最全的常用正则表达式大全

江湖人称麻花滕

已于 2023-08-22 16:22:20 修改

阅读量902

点赞数 1

文章标签：正则表达式爬虫 python 数据库服务器

于 2023-06-02 14:54:05 首次发布

本文链接：https://blog.csdn.net/m0_59235699/article/details/131006849

版权

正则表达式是爬虫最常用的工具，用来解析html文本，这次收集了几百个常用的正则表达式，分享给大家。

在这之前，我先来解释下什么是正则表达式，以及相应的学习工具。

正则表达式是一套语法规则，用规定的的符号模式来锁定相应的文本。

比如说我们注册微信账号需要创建密码，有的密码被判定为不符合规范，这就用到了正则表达式来匹配。

因为语法都是偏记忆的东西，需要大量的练习才能用起来得心应手。

有专门的网站可以练习正则表达式，比如regexr、RegexOne等，你只需要输入匹配的语法公式，便可以查询出对应的文本，文本会自动高亮显示。

对于新手来说这是很好的练习方式，所见即所得。一般这类网站上也会提供很多案例，比如查找给定文本，查找里面的邮箱等等。

还有一种比较好的练习方式，就是在编程语言中使用正则表达式，像Java、Go、Python、JavaScript等语言都支持正则表达式，且查找模式也都一致。

以Python为例，Python通过re模块支持正则表达式，re 模块使 Python 语言拥有全部的正则表达式功能。

解释到这里，你应该大致能知道正则表达式是什么。下面推荐下常见的一些正则表达式，包括校验数字、字符、一些特殊的需求等等。

一、校验数字的表达式

数字：¹*$
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：²+(.[0-9]{2})?$
有1~3位小数的正实数：³+(.[0-9]{1,3})?$
非零的正整数：⁴\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 ⁵\d*|0$
非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
非负浮点数：^\d+(.\d+)?$ 或 ⁶\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：⁷\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：⁸{0,}$
英文和数字：⁹+$ 或 ¹⁰{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：¹¹+$
由26个大写英文字母组成的字符串：¹²+$
由26个小写英文字母组成的字符串：¹³+$
由数字和26个英文字母组成的字符串：¹⁴+$
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：¹⁵+$
中文、英文、数字但不包括下划线等符号：¹⁶+$ 或 ¹⁷{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(0511-4405222、021-87888822)：\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)：¹⁸[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)：¹⁹\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″：²⁰[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：²¹+(.[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：²²+(.[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：²³+(.[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：²⁴{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)) (由@飞龙三少提供，感谢共享)