目录
Python通过re模块支持正则表达式,re 模块使 Python 语言拥有全部的正则表达式功能。
# 导入re模块
import re
要注意两个函数的使用:
re.compile
用于编译正则表达式,生成一个正则表达式( Pattern )对象;.findall
用于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,如果没有找到匹配的,则返回空列表;
一、匹配邮箱
包含大小写字母,下划线,阿拉伯数字,点号,中划线!
表达式:
[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(?:.[a-zA-Z0-9_-]+)
示例:
pattern = re.compile(r"[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(?:.[a-zA-Z0-9_-]+)")
strs = '我的私人邮箱是zhen187ddfgds06@163.com,公司邮箱是1234sadfc@qq.com,麻烦登记一下?'
result = pattern.findall(strs)
print(result)
# 输出结果
['zhen187ddfgds06@163.com', '1234sadfc@qq.com']
二、匹配身份证号
xxxxxx yyyy MM dd 375 0 十八位
地区:[1-9]d{5}
年的前两位:(18|19|([23]d)) 1800-2399
年的后两位:d{2}
月份:((0[1-9])|(10|11|12))
天数:(([0-2][1-9])|10|20|30|31) 闰年不能禁止29+
三位顺序码:d{3}
两位顺序码:d{2}
校验码:[0-9Xx]
表达式:
[1-9]d{5}(18|19|([23]d))d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)d{3}[0-9Xx]
示例:
pattern = re.compile(r"[1-9]d{5}(?:18|19|(?:[23]d))d{2}(?:(?:0[1-9])|(?:10|11|12))(?:(?:[0-2][1-9])|10|20|30|31)d{3}[0-9Xx]")
strs = '小明的身份证号码是342623198910235163,手机号是13987692110'
result = pattern.findall(strs)
print(result)
# 输出结果
['342623198910235163']
三、匹配手机号
手机号都为11位,且以1开头,第二位一般为3、5、6、7、8、9 ,剩下八位任意数字
例如:13987692110、15610098778
表达式:
1(3|4|5|6|7|8|9)d{9}
示例:
pattern = re.compile(r"1[356789]d{9}")
strs = '小明的手机号是13987692110,你明天打给他'
result = pattern.findall(strs)
print(result)
# 输出结果
['13987692110']
四、匹配国内固定电话
区号34位,号码78位
例如:0511-1234567、021-87654321
表达式:
d{3}-d{8}|d{4}-d{7}
示例:
pattern = re.compile(r"d{3}-d{8}|d{4}-d{7}")
strs = '0511-1234567是小明家的电话,他的办公室电话是021-87654321'
result = pattern.findall(strs)
print(result)
# 输出结果
['0511-1234567', '021-87654321']
五、匹配域名
包含http:或https:
表达式:
(?:(?:http://)|(?:https://))?(?:[w](?:[w-]{0,61}[w])?.)+[a-zA-Z]{2,6}(?:/)
示例:
pattern = re.compile(r"(?:(?:http://)|(?:https://))?(?:[w](?:[w-]{0,61}[w])?.)+[a-zA-Z]{2,6}(?:/)")
strs = 'Python官网的网址是https://www.python.org/'
result = pattern.findall(strs)
print(result)
# 输出结果
['https://www.python.org/']
六、匹配IP地址
IP地址的长度为32位(共有2^32个IP地址),分为4段,每段8位,用十进制数字表示
每段数字范围为0~255,段与段之间用句点隔开
表达式:
((?:(?:25[0-5]|2[0-4]d|[01]?d?d).){3}(?:25[0-5]|2[0-4]d|[01]?d?d))
示例:
pattern = re.compile(r"((?:(?:25[0-5]|2[0-4]d|[01]?d?d).){3}(?:25[0-5]|2[0-4]d|[01]?d?d))")
strs = '''请输入合法IP地址,非法IP地址和其他字符将被过滤!
增、删、改IP地址后,请保存、关闭记事本!
