正则表达式规则&案例

1.1、什么是正则表达式？

⭐️正则表达式（Regular Expression），也叫作正则式、正规表示式、规则表达式等，是一种用于匹配文本的模式，它可以用来检查文本中是否包含特定的字符、字符串或格式，并且可以在文本中进行查找、替换或提取等操作的工具。通过使用正则表达式，可以快速、灵活地匹配、查找和替换符合某种模式的字符串。
⭐️正则表达式通常由普通字符和特殊字符（也称为元字符）组成。普通字符可以匹配自身，而特殊字符则用于描述一些特定的字符或字符集合，或者规定匹配的规则、次数、优先级等。

在使用正则表达式时，通常需要先编写一个正则表达式的模式，然后将该模式应用到目标字符串中进行匹配。在编写正则表达式时，需要考虑以下几个方面：
⭐️匹配的范围： 需要明确要匹配的文本范围，是整个字符串还是其中一部分。
匹配的规则：需要明确要匹配的文本规则，是某个字符、某个字符串、某种格式，还是某个字符集合。
⭐️特殊字符的转义： 需要注意一些特殊字符在正则表达式中具有特殊的含义，需要进行转义才能匹配其字面意义。例如，要匹配句子中的问号符号，可以使用?进行匹配。
⭐️量词的使用： 需要根据具体的匹配规则和需求，合理使用量词进行匹配。需要注意贪婪模式和非贪婪模式的区别，以及匹配优先级的问题。
⭐️分组和捕获： 需要根据需求合理使用分组和捕获，以便后续操作中能够方便地使用匹配到的文本。

在实际应用中，可以使用在线正则表达式测试工具来测试和调试正则表达式，例如Regex101、RegExr等工具都可以帮助我们验证正则表达式的正确性和性能。

1.2、应用范围

正则表达式作为一种强大的文本处理工具，广泛应用于各种编程语言、文本编辑器、数据库等工具中。正则表达式能够快速、灵活地匹配、查找和替换符合某种模式的字符串，具有以下应用范围：
⭐️数据处理和清洗：在处理和清洗各种数据时，正则表达式可以快速地匹配和过滤出符合要求的数据，提高数据处理的效率。
⭐️文本搜索和分析：在文本搜索和分析中，正则表达式可以用于快速定位和匹配关*键字、短语、格式等，方便文本分析和统计。
⭐️网络爬虫和数据抓取：在网络爬虫和数据抓取中，正则表达式可以用于快速匹配和提取目标网页中的数据，例如链接、标题、内容等。
⭐️编程语言和脚本编写：在编写各种编程语言和脚本时，正则表达式可以用于匹配和提取字符串、校验用户输入等操作。
⭐️文本编辑器和命令行工具：在文本编辑器和命令行工具中，正则表达式可以用于快速查找和替换符合要求的文本，提高文本编辑和操作的效率。

总之，正则表达式在各种文本处理和数据处理场景中都有广泛的应用，掌握它可以大大提高我们的工作效率和精度。

1.3、基本语法

符号	作用
.	匹配任意字符，但不包括换行符
^	匹配字符串的开头
$	匹配字符串的结尾
[ ]	匹配括号内的任意一个字符，例如[abc]表示匹配a、b、c中的任意一个字符
[^]	匹配不在括号内的任意一个字符，例如[^abc]表示匹配除了a、b、c以外的任意一个字符
丨	匹配左右两边的任意一个字符或字符集合
()	将括号内的字符或者字符集合作为一个分组，对分组使用量词和其他操作
*	匹配前面的字符或字符集合出现0次或多次
+	匹配前面的字符或字符集合出现1次或多次
？	匹配前面的字符或字符集合出现0次或1次
{n}	匹配前面的字符或字符集合恰好出现n次
{n,}	匹配前面的字符或字符集合至少出现n次
{n,m}	匹配前面的字符或字符集合出现n到m次
\d	匹配任意一个数字字符，等同于[0~9]
\D	匹配任意一个非数字字符，等同于[^0~9]
\w	匹配任意一个字母、数字、下划线字符，等同于[a-zA-Z0-9]
\W	匹配任意一个非字母、数字、下划线，等同于[^a-zA-Z0-9]
\s	匹配任意一个空白字符，包括空格、制表符、换行符等
\S	匹配任意一个非空白字符
(?i)	忽略大小写匹配
(?s)	将‘ . '匹配包括换行符在内的任意字符
(?m)	多行匹配模式，将’^‘和’$'分别匹配每行的开头和结尾
(?x)	忽略正则表达式中的空格和注释
\b	匹配单词的边界
\B	匹配非单词的边界
<	匹配单词的开头
>	匹配单词的结尾
\A	匹配字符串的开头
\Z	匹配字符串的结尾，但不包括最后的换行符
\z	匹配字符串的结尾，类似于 $，但 \z 不受多行模式的影响，只匹配整个字符串的末尾

