通用正则表达式 持续更新~

引例

判断数字字符

def isDigit(ch):
return re.search(ch, "[0-9]") != None

• 这里真正要关心的就是正则表达式[0-9],它表示“从0到 9之间的任意字符"

  re.search()是正则表达式运算函数，它判断ch能否由正则表达 式[0~9]匹配，可以则返回一个结果，否则返回None

判断字符串str是否电话号码

return re.search(str, "[1-9][0-9](6,7}") != None

• 这个正则表达式最开始是[1-9],表示第一个字符必须是1〜9之间的数字字符；之后是 [0-9] {6,7},表示长度在6和7之间，由0〜9之间的数字字符组成的字符串(两部分加起来， 整个字符串的长度在7和8之间)。

找出一段文本中所有的固定电话号码

return re.findall(str, '(?<![0~9])[1-9][0-9]{6,7}(?![0-9])')

• 这个正则表达式之前多出了(？<! [0-9〕)，表示“之前不能是[0-9]之后多出了 (?! [0-9]),表示“之后不能是[0-9]虽然稍微复杂点，但意思明确，而且不难理解

正文

普通字符组

字符组（CharacterClass） 是正则表达式最基本的结构之一，要理解正则表达式的’‘灵活”， 认识它是第一步。

顾名思义，字符组就是一组字符，在正则表达式中，它表示“在同一个位置可能出现的各种 字符”，其写法是在一对方括号［和］之间列出所有可能出现的字符，简单的字符组比如［ab］、 ［314］、［#・？］在解决一些常见问题时,使用字符组可以大大简化操作，下面举“匹配数字字符” 的例子来说明。

字符可以分为很多类，比如数字、字母、标点等。有时候要求“只出现一个数字字符”，换 句话说，这个位置上的字符只能是0、1、2、…、8、9这10个字符之一。要进行这种判断，通 常的思路是：用10个条件分别判断字符是否等于这10个字符，对10个结果取“或”，只要其中 一个条件成立，就返回True,表示这是一个数字字符

介绍完关于Python的基础知识，继续讲解字符组。字符组中的字符排列顺序并不影响字符 组的功能，出现重复字符也不会影响，所以［0123456789］完全等价于［9876543210］、 ［1029384756］、 ［9988876543210］。

不过，代码总是要容易编写，方便阅读，正则表达式也是一样，所以一般并不推荐在字符组 中出现重复字符。而且，还应该让字符组中的字符排列更符合认知习惯，比如［0123456789］ 就好过［0192837465］。为此，正则表达式提供了-范围表示法（range）,它更直观，能进一步 简化字符组。

所谓“范围表示法”，就是用也丑的形式表示X到y整个范围内的字符，省去一一列出的麻烦，这样［0123456789］就可以表示为［0-9］。如果你觉得这不算什么，那么确实比 ［abcdefghi j klmnopqrstuvwxyz ］简单太多了。

你可能会问，“范围表示法’'的范围是如何确定的？为什么要写作［0-9］,而不写作［9-0］?

要回答这个问题，必须了解范围表示法的实质。在字符组中，二表示的范围，一般是根据字 符对应的码值（Code Point,也就是字符在对应编码表中的编码的数值）来确定的，码值小的字 符在前，码值大的字符在后。在ASCII编码中（包括各种兼容ASCII的编码中），字符0的码值 是48 （十进制），字符9的码值是57 （十进制），所以［0-9］等价于［0123456789］;而［9-0］ 则是错误的范围，因为9的码值大于0,所以会报错。

正则表达式判断数字字符

re.search("[0123456789“], charStr) != None

re.search()是Python提供的正则表达式操作函数，表示“进行正则表达式匹配”；charStr 仍然是需要判断的字符串，而[0123456789]则是以字符串形式给出的正则表达式，它是一个字 符组，表示“这里可以是0、1、2、…、8、9中的任意一个字符。只要charStr与其中任何一个 字符相同(或者说“charStr可以由[0123456789]匹配"),就会得到一个Matchobject对象；否则，返回None所以判断结果是否为None, 就可以判断charStr是否是数字字符。

正则表达式判断数字字符在各种语言中的应用

NET (C#)

〃能匹配则返回true,否则返回false

Regex.IsMatch(charStr, "[0123456789]H;

Java

〃能匹配则返回true,否则返回false

charStr.matches("[0123456789]");

JavaScript

〃能匹配则返回true,否则返回false

[0123456789]/.test(charStr);

