Python正则表达式模块re

Posted 2020-10-09

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Python正则表达式模块re相关的知识，希望对你有一定的参考价值。

介绍

正则表达式是用来简介表达一组字符串的表达式，是一种通用的字符串表达框架。

正则表达式是一种正对字符串表达“简洁”和“特征”思想的工具，正则表达式可以用来判断某字符串的特征归属。

正则表达式在在文本处理中十分常用：

表达文本类型的特征(病毒、入侵等)
同时查找或替换一组字符串
匹配字符串的全部或部分(最主要是应用到字符串匹配中)
。。。。。。

使用

1.将符合正则表达式语法的字符串转换成正则表达式特征

>>> regex = ‘P(Y|YT|YTH|YTHO)?N’
>>> p = re.compile(regex)

2.正则表达式常用操作符

操作符	说明	实例
.	表示任何单个字符
[]	字符集，对单个字符给出排除范围	[abc] 表示 a、b、c，[a-z]表示a到z单个字符
[^ ]	非字符集，对单个字符给出排除范围	[^abc] 表示非a或b或c的单个字符
*	前一个字符0次或无限次扩展	abc* 表示 ab、abc、abcc、abccc等
+	前一个字符1次或无限次扩展	abc+ 表示 abc、abcc、abccc等
?	前一个字符0次或1次扩展	abc? 表示 ab、abc
\|	左右表达式任意一个	abc\|def 表示abc、def
{m}	扩展前一个字符m次	ab{2} 表示 abbc
{m,n}	扩展前一个字符m至n次(含n)	ab{1,2}c 表示 abc、abbc
^	匹配字符串开头	^abc 表示 abc且在一个字符串的开头
$	匹配字符串的结尾	abc$ 表示 abc且在一个字符串的结尾
\\d	数字，等价[0-9]
\\w	单词字符，等价于[A-Za-z0-9]
( )	分组标记，内部只能使用 \| 操作符	(abc) 表示abc，(abc\|def) 表示 abc，def

‘(?P...)‘ 分组匹配 
re.search("(?P[0-9]{4})(?P[0-9]{2})(?P[0-9]{4})","371481199306143242").groupdict("city") 
结果{‘province‘: ‘3714‘, ‘city‘: ‘81‘, ‘birthday‘: ‘1993‘}

3.最小匹配操作符

操作符	说明
*？	前一个字符0次或无限次扩展，最小匹配
+？	前一个字符1次或无限次扩展，最小匹配
？？	前一个字符0次或1次扩展，最小匹配
{m,n}?	扩展前一个字符m至n次(含n)，最小匹配

只要长度输出可能不同的，都可以在操作符后增加?变成最小匹配

4.re的匹配函数

re.search(pattern, string, flags=0)	//在一个字符串中搜索匹配正则表达式的第一位置，返回match对象
  pattern：正则表达式的字符串或原生字符串表示
  string：待匹配字符串
  flags：正则表达式使用时的控制标记

re.match(pattern, string, flages=0)	//从一个字符串串起始位置起匹配正则表达式，返回match对象

re.findall(pattern, string, flags=0)	//搜索字符串，以列表类型返回全部能匹配的子串

re.split(pattern, string, maxsplit=0, flags=0)    //将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
  maxsplit：最大分割数，剩余部分最为最后一个元素输出

re.finditer(pattern, string, flags=0)	  //搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象

re.sub(pattern, repl, string, count=0, flags=0)    //在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串
  repl：替换匹配字符串的字符串
  count：匹配的最大替换次数

5.常用标记

re.I  re.IGNORECASE	//忽略正则表达式的大小写，[A-Z]能匹配小写字符;
re.M  re.MULTILINE	//正则表达式中的^操作符能够给定字符串的每行当作匹配开始;
re.S  re.DOTALL		//正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符;

5.Match对象

Match对象是一次匹配的结果，包含匹配的很多信息

>>> import re
>>> match = re.search(r‘[1-9]\\d{5}‘, ‘BIT 100081‘)
>>> if match:
	print(match.group(0))
100081
>>> type(match)
<type ‘_sre.SRE_Match‘>

Match对象的属性：

.string		//待匹配的文本;
.re		//匹配时使用的patter对象(正则表达式);
.pos		//正则表达式搜索文本的开始位置;
.endpos		//正则表达式搜索文本的结束位置;

Match对象的方法：

.group(0)		//获得匹配后的字符串;
.start()		//匹配字符串在原始字符串的开始位置;
.end()			//匹配字符串在原始字符串的结束位置;
.span()			//返回(.start(), .end());

-------------------------------------------------------------------------------------->

>>> import re
>>> m = re.search(r‘[1-9]\\d{5}‘, "BIT100081 TSU10084")
>>> m.string
‘BIT100081 TSU10084‘
>>> m.pos
0
>>> m.endpos
18
>>> m.re
<_sre.SRE_Pattern object at 0x03483448>
>>> m.group(0)
‘100081‘
>>> m.start()
3
>>> m.end()
9
>>> m.span()
(3, 9)

7.R库的另一种等级方法

>>> rst = re.search(r‘ [1-9]\\d{5}‘, ‘BIT 10981)		#函数式用法：一次性操作
			  ︿
			等||等
			价||价
			  ﹀
>>> pat = re.compile(r [1-9]\\d{5} )		#面向对象用法: 编译后的多次操作
>>> rst = pat.search( BIT 10008 1‘)

8.经典正则表达式实例

^[A- za- z] +$				//由26个字母组成的字符串
^[A- Za- z0- 9] +$			//由26个字母和数字组成的字符串
^-?\\d+$					//整数形式的字符串
^[o-9]*[1-9][e-9]*$			//正整数形式的字符串
[1-9]\\d{5}				//中国境内邮政编码，6位
[\\u4e00-\\u9fa5 ]			//匹配中文字符
\\d{3}-\\d{8}\\d{4}-\\d{7}		　　　　 //国内电话号码，010-68913536

匹配IP地址的正则表达式

IP地址字符串形式的正则表达式(IP地址分4段，每段8-255 )
    \\d+.\\d+.\\d+.\\d+ 或\\d{1,3}.\\d{1,3}.\\d{1,3}.\\d{1,3}
精确写法
	0-99 : [1-9]?\\d;
	100-199 : 1\\d{2};
	200- 249 : 2[0-4]\\d;
	250-255 : 25[0-5];
	
(([1-9]?\\d|1\\d{2}|2[0-4]\\d|25[0-5]).){3}([1-9]?\\d|1\\d{2}|2[0-4]\\d|25[0-5])

9.最全的常用正则表达式大全——包括校验数字、字符、一些特殊的需求等等

作者：zxin，出处：博客园：http://zxin.cnblogs.com/

链接：http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html

一、校验数字的表达式

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、校验字符的表达式

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)：^(\\(\\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：
    1).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]*$ 
    2).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]*)$ 
    3).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]*)$ 
    4).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]+)?$ 
    5).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})?$ 
    6).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})?$ 
    7).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})?$ 
    8). 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25 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*?)[^>]*>.*?|<.*? />    (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*$或(^\\s*)|(\\s*$)    (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)
P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)