1.4、常见组合

常用的正则表达式如下：
1、非负整数：^\d+$
2、正整数：^[0-9]*[1-9][0-9]*$
3、非正整数：^((-\d+)|(0+))$
4、负整数：^-[0-9]*[1-9][0-9]*$
5、整数：^-?\d+$
6、非负浮点数：^\d+(\.\d+)?$
7、正浮点数：^((0-9)+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
8、非正浮点数：^((-\d+\.\d+)?)|(0+(\.0+)?))$
9、负浮点数：^(-((正浮点数正则式)))$
10、英文字符串：^[A-Za-z]+$
11、英文大写串：^[A-Z]+$
12、英文小写串：^[a-z]+$
13、英文字符数字串：^[A-Za-z0-9]+$
14、英数字加下划线串：^\w+$
15、E-mail地址：^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$
16、URL：^[a-zA-Z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\s*)?$
17、邮政编码：^[1-9]\d{5}$
18、中文：^[\u0391-\uFFE5]+$
19、电话号码：^((\d2,3)|(\d{3}\-))?(0\d2,3|0\d{2,3}-)?[1-9]\d{6,7}(\-\d{1,4})?$
20、手机号码：^((\d2,3)|(\d{3}\-))?13\d{9}$
21、双字节字符(包括汉字在内)：^\x00-\xff
22、匹配首尾空格：(^\s*)|(\s*$)（像vbscript那样的trim函数）
23、匹配HTML标记：<(.*)>.*<\/\1>|<(.*) \/>
24、匹配空行：\n[\s| ]*\r
25、提取信息中的网络链接：(h|H)(r|R)(e|E)(f|F) *= *('|")?(\w|\\|\/|\.)+('|"| *|>)?
26、提取信息中的邮件地址：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
27、提取信息中的图片链接：(s|S)(r|R)(c|C) *= *('|")?(\w|\\|\/|\.)+('|"| *|>)?
28、提取信息中的IP地址：(\d+)\.(\d+)\.(\d+)\.(\d+)
29、提取信息中的中国手机号码：(86)*0*13\d{9}
30、提取信息中的中国固定电话号码：(\d3,4|\d{3,4}-|\s)?\d{8}
31、提取信息中的中国电话号码（包括移动和固定电话）：(\d3,4|\d{3,4}-|\s)?\d{7,14}
32、提取信息中的中国邮政编码：[1-9]{1}(\d+){5}
33、提取信息中的浮点数（即小数）：(-?\d*)\.?\d+
34、提取信息中的任何数字 ：(-?\d*)(\.\d+)?
35、IP：(\d+)\.(\d+)\.(\d+)\.(\d+)
36、电话区号：/^0\d{2,3}$/
37、腾讯QQ号：^[1-9]*[1-9][0-9]*$
38、帐号(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}$
39、中文、英文、数字及下划线：^[\u4e00-\u9fa5_a-zA-Z0-9]+$
40、匹配中文字符的正则表达式： [\u4e00-\u9fa5]
41、匹配双字节字符(包括汉字在内)：[^\x00-\xff]
42、匹配空行的正则表达式：\n[\s| ]*\r
43、匹配HTML标记的正则表达式：/<(.*)>.*<\/\1>|<(.*) \/>/
44、匹配首尾空格的正则表达式：(^\s*)|(\s*$)
45、匹配IP地址的正则表达式：/(\d+)\.(\d+)\.(\d+)\.(\d+)/g //
46、匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
47、匹配网址URL的正则表达式：http://(/[\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?
48、sql语句：^(select|drop|delete|create|update|insert).*$

1.5、高级功能

正则表达式除了基本语法外，还有一些高级功能，如下所示：
⭐️分组捕获：使用括号将模式分组，并可以通过编号或名称捕获分组匹配的内容，例如 (\d{3})-(\d{4}) 可以匹配 123-4567，并通过编号访问匹配的内容。
⭐️零宽断言：用于在匹配时指定一个位置，并匹配这个位置前面或后面的内容，但不包括这个位置本身，包括正向肯定预测 (?=…)、正向否定预测 (?<!..)、反向肯定预测 (?<=…)、反向否定预测 (?!..)。
⭐️命名捕获组：在分组捕获的基础上，使用 (?P…) 来为分组指定一个名称，可以通过名称来访问匹配的内容。
⭐️后向引用：使用 \n 来引用前面的第 n 个分组匹配的内容，例如 (\d{3})-\1 可以匹配 123-123。
⭐️贪婪量词：在重复字符或字符集合时，默认为贪婪匹配，即尽可能多地匹配，例如 a.*b 会匹配 a 开头，以 b 结尾，中间包含任何字符的字符串。
⭐️非贪婪量词：在重复字符或字符集合时，使用 ?、+?、?? 来实现非贪婪匹配，即尽可能少地匹配，例如 a.?b 会匹配 a 开头，以 b 结尾，中间包含任何字符的最短字符串。

1.6、re模块的使用

re模块中三个函数
⭐️1. match()：re.match尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回None
注： match只能匹配到一个
⭐️2. search()：re.search 扫描整个字符串，匹配成功则返回的是一个匹配对象（这个对象包含了我们匹配的信息）；当然，若是都找不到则返回None值。
注： search也只能匹配到一个，找到符合规则的就返回，不会一直往后找
⭐️3. findall()：在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。
注： match 和 search 是匹配一次 findall 匹配所有。

1.7、实战案例

案例	名称
案例一	匹配QQ号码
案例二	匹配座机号码
案例三	检索所有python源文件
案例四	匹配账号密码
案例五	匹配html标签中的内容
案例六	提取数字并计算
案例七	匹配整数或者小数

实战代码放在我的GitHub库当中，有兴趣的可以点击学习哦~
Github