正则表达式

一、基础

首先贴一个分类记忆正则表达式的图片，自行选择方式记忆。也可以根据下面的符号类型记忆。
​​​​​​​

1.限定符

a*  :    a出现0次或多次；ab*c代表a和c之间b可以出现0次也可以出现多次，那么可以匹配到ac、abc、abbbbc，但是匹配不到adc 。

a+ ： a出现1次或多次；

a？： a出现0次或1次；字符a可有可无

a{6}：a出现6次；

a{2，6}：a出现2-6次；

a{2，}： a出现2次以上；

2. 或运算符

（a | b）：匹配a或b；

（ab | cd）：匹配ab或cd；当想匹配a dog或a cat时，可以写成a (cat|dog)；括号不可省略，

a dog| cat 匹配到的就是a dog或cat。

3. 字符类

[ abc ]: 匹配a或者b或者c；方括号里的内容代表要求匹配的字符只能取自于它们

[ a-c ]：匹配a或者b或者c；

[ a-fA-F0-9 ]：匹配小写字母+大写英文字符以及数字；

[ ^0-9 ]：匹配非数字字符；^代表脱字符，要求匹配除了尖号后面列出的以外的字符，需要放在[ ]的里面。

4. 元字符 

\d：匹配数字字符， 等同于[0-9]；那么\d{3}代表匹配三个数字；

如果匹配101-23795的电话号码，那么就可以写成\d{3}-\d{5};

如果想匹配8个数字或者9个数字，\d{8,9}就可以啦；

如果遇到9个数字时只想匹配到第八个数字那么可以写成\d{8,9}?就可以啦。

\D：匹配非数字字符；

\w：匹配单词字符(英文、数字、下划线)；

\W：匹配非单词字符；

\s：匹配空白符(包含换行符、tab)；用的时候要用\转换；

\S：匹配非空白字符

. ： 匹配任意字符(换行符除外)，只能出现在[ ]方括号以外；出现在[ ]内就是匹配英文点. 啦；

\bword\b：\b标注字符的边界(全字匹配)，这样就可以只匹配到word这个单词；

^ ：匹配行首；例如^javascript-123456-javascript只会匹配到开头的单词，后面的不会匹配到；如果是javascript-123456-javascript$匹配到的就是后面的单词，前面的不会匹配到；注意和脱字符区分，脱字符需要写到[ ]里面。

$：匹配行尾；

5. 贪婪/非贪婪(懒惰)模式/独占模式

< + >/< * >：默认贪婪匹配“任意字符”；尽可能进行最长匹配。

< +? >/<  *？ >:  懒惰匹配“任意字符”；?会将贪婪匹配切换为懒惰匹配；尽可能进行最短匹配。

在正则中，表示次数的量词默认是贪婪的，在贪婪模式下，会尝试尽可能最大长度去匹配。
首先，我们看一下在字符串 aaabb 中使用正则 a* 的匹配过程。

 

 a*在匹配开头的a时，会尝试尽量匹配更多的a，知道第一个字母b不满足要求为止，匹配上三个a在，后面每次匹配时都得到了空字符串。

在量词后面加上? 就可以将贪婪模式变成非贪婪模式。

​​​​​​​

>>> import re
>>> re.findall(r'a*','aaabb')   // 贪婪模式
['aaa','','','']
>>> re.findall(r'a*?','aaabb')   // 非贪婪模式
['','a','','a','','a','','','']

 这次可以看到，匹配到的结果都是单个的a，就连a左边的空字符串也匹配上了。

下面再看一个示例加深一下理解：
匹配到了第一个引号和最后一个引号之间的所有内容：

找到符合结果的非贪婪匹配： 

 

 不管是贪婪模式还是非贪婪模式，都需要发生回溯才能完成相应的功能。但是在一些场景下，我们不需要回溯，匹配不上返回失败就好了，因此正则中还有另外一种模式，独占模式，它类似贪婪匹配，但匹配过程不会发生回溯，因此在一些场合下性能会更好。

