【Python】【正则表达式】史上最全最详细Python正则表达式（实例解读）

目录

1. 正则表达式解读

1.1 非打印字符

1.2 匹配特殊字符

1.3 限定符

1.4 定位符

1.5 选择

1.6 后向引用

2. 运算符优先级

4. 常见Python正则表达式实例

4.1 正则表达式匹配数字实例

4.2 正则表达式匹配特殊字符

4.3 正则表达式匹配特殊需求

---

1. 正则表达式解读

        正则表达式(regular expression)描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。

        列目录时， dir *.txt或ls *.txt中的*.txt就不是一个正则表达式,因为这里*与正则式的*的含义是不同的。

        正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符。例如'\n'匹配一个换行符，'\\'匹配'\','\('匹配'('。
^	匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配'\n'或'\r'之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配'\n'或'\r'之前的位置。
*	匹配前面的子表达式零次或多次。例如，zo*能匹配'z'以及'zoo'。
+	匹配前面的子表达式一次或多次。例如，zo+能匹配'zo'以及'zoo'，但不能匹配'z'。
?	匹配前面的子表达式零次或一次。例如，'do(es)?'匹配'do'或'does'。
{n}	n是一个非负整数，匹配确定的n次。例如，'o{2}'不能匹配'Bob'中的'o'，但可以匹配'food'中的'o'。
{n,}	n是一个非负整数，至少匹配n次。例如，'o{2,}'不能匹配'Bob'中'o'，但能匹配'foooood'中的'o'。
{n,m}	n,m均为非负整数，且n<=m，至少匹配n次且至多匹配m次。
?	当该字符紧跟在任何一个其他限制符(*,+,?,{n},{n,},{n,m})后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串'ooooo'，'o+?'将匹配单个'o'，而'o+'将匹配所有'o'。
.	匹配除换行符(\n、\r)之外的任何单个字符。要匹配包括'\n'在内的任何字符，请使用像'(.|\n)'的模式。
(pattern)	匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到。
(?:pattern)	匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用"或"字符"|"来组合一个模式的各个部分时很有用。例如，'industr(ies|y)'就是比'industries|industry'更简略的表达式。
(?=pattern)	正向肯定预查(look ahead positive assert)，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说该匹配不需要获取供以后使用。例如，"Windows(?=95|98|NT|2000)"能匹配'Windows2000'中的"Windows"，但不能匹配'Windows3.1'中的'Windows'。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	正向否定预查(look ahead negative assert)，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说该匹配不需要获取供以后使用。例如，"Windows(?!95|98|NT|2000)"能匹配'Windows3.1'中的"Windows"，但不能匹配'Windows2000'中的'Windows'。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?<=pattern)	反向(look behind)肯定预查，与正向肯定预查类似，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'。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?<!pattern)	反向否定预查，与正向否定预查类似，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	匹配x或y。例如，'z|food'能匹配'z'或'food'。'(z|f)ood'则匹配'zood'或'food'。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，'[abc]'可以匹配'plain'中的'a'。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，'[^abc]'可以匹配'plain'中的'p','l','i','n'。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，'a-z'可以匹配'a'到'z'范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配不在指定范围内的任意字符。例如，'[^a-z]'可以匹配任何不在a-z范围内的任意字符。
\b	匹配一个单词边界，也就是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'。
\cx	匹配由x指明的控制字符。例如，\cM匹配一个Ctrl+M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的'c'字符。
\d	匹配一个数字字符。等价于[0-9]。
\D	匹配一个非数字字符。等价于[^0-9]。
\f	匹配一个换页符。等价于\x0c和\cL。
\n	匹配一个换行符。等价于\x0a和\cJ。
\r	匹配一个回车符。等价于\x0d和\cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于[\f\n\r\t\v]。
\S	匹配任何非空白字符。等价于[^\f\n\r\t\v]。
\t	匹配一个制表符。等价于\x09和\cI。
\v	匹配一个垂直制表符。等价于0x0b和\cK。
\w	匹配字母、数字、下划线。等价于[a-zA-Z0-9_]。
\W	匹配非字母、数字、下划线。等价于[^a-zA-Z0-9_]。
\xn	匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41'匹配'A'，'\x041'则等价于'\x04'&'1'。正则表达式中可以使用ASCII编码。
\num	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，'(.)\1'匹配两个连续的相同字符。
\n	匹配一个八进制转义值或一个后向引用。如果\n之前至少有n个获得子表达式，则n为后向引用。否则如果n为八进制数字(0-7)，则n为一个八进制转义值。
\nm	标识一个八进制转义值或一个后向引用。如果\nm之前至少有nm个获得子表达式，则nm为后向引用。如果\nm之前至少有n个获取，则n为一个后跟字符m的后向引用。如果前面的条件都不满足，若n和m均为八进制数字(0-7)，则\nm将匹配八进制转义值nm。
\nml	如果n八进制数字(0-3)，且m和l分别为八进制数字(0-7)，则匹配八进制转义值nml。
\un	匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如\u00A9表示匹配版权符号©。