192.168.8.84
192.168.8.85
192.168.8.86
0.0.0.1
256.1.1.1
192.256.256.256
192.255.255.255
aa.bb.cc.dd'''
result = pattern.findall(strs)
print(result)
# 输出结果
['192.168.8.84', '192.168.8.85', '192.168.8.86', '0.0.0.1', '56.1.1.1', '192.255.255.255']
七、匹配日期
常见日期格式:yyyyMMdd、yyyy-MM-dd、yyyy/MM/dd、yyyy.MM.dd
表达式:
d{4}(?:-|/|.)d{1,2}(?:-|/|.)d{1,2}
示例:
pattern = re.compile(r"d{4}(?:-|/|.)d{1,2}(?:-|/|.)d{1,2}")
strs = '今天是2020/12/20,去年的今天是2019.12.20,明年的今天是2021-12-20'
result = pattern.findall(strs)
print(result)
# 输出结果
['2020/12/20', '2019.12.20', '2021-12-20']
八、匹配国内邮政编码
我国的邮政编码采用四级六位数编码结构
前两位数字表示省(直辖市、自治区)
第三位数字表示邮区;第四位数字表示县(市)
最后两位数字表示投递局(所)
表达式:
[1-9]d{5}(?!d)
示例:
pattern = re.compile(r"[1-9]d{5}(?!d)")
strs = '上海静安区邮编是200040'
result = pattern.findall(strs)
print(result)
# 输出结果
['200040']
九、匹配密码、强密码
- 弱密码(以字母开头,长度在6~18之间,只能包含字母、数字和下划线)
表达式:
[a-zA-Z]w{5,17}
示例:
pattern = re.compile(r"[a-zA-Z]w{5,17}")
strs = '密码:q123456_abc'
result = pattern.findall(strs)
print(result)
# 输出结果
['q123456_abc']
- 强密码(以字母开头,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)
表达式:
[a-zA-Z](?=.*d)(?=.*[a-z])(?=.*[A-Z]).{8,10}
示例:
pattern = re.compile(r"[a-zA-Z](?=.*d)(?=.*[a-z])(?=.*[A-Z]).{8,10}")
strs = '强密码:q123456ABc,弱密码:q123456abc'
result = pattern.findall(strs)
print(result)
# 输出结果
['q123456ABc,']
十、匹配中文字符
表达式:
[u4e00-u9fa5]
示例:
pattern = re.compile(r"[u4e00-u9fa5]")
strs = 'apple:苹果'
result = pattern.findall(strs)
print(result)
['苹', '果']
十一、匹配数字
- 验证数字:
^[0-9]*$
- 验证n位的数字:
^d{n}$
- 验证至少n位数字:
^d{n,}$
- 验证m-n位的数字:
^d{m,n}$
- 验证零和非零开头的数字:
^(0|[1-9][0-9]*)$
- 验证有两位小数的正实数:
^[0-9]+(.[0-9]{2})?$
- 验证有1-3位小数的正实数:
^[0-9]+(.[0-9]{1,3})?$
- 验证非零的正整数:
^+?[1-9][0-9]*$
- 验证非零的负整数:
^-[1-9][0-9]*$
- 验证非负整数(正整数 + 0)
^d+$
- 验证非正整数(负整数 + 0)
^((-d+)|(0+))$
- 整数:
^-?d+$
- 非负浮点数(正浮点数 + 0):
^d+(.d+)?$
- 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]*))$
- 非正浮点数(负浮点数 + 0)
^((-d+(.d+)?)|(0+(.0+)?))$
- 负浮点数
^(-(([0-9]+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*)))$
- 浮点数
^(-?d+)(.d+)?$
十二、匹配字符串
- 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]+
十三、正则表达式语法详解
字符 | 描述 |
---|---|
|
