^[\u4E00-\u9FA5A-Za-z0-9_]+$ 10 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}$ 11 可以输入含有^%&',;=?$\"等字符:[^%&',;=?$\x22]+ 12 禁止输入含有~的字符:[^~\x22]+
特殊表达式: 1 Email地址:^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$ 2 域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.? 3 InternetURL:[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$ 4 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}$ 5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX):^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$ 6 国内电话号码(0511-4405222、021-87888822):\d{3}-\d{8}|\d{4}-\d{7} 7 身份证号: 15或18位身份证:^\d{15}|\d{18}$ 15位身份证:^[1-9]\d{7}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{3}$ 18位身份证:^[1-9]\d{5}[1-9]\d{3}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{4}$ 8 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}?$ 9 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}$ 10 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}$ 11 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}$ 12 日期格式:^\d{4}-\d{1,2}-\d{1,2} 13 一年的12个月(01~09和1~12):^(0?[1-9]|1[0-2])$ 14 一个月的31天(01~09和1~31):^((0?[1-9])|((1|2)[0-9])|30|31)$ 15 钱的输入格式: 16 1.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]*$ 17 2.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]*)$ 18 3.一个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]*)$ 19 4.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]+)?$ 20 5.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})?$ 21 6.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})?$ 22 7.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})?$ 23 8.1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})?$ 24 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 25 xml文件:^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$ 26 中文字符的正则表达式:[\u4e00-\u9fa5] 27 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)) 28 空白行的正则表达式:\n\s*\r (可以用来删除空白行) 29 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) 30 首尾空白字符的正则表达式:^\s*|\s*$或(^\s*)|(\s*$) (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) 31 腾讯QQ号:[1-9][0-9]{4,} (腾讯QQ号从10000开始) 32 中国邮政编码:[1-9]\d{5}(?!\d) (中国邮政编码为6位数字) 33 IP地址:\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)