1.1 非打印字符

字符	含义
\cx	匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。

1.2 匹配特殊字符

特别字符	说明
$	匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 ‘\n’ 或 ‘\r’。要匹配 $ 字符本身，请使用 \$。
( )	标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 和和。
*	匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 \*。
+	匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 \+。
.	匹配除换行符 \n之外的任何单字符。要匹配 .，请使用 \。
[	标记一个中括号表达式的开始。要匹配 [，请使用 \[。
?	匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 \?。
\	将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， ‘n’ 匹配字符 ‘n’。’\n’ 匹配换行符。序列 ‘\\’ 匹配 “\”，而 ‘\(’ 则匹配 “(”。
^	匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合。要匹配 ^ 字符本身，请使用 \^。
{	标记限定符表达式的开始。要匹配 {，请使用 \{。
|	指明两项之间的一个选择。要匹配 |，请使用 \|。

        构造正则表达式的方法和创建数学表达式的方法一样。也就是用多种元字符与操作符将小的表达式结合在一起来创建更大的表达式。正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。 

1.3 限定符

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有*或+或?或{n}或{n,}或{n,m}共6种。

*、+和?限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上一个?就可以实现非贪婪或最小匹配。

正则表达式的限定符有：

字符	描述
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，’zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，”do(es)?” 可以匹配 “do” 或 “does” 中的”do” 。? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，’o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o。
{n,}	n 是一个非负整数。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,}’ 等价于 ‘o+’。’o{0,}’ 则等价于 ‘o*’。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，”o{1,3}” 将匹配 “fooooood” 中的前三个 o。’o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。

1.4 定位符

        用来描述字符串或单词的边界，^和$分别指字符串的开始与结束，\b描述单词的前或后边界，\B表示非单词边界。不能对定位符使用限定符。

1.5 选择

        用圆括号将所有选择项括起来，相邻的选择项之间用|分隔。但用圆括号会有一个副作用，是相关的匹配会被缓存，此时可用?:放在第一个选项前来消除这种副作用。

        其中?:是非捕获元之一，还有两个非捕获元是?=和?!，这两个还有更多的含义，前者为正向预查，在任何开始匹配圆括号内的正则表达式模式的位置来匹配搜索字符串，后者为负向预查，在任何开始不匹配该正则表达式模式的位置来匹配搜索字符串。

1.6 后向引用

对一个正则表达式模式或部分模式两边添加圆括号将导致相关匹配存储到一个临时缓冲区中，所捕获的每个子匹配都按照在正则表达式模式中从左至右所遇到的内容存储。存储子匹配的缓冲区编号从 1 开始，连续编号直至最大 99 个子表达式。每个缓冲区都可以使用 ‘\n’ 访问，其中 n 为一个标识特定缓冲区的一位或两位十进制数。

可以使用非捕获元字符 ‘?:’, ‘?=’, or ‘?!’ 来忽略对相关匹配的保存。

2. 运算符优先级

正则表达式从左到右进行计算，并遵循优先级顺序，这与算术运算符非常类似。
相同优先级的从左到右进行运算，不同优先级的运算先高后低。下表从最高到最低说明了各种正则表达式运算符的优先级顺序：

运算符	描述
\	转义符
(),(?:),(?=),[]	圆括号和方括号
*,+,?,{n},{n,},{n,m}	限定符
^,$,\任何元字符、任何字符	定位点和序列（即：位置和顺序）
|	替换，"或"操作，字符具有高于替换运算符的优先级，使得"m|food"匹配"m" 或"food"。若要匹配"mood"或"food"，请使用(m|f)ood

4. 常见Python正则表达式实例

4.1 正则表达式匹配数字实例

1.数字：^[0-9]*$
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)$

4.2 正则表达式匹配特殊字符

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]+

4.3 正则表达式匹配特殊需求

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位、18位数字)：^\d{15}|\d{18}$
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}
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)$


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*$或(^\s*)|(\s*$) (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)
腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ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))