将下一个字符标记为一个特殊字符(File Format Escape,清单见本表)、或一个原义字符(Identity Escape,有^$()*+?.[{|共计12个)、或一个向后引用(backreferences)、或一个八进制转义符。例如,“n ”匹配字符“n ”。“
”匹配一个换行符。序列“\ ”匹配“ ”而“( ”则匹配“( ”。 |
^ |
匹配输入字符串的开始位置 |
$ |
匹配输入字符串的结束位置 |
* |
匹配前面的子表达式零次或多次。例如,zo能匹配“z ”、“zo ”以及“zoo ”。等价于{0,}。 |
+ |
匹配前面的子表达式一次或多次。例如,“zo+ ”能匹配“zo ”以及“zoo ”,但不能匹配“z ”。+等价于{1,}。 |
? |
匹配前面的子表达式零次或一次。例如,“do(es)? ”可以匹配“does ”中的“do ”和“does ”。?等价于{0,1}。 |
{n} |
n是一个非负整数。匹配确定的n次。例如,“o{2} ”不能匹配“Bob ”中的“o ”,但是能匹配“food ”中的两个o。 |
{n,} |
n是一个非负整数。至少匹配n次。例如,“o{2,} ”不能匹配“Bob ”中的“o ”,但能匹配“foooood ”中的所有o。“o{1,} ”等价于“o+ ”。“o{0,} ”则等价于“o* ”。 |
{n,m} |
m和n均为非负整数,其中n<=m。最少匹配n次且最多匹配m次。例如,“o{1,3} ”将匹配“fooooood ”中的前三个o。“o{0,1} ”等价于“o? ”。请注意在逗号和两个数之间不能有空格。 |
? |
非贪心量化(Non-greedy quantifiers):当该字符紧跟在任何一个其他重复修饰符(*,+,?,{n},{n,},{n,m})后面时,匹配模式是「非」贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串“oooo ”,“o+? ”将匹配单个“o ”,而“o+ ”将匹配所有“o ”。 |
. |
匹配除“
”“
”之外的任何单个字符。要匹配包括“
”“
”在内的任何字符,请使用像“(.|
|
) ”的模式。 |
(pattern) |
匹配pattern并获取这一匹配的子字符串。该子字符串用于向后引用。所获取的匹配可以从产生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中则使用$0…$9属性。要匹配圆括号字符,请使用“( ”或“) ”。可带数量后缀。 |
(?:pattern) |
匹配pattern但不获取匹配的子字符串(shy groups),也就是说这是一个非获取匹配,不存储匹配的子字符串用于向后引用。这在使用或字符“(|) ”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies) ”就是一个比“industry|industries ”更简略的表达式。 |
(?=pattern) |
正向肯定预查(look ahead positive assert),在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如,“Windows(?=95|98|NT|2000) ”能匹配“Windows2000 ”中的“Windows ”,但不能匹配“Windows3.1 ”中的“Windows ”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。 |
(?!pattern) |
正向否定预查(negative assert),在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000) ”能匹配“Windows3.1 ”中的“Windows ”,但不能匹配“Windows2000 ”中的“Windows ”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始 |
(?<=pattern) |
反向(look behind)肯定预查,与正向肯定预查类似,只是方向相反。例如,“(?<=95|98|NT|2000)Windows ”能匹配“2000Windows ”中的“Windows ”,但不能匹配“3.1Windows ”中的“Windows ”。 |
`(? | 反向否定预查,与正向否定预查类似,只是方向相反。例如“(?”能匹配“ 3.1Windows”中的“ Windows”,但不能匹配“ 2000Windows”中的“ Windows`”。 |
x|y |
没有包围在()里,其范围是整个正则表达式。例如,“z|food ”能匹配“z ”或“food ”。“(?:z|f)ood ”则匹配“zood ”或“food ”。 |
[xyz] |
