正则表达式详解与应用
正则表达式(Regular Expression,常简写为regex、regexp或RE)是计算机科学中的一个概念。它通过使用单个字符串来描述和匹配一系列符合某个句法规则的文本。在许多文本编辑器和编程语言中,正则表达式被广泛应用于文本的检索、替换、验证等操作。本文将详细介绍正则表达式的基本语法及其应用。
一、正则表达式基础
1. 位置匹配
^
:匹配输入字符串的开始位置。例如,^Hello
能匹配Hello world
中的Hello
。$
:匹配输入字符串的结束位置。例如,world$
能匹配Hello world
中的world
。\b
:匹配一个单词边界。比如,\ber\b
能匹配never
中的er
,但不能匹配verb
中的er
。\B
:匹配非单词边界。例如,\Bever\B
能匹配reverent
中的ever
,但不能匹配never
中的ever
。
2. 数量词
*
:匹配前面的字符零次或多次。例如,lo*
能匹配loo
、lo
和l
。+
:匹配前面的字符一次或多次。例如,lo+
能匹配loo
和lo
,但不能匹配l
。?
:匹配前面的字符零次或一次。例如,lo?
能匹配lo
和l
。{n}
:匹配前面的字符恰好n次。例如,o{2}
能匹配book
中的oo
。{n,}
:匹配前面的字符至少n次。例如,o{2,}
能匹配boooook
中的任意oo
。{n,m}
:匹配前面的字符至少n次但不超过m次。例如,o{2,4}
能匹配boooook
中的前四个o
。
3. 字符类
[]
:匹配方括号内的任意字符。例如,[aeiou]
匹配任何一个元音字母。[^]
:匹配不在方括号内的任意字符。例如,[^aeiou]
匹配任何一个非元音字母。-
:表示一个范围。例如,[a-z]
匹配任意小写字母。
4. 特殊字符类
\w
:匹配任意字母、数字或下划线,相当于[a-zA-Z0-9_]
。\W
:匹配任意非字母、数字或下划线字符,相当于[^a-zA-Z0-9_]
。\s
:匹配任意空白字符,包括空格、制表符、换行符等,相当于[ \t\n\x0B\f\r]
。\S
:匹配任意非空白字符,相当于[^ \t\n\x0B\f\r]
。\d
:匹配任意数字,相当于[0-9]
。\D
:匹配任意非数字字符,相当于[^0-9]
。
二、常见正则表达式应用
1. 验证数字
- 匹配正整数:
^[1-9]\d*$
- 匹配负整数:
^-[1-9]\d*$
- 匹配整数:
^-?[1-9]\d*$
- 匹配非负整数(正整数 + 0):
^[1-9]\d*|0$
- 匹配非正整数(负整数 + 0):
^-[1-9]\d*|0$
- 匹配正浮点数:
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$
- 匹配负浮点数:
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$
- 匹配浮点数:
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
- 匹配非负浮点数(正浮点数 + 0):
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
- 匹配非正浮点数(负浮点数 + 0):
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
2. 验证字符串
- 匹配由26个英文字母组成的字符串:
^[A-Za-z]+$
- 匹配由26个英文字母的大写组成的字符串:
^[A-Z]+$
- 匹配由26个英文字母的小写组成的字符串:
^[a-z]+$
- 匹配由数字和26个英文字母组成的字符串:
^[A-Za-z0-9]+$
- 匹配由数字、26个英文字母或者下划线组成的字符串:
^\w+$
3. 验证特殊格式
- 验证用户密码(以字母开头,长度在6-18之间,只能包含字符、数字和下划线):
^[a-zA-Z]\w{5,17}$
- 验证是否含有
^%&',;=?$"
等字符:[^%&',;=?$\x22]+
- 只能输入汉字:
^[\u4e00-\u9fa5]{0,}$
4. 验证电子邮件和网址
- 验证Email地址:
^\w+([-+.]?\w+)*@\w+([-.]?\w+)*\.\w+([-.]?\w+)*$
- 验证Internet URL:
^http://([w-]+\.)+[w-]+(/[w- ./?%&=]*)?$
5. 验证电话号码和身份证
- 验证电话号码:
^((\d{3,4})|\d{3,4}-)?\d{7,8}$
- 验证身份证号(15位或18位数字):
^\d{15}|\d{18}$
6. 验证日期
- 验证一年的12个月:
^(0?[1-9]|1[0-2])$
- 验证一个月的31天:
^((0?[1-9])|((1|2)[0-9])|30|31)$
三、正则表达式的实际应用
1. 声明一个检查数字的函数
import re
def checkNum(string):
pattern = r'^[0-9]*$'
return re.match(pattern, string) is not None
2. 声明一个检查Email的函数
import re
def checkEmail(string):
pattern = r'^\w+([-+.]?\w+)*@\w+([-.]?\w+)*\.\w+([-.]?\w+)*$'
return re.match(pattern, string) is not None
3. 封装一个去除首尾空白字符的函数
import re
def trim(string):
pattern = r'^\s*|\s*$'
return re.sub(pattern, '', string)
四、常用正则表达式示例
- 匹配中文字符:
[\u4e00-\u9fa5]
- 匹配双字节字符(包括汉字在内):
[^\x00-\xff]
- 匹配空白行:
\n\s*\r
- 匹配HTML标记:
<.*?>
- 匹配首尾空白字符:
^\s*|\s*$
- 匹配Email地址:
\w+([-+.]?\w+)*@\w+([-.]?\w+)*\.\w+([-.]?\w+)*
- 匹配网址URL:
[a-zA-z]+://[^\s]*
结语
正则表达式作为一个强大的文本处理工具,广泛应用于各种编程语言和工具中。掌握正则表达式的基本语法和常用模式,不仅可以提高开发效率,还能解决许多复杂的文本处理问题。希望本文能帮助你更好地理解和应用正则表达式,提升编程技能。