首先看一下回溯：
贪婪模式下：
>> regex = "xy{1，3}z"
>> text = "xyyz"
在匹配时，y{1,3}会尽可能长地去匹配，当匹配完 xyy 后，由于 y 要尽可能匹配最长，即三个，但字符串中后面是个 z 就会导致匹配不上，这时候正则就会向前回溯，吐出当前字符z，接着用正则中的 z 去匹配。

非贪婪模式下：
>> regex = "xy{1，3}?z"
>> text = "xyyz"

由于 y{1,3}? 代表匹配 1 到 3 个 y，尽可能少地匹配。匹配上一个 y 之后，也就是在匹配上text 中的 xy 后，正则会使用 z 和 text 中的 xy 后面的 y 比较，发现正则 z 和 y 不匹配，这时正则就会向前回溯，重新查看 y 匹配两个的情况，匹配上正则中的 xyy，然后再用 z去匹配 text 中的 z，匹配成功。

6.速写符号

* ：等价于{ 0，}；

+ ：等价于{1，}；

7.举例

(1).匹配16进制RGB颜色值 #ffffff #FFFFFF #00hh00

先去匹配前面的#，代表颜色值的字符都是16进制，因此取自于a-f A-F 0-9之间，并且字符需要出现6次，最后在表达式末尾加上\b来代表字符的边界，最终是#[a-fA-F0-9]{6}\b。

(2). 匹配以http开头，以 / 结尾的所有数据

http.*/$

二 . 进阶

8. 分组：
括号()在正则中可以用于分组，被括号括起来的部分“子表达式”会被保存成一个子组。当使用分组时，除了获得整个匹配。还能够在匹配中选择每一个分组。分组有一个非常重要的功能——捕获数据。所以()被称为捕获分组，用来捕获数据，当我们想要从匹配好的数据中提取关键数据的时候可以使用分组。

例如电话号0632-5897444想分别获取前面的区号和后面的电话号时就可以写成：(\d{4})-(\d{7});

想匹配<div>hi</div>并提取hi，就可以写成：<div>(.*?)</div>；

9. 单词边界(Word Boundary)：​​​​​​​

单词的组成一般可以用元字符\w+来表示，\w包括了大小写字母、下划线和数字（即 [A-Za-z0-9_]。当出现了\w 表示的范围以外的字符，比如引号、空格、标点、换行等这些符号，我们就可以在正则中使用\b 来表示单词的边界。 \b 中的 b 可以理解为是边界（Boundary）这个单词的首字母。具体用法可以看下面的表格：

 

三.  常用的正则表达式

1. 版本号限制，只允许输入两个小数点和数字，且二者间隔分布：^\d+(\.\d+\.\d+)$;

那如果想输入三个小数点就可以写成^\d+(\.\d+\.\d+\.\d+)$；

那如果想输入更多位的小数点就可以用花括号来限制^\d+(\.\d+){1，3}$；

当然也可以限制前面数字的位数^\d{1,4}(\.\d+){1,2}$，此时限制的只是第一位数字的位数为四位；

2. 只能输入数字和字母：[0-9a-zA-Z]+(不限制位数)；[0-9a-zA-Z]{1，}(限制位数)；

3. 只输入只能输入数字、字母和符号，也就是限制了汉字的输入：^[^\u4e00-\u9fa5]+$；(至少一位)；

另一种写法：^[^\u4E00-\u9FFF]*$；(可以零位)；

由此可以看出，这是对汉字的输入进行了取反，如果只想要汉字那就是：^[\u4e00-\u9fa5]+$；

4. 正整数：^[1-9]{1}[0-9]*$；

5. 正负整数：^-?[0-9]{1}[0-9]*$；

6. 数字字母下划线，且不能纯数字：^[A-Za-z0-9_]*[A-Za-z_][A-Za-z0-9_]*$；

7. 限制空格的输入：^[^\\s]*$；  \s表示只要出现空白就匹配，\S表示非空白就匹配，所以也可以写成^[\\S]*$；一定要注意，在一些正则验网站上是不需要\来转换的，但是在编码的时候要使用转义符来转换；

一般在进行编码时，例如，字段只允许输入数字字母汉字时，空格会被限制输入；但是当字段没有限制，或只限制了不为空时，空格不会被限制输入，所以要看看需求到底限不限制空格的输入。