字符集合(character class)。匹配所包含的任意一个字符。例如,“[abc] ”可以匹配“plain ”中的“a ”。特殊字符仅有反斜线保持特殊含义,用于转义字符。其它特殊字符如星号、加号、各种括号等均作为普通字符。脱字符^如果出现在首位则表示负值字符集合;如果出现在字符串中间就仅作为普通字符。连字符 - 如果出现在字符串中间表示字符范围描述;如果如果出现在首位(或末尾)则仅作为普通字符。右方括号应转义出现,也可以作为首位字符出现。 |
[^xyz] |
排除型字符集合(negated character classes)。匹配未列出的任意字符。例如,“[^abc] ”可以匹配“plain ”中的“plin ”。 |
[a-z] |
字符范围。匹配指定范围内的任意字符。例如,“[a-z] ”可以匹配“a ”到“z ”范围内的任意小写字母字符。 |
[^a-z] |
排除型的字符范围。匹配任何不在指定范围内的任意字符。例如,“[^a-z] ”可以匹配任何不在“a ”到“z ”范围内的任意字符。 |
[:name:] |
增加命名字符类(named character class)中的字符到表达式。只能用于「方括号表达式」。 |
[=elt=] |
增加当前locale下排序(collate)等价于字符“elt”的元素。例如,[=a=]可能会增加ä、á、à、ă、ắ、ằ、ẵ、ẳ、â、ấ、ầ、ẫ、ẩ、ǎ、å、ǻ、ä、ǟ、ã、ȧ、ǡ、ą、ā、ả、ȁ、ȃ、ạ、ặ、ậ、ḁ、ⱥ、ᶏ、ɐ、ɑ 。只能用于方括号表达式。 |
[.elt.] |
增加排序元素elt到表达式中。这是因为某些排序元素由多个字符组成。例如,29个字母表的西班牙语, "CH"作为单个字母排在字母C之后,因此会产生如此排序“cinco, credo, chispa”。只能用于方括号表达式。 |
|
匹配一个单词边界,也就是指单词和空格间的位置。例如,“er ”可以匹配“never ”中的“er ”,但不能匹配“verb ”中的“er ”。 |
B |
匹配非单词边界。“erB ”能匹配“verb ”中的“er ”,但不能匹配“never ”中的“er ”。 |
cx |
匹配由x指明的控制字符。x的值必须为A-Z 或a-z 之一。否则,将c视为一个原义的“c ”字符。控制字符的值等于x的值最低5比特(即对3210进制的余数)。例如,cM匹配一个Control-M或回车符。ca等效于u0001, cb等效于u0002, 等等… |
d |
匹配一个数字字符。等价于[0-9]。注意Unicode正则表达式会匹配全角数字字符。 |
D |
匹配一个非数字字符。等价于[^0-9]。 |
f |
匹配一个换页符。等价于x0c和cL。 |
|
匹配一个换行符。等价于x0a和cJ。 |
|
匹配一个回车符。等价于x0d和cM。 |
s |
匹配任何空白字符,包括空格、制表符、换页符等等。等价于[ f v]。注意Unicode正则表达式会匹配全角空格符。 |
S |
匹配任何非空白字符。等价于[^ f v]。 |
|
匹配一个制表符。等价于x09和cI。 |
v |
匹配一个垂直制表符。等价于x0b和cK。 |
w |
匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_] ”。注意Unicode正则表达式会匹配中文字符。 |
W |
匹配任何非单词字符。等价于“[^A-Za-z0-9_] ”。 |
xnn |
十六进制转义字符序列。匹配两个十六进制数字nn表示的字符。例如,“x41 ”匹配“A ”。“x041 ”则等价于“x04&1 ”。正则表达式中可以使用ASCII编码。. |
um |
向后引用(back-reference)一个子字符串(substring),该子字符串与正则表达式的第num个用括号围起来的捕捉群(capture group)子表达式(subexpression)匹配。其中num是从1开始的十进制正整数,其上限可能是9、31、99,甚至无限。例如:“(.)1 ”匹配两个连续的相同字符。 |
|
标识一个八进制转义值或一个向后引用。如果 之前至少n个获取的子表达式,则n为向后引用。否则,如果n为八进制数字(0-7),则n为一个八进制转义值。 |
m |
3位八进制数字,标识一个八进制转义值或一个向后引用。如果 m之前至少有nm个获得子表达式,则nm为向后引用。如果 m之前至少有n个获取,则n为一个后跟文字m的向后引用。如果前面的条件都不满足,若n和m均为八进制数字(0-7),则 m将匹配八进制转义值nm。 |
ml |
如果n为八进制数字(0-3),且m和l均为八进制数字(0-7),则匹配八进制转义值nml。 |
un |
Unicode转义字符序列。其中n是一个用四个十六进制数字表示的Unicode字符。例如,u00A9匹配著作权符号(©)。 |
十四、优先权
优先权 | 符号 |
---|---|
最高 |
|
高 | () 、(?:) 、(?=) 、[] |
中 | * 、+ 、? 、{n} 、{n,} 、{n,m} |
低 | ^ 、$ 、中介字符 |
次最低 | 串接,即相邻字符连接在一起 |
最低 | | |