PHP

〃能匹配则返回1,否则返回。

preg_match('/[0123456789]/", charStr);

Python

#能匹配则返回RegexObject,否则返回None

re.search("[0123456789]", charStr)

Ruby

#能匹配则返回。，否则返回nil

charStr =~ /[0123456789]/

[0-9a-fA-F]准确判断十六进制字符

re.search("^[0-9a-fA-F]$","0")	!=	None	#	=>	True

re.search("^[0-9a-fA-F]$","c")	!=	None	#	=>	True

re.search("^[0-9a-fA-F]$","i")	!=	None	#	=>	False

re.search("^[0-9a-fA-F]$","C")	!=	None	#	=>	True

re.search("^[0-9a-fA-F]$","J")	!=	None	#	=>	False

在不少语言中，还可以用转义序列\xAex来表示一个字符，其中\x是固定前缀，表示转义序 列的开头，是字符对应的码值(Code Point,详见第127页，下文用行127表示)，是一个两 位的十六进制数值。比如字符A的码值是41 (十进制则为65),所以也可以用\x41表示。

字符组中有时会出现这种表示法，它可以表现一些难以输入或者难以显示的字符，比如\x7F； 也可以用来方便地表示某个范围，比如所有ASCII字符对应的字符组就是【\x00-\x7F],代码

[\x00-\x7F]\准确判断ASCII字符

re.search("^[\x00-\x7F]$","c")!=None # =>True

re.search("^[\xe0-\x7F]$","I")!=None # =>True

re.search("^[\x00-\x7F]$","e")!=None # =>True

re.search("^[\x00-\x7F]$","<")!=None # =>True

元字符与转义

在上面的例子里，字符组中的横线二并不能匹配横线字符，而是用来表示范围，这类字符叫 做元字符(meta-character)字符组的开方括号[、闭方括号]和之前出现的：、§都算元字符。在 匹配中，它们有着特殊的意义。但是，有时候并不需要表示这些特殊意义，只需要表示普通字符 (比如“我就想表示横线字符•”)，此时就必须做特殊处理。

先来看字符组中的-，如果它紧邻着字符组中的开方括号[，那么它就是普通字符，其他情况 下都是元字符；而对于其他元字符，取消特殊含义的做法都是转义，也就是在正则表达式中的元 字符之前加上反斜线字符

如果要在字符组内部使用横线二，最好的办法是将它排列在字符组的最开头。[-09]就是包 含三个字符*-*、0、*9的字符组：[0-9]是包含。0〜9这10个字符的字符组，[-0-9]则是由“-”范 围表示法”0-9和横线二共同组成的字符组，它可以匹配11个字符

位置不同含义不同

- 位置产生的含义

#作为普通字符
re.search("[-09]$","3")!=None	#=>False
re.search("[-09]$","-")!=None	#=>True
#作为元字符
re.search("[-9]$","3")!=None	#=>True
re.search("[0-9]$","-")!=None	#=>False
#转义之后作为普通字符
re.search("[\-9]$","3")!=None	#=>False
re.search("[\-9]$","-")!=None	#=>True

仔细观察会发现，在正文里说“在正则表达式中的元字符之前加上反斜线字符\”，而在代码 里写的却不是［0-9］,而是［0\-9］这并不是输入错误。

因为在这段程序里，正则表达式是以字符串(String)的方式I提供的，而字符串本身也有关 于转义的规定(你或许记得，在字符串中有\n> \t之类的转义序列)。上面说的“正则表达式”, 其实是经过“字符串转义处理”之后的字符串的值，正则表达式［0-9］包含6个字符:［、0、\、 -、9、］,在字符串中表达这6个字符；但是在源代码里，必须使用7个字符： \需要转义成\, 因为处理字符串时，反斜线和之后的字符会被认为是转义序列(Escape Sequence)，比如\n> \t 都是合法的转义序列，然而\-不是。

这个问题确实有点麻烦。正则表达式是用来处理字符串的，但它又不完全等于字符串，正则 表达式中的每个反斜线字符、在字符串中(也就是正则表达式之外)还必须转义为\。所以之 前所说的是“正则表达式［0\-9］”,程序里写的却是［0\\-9］,这确实有点麻烦。

不过，Python提供了原生字符串(Raw String),它非常适合于正则表达式：正则表达式是怎 样，原生字符串就是怎样，完全不需要考虑正则表达式之外的转义(只有双引号字符是例外，原生字符串内的双引号字符必须转义写成\")。原生字符串的形式是 r”string”也就是在普通字符串之前添加r

