一.元字符
元字符 | 匹配内容 |
. | 除空格之外的任意字符 |
\w | 数字、字母下划线 |
\s | 空白字符 |
\d | 数字 |
\n | 换行符 |
\t | 制表符 |
^ | 以…开头 |
$ | 以…结尾 |
\W | 除数字、字母、下划线外所有字符 |
\D | 除数字之外所有字符 |
a | b |
() | 括号内的表达式,也表示一个组 |
[…] | 字符组中的内容 |
[^…] | 除[…]里的字符 |
二.量词
量词 | 用法说明 |
* | 0次或多次 |
+ | 1次或多次 |
? | 0次或1次 |
{n} | n次 |
{n,} | 至少n次 |
{n,m} | n-m次 |
三.贪婪和非贪婪
正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;非贪婪则相反,总是尝试匹配尽可能少的字符。在"*","?","+","{m,n}"后面加上?,使贪婪变成非贪婪。贪婪模式下字符串查找会直接走到字符串结尾去匹配,如果不相等就向前寻找,这一过程称为回溯。
四.re模块
import re
ret = re.findall('a', 'eva egon yuan') # 返回所有满足匹配条件的结果,放在列表里
print(ret) #结果 : ['a', 'a']
ret = re.search('a', 'eva egon yuan').group()
print(ret) #结果 : 'a'
#函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
#通过调用group()方法得到匹配的字符串,如果字符串没有匹配,则返回None。
ret = re.match('a', 'abc').group() # 同search,不过尽在字符串开始处进行匹配
print(ret)
#结果 : 'a'
ret = re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
print(ret) # ['', '', 'cd']
ret = re.sub('\d', 'H', 'eva3egon4yuan4', 1)#将数字替换成'H',参数1表示只替换1个
print(ret) #evaHegon4yuan4
ret = re.subn('\d', 'H', 'eva3egon4yuan4')#将数字替换成'H',返回元组(替换的结果,替换了多少次)
print(ret)
obj = re.compile('\d{3}') #将正则表达式编译成为一个 正则表达式对象,规则要匹配的是3个数字
ret = obj.search('abc123eeee') #正则表达式对象调用search,参数为待匹配的字符串
print(ret.group()) #结果 : 123
import re
ret = re.finditer('\d', 'ds3sy4784a') #finditer返回一个存放匹配结果的迭代器
print(ret) # <callable_iterator object at 0x10195f940>
print(next(ret).group()) #查看第一个结果
print(next(ret).group()) #查看第二个结果
print([i.group() for i in ret]) #查看剩余的左右结果
注意:
#1 findall的优先级查询,在分组加?:取消分组优先
ret = re.findall("www.(csdn|muke).com","www.csdn.com")
print(ret)
ret = re.findall("www.(?:csdn|muke).com","www.csdn.com")
print(ret)
#2.split的优先级查询
ret = re.split("\d","sada1sfa2f3saf5asd5f")
print(ret) #['sada', 'sfa', 'f', 'saf', 'asd', 'f']
#加()可以保留匹配项
ret = re.split("(\d)","sada1sfa2f3saf5asd5f")
print(ret) #['sada', '1', 'sfa', '2', 'f', '3', 'saf', '5', 'asd', '5', 'f']
五.常见正则匹配(有需要就来查)
一、数字校验
数字:
^[0-9]*$
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:
^[0-9]+(.[0-9]{2})?$
有1~3位小数的正实数:
^[0-9]+(.[0-9]{1,3})?$
非零的正整数:
^[1-9]\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 ^[1-9]\d*|0$
非正整数:
^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
非负浮点数:
^\d+(\.\d+)?$ 或 ^[1-9]\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:
^[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]*))$
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、字符校验
汉字:
^[\u4e00-\u9fa5]{0,}$
英文和数字:
^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{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:
^[A-Za-z]+$
由26个大写英文字母组成的字符串:
^[A-Z]+$
由26个小写英文字母组成的字符串:
^[a-z]+$
由数字和26个英文字母组成的字符串:
^[A-Za-z0-9]+$
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:
^[\u4E00-\u9FA5A-Za-z0-9_]+$
中文、英文、数字但不包括下划线等符号:
^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
可以输入含有^%&’,;=?$\”等字符:
[^%&',;=?$\x22]+
禁止输入含有~的字符:
[^~\x22]+
三、特殊需求处理
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):
^($$\d{3,4}-)|\d{3.4}-)?\d{7,8}$
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):
^[a-zA-Z][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):
^[a-zA-Z]\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″:
^[1-9][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:
^[0-9]+(.[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:
^[0-9]+(.[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:
^[0-9]+(.[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:
^[0-9]{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(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)):
[^\x00-\xff]
空白行的正则表达式(可以用来删除空白行):
\n\s*\r
HTML标记的正则表达式(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):
<(\S*?)[^>]*>.*?|<.*? />
首尾空白字符的正则表达式(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):
^\s*|\s*$或(^\s*)|(\s*$)
腾讯QQ号(腾讯QQ号从10000开始):
[1-9][0-9]{4,}
中国邮政编码(中国邮政编码为6位数字):
[1-9]\d{5}(?!\d)
IP地址(提取IP地址时有用):
\d+\.\d+\.\d+\.\d+
IP地址:
((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))