]位置产生的含义

#未转义的]
re.search(r"[012]345]$","2345")!=None	#=>True
re.search(r"[12]345]$","5")!=None	#=>False
re.search(r"[012]345]$","]")!=None	#=>False
#转义的]
re.search(r"^[812\]345]$","2345")!=None	#=>False
re.search(r"[912\]345]$","5")!=None	#=>True
re.search(r"[012\]345]$","]")!None	#=>True

除去字符组内部的-，其他元字符的转义都必须在字符之前添加反斜线，[的转义也是如此。 如果只希望匹配字符串[012],直接使用正则表达式[012]是不行的,因为这会被识别为一个字 符组，它只能匹配0、1、2这三个字符中的任意一个；而必须转义，把正则表达式写作[012], 请注意，只有开方括号[需要转义，闭方括号]不需要转义

取消其他元字符的特殊含义

re.search(r"[012]345]$","3")!=None	#=False
re.search(r"[012\\]345]$","3")!=None	#=>True
re.search(r"[012]$","[012]")!None	#=>False
re.search(r"\[012]$","[012]")!=None#=>True

原生字符串的使用

#原生字符串和字符串的等价
r"^[0\-9]$"="^[0\\-9]$"		#=True
#原生字符串的转义要简单许多
re.search(r"[\-9]$","3")!=None	#=>False
re.search(r"[\-9]$","-")!None	#=True

排除型字符数组

在方括号B中列出希望匹配的所有字符，这种字符组叫做“普通字符组”，它的确非常方 便。不过，也有些问题是普通字符组不能解决的。

给定一个由两个字符构成的字符串str,要判断这两个字符是否都是数字字符，可以用 [0-9] [0-9]来匹配。但是，如果要求判断的是这样的字符串——第一个字符不是数字字符，第 二个字符才是数字字符（比如A8、x6） ——应当如何办？数字字符的匹配很好处理，用[0-9]排除型字符组(Negated Character Class)非常类似普通字符组B，只是在开方[之后紧跟一个脱字符^,写作[^……]就表示0-9之外的字符，表示“在当前位置，匹配一个没有列岀的字符”。所以[^0-9]“。0〜9之外的字符”，也就是“非数字字符”。那么，L0-9] [0-9]就可以解决问题了

排除型字符组必须匹配一个字符

除了开方括号[之后的^排除型字符组的用法与普通字符组几乎完全相同，唯一需要改动的 是：在排除型字符组中，如果需要表示横线字符-(而不是用于“-范围表示法”)，那么-应该紧跟 在^之后；而在普通字符组中，作为普通字符的横线-应该紧跟在开方括号之后

re.search(r"A[A0-9][0-9]$", "8") != None	# => True
re.search(r"A[A0-9][0-9]$", ”A8“)!= None	# => True

ASCII对照表

ASCII值	控制字符	ASCII值	控制字符	ASCII值	控制字符	ASCII值	控制字符
0	NUL	32	(space)	64	@	96	、
1	SOH	33	！	65	A	97	a
2	STX	34	”	66	B	98	b
3	ETX	35	#	67	C	99	c
4	EOT	36	$	68	D	100	d
5	ENQ	37	%	69	E	101	e
6	ACK	38	&	70	F	102	f
7	BEL	39	’	71	G	103	g
8	BS	40	(	72	H	104	h
9	HT	41	)	73	I	105	i
10	LF	42	*	74	J	106	j
11	VT	43	+	75	K	107	k
12	FF	44	,	76	L	108	l
13	CR	45	-	77	M	109	m
14	SO	46	.	78	N	110	n
15	SI	47	/	79	O	111	o
16	DLE	48	0	80	P	112	p
17	DCI	49	1	81	Q	113	q
18	DC2	50	2	82	R	114	r
19	DC3	51	3	83	X	115	s
20	DC4	52	4	84	T	116	t
21	NAK	53	5	85	U	117	u
22	SYN	54	6	86	V	118	v
23	TB	55	7	87	W	119	w
24	CAN	56	8	88	X	120	x
25	EM	57	9	89	Y	121	y
26	SUB	58	:	90	Z	122	z
27	ESC	59	;	91	[	123	{
28	FS	60	<	92	\	124	|
29	GS	61	=	93	]	125	}
30	RS	62	>	94	^	126	~
31	US	63	?	95	—	127	DEL