Python正則表達式模塊re
阿新 • • 發佈：2017-10-07
身份證號碼 cas 返回 eight pri 經典 增加 為什麽 有用
介紹
正則表達式是用來簡介表達一組字符串的表達式，是一種通用的字符串表達框架。
正則表達式是一種正對字符串表達“簡潔”和“特征”思想的工具，正則表達式可以用來判斷某字符串的特征歸屬。
正則表達式在在文本處理中十分常用：
- 表達文本類型的特征(病毒、入侵等)
- 同時查找或替換一組字符串
- 匹配字符串的全部或部分(最主要是應用到字符串匹配中)
- 。。。。。。
使用
1.將符合正則表達式語法的字符串轉換成正則表達式特征
>>> regex = ‘P(Y|YT|YTH|YTHO)?N’ >>> p = re.compile(regex)
2.正則表達式常用操作符
| 操作符 | 說明 | 實例 |
| . | 表示任何單個字符 | |
| [] | 字符集，對單個字符給出排除範圍 | [abc] 表示 a、b、c，[a-z]表示a到z單個字符 |
| [^ ] | 非字符集，對單個字符給出排除範圍 | [^abc] 表示 非a或b或c的單個字符 |
| * |
前一個字符0次或無限次擴展 |
abc* 表示 ab、abc、abcc、abccc等 |
| + | 前一個字符1次或無限次擴展 |
abc+ 表示 abc、abcc、abccc等 |
| ? | 前一個字符0次或1次擴展 | abc? 表示 ab、abc |
| | | 左右表達式任意一個 | abc|def 表示abc、def |
| {m} | 擴展前一個字符m次 | ab{2} 表示 abbc |
| {m,n} | 擴展前一個字符m至n次(含n) | ab{1,2}c 表示 abc、abbc |
| ^ | 匹配字符串開頭 | ^abc 表示 abc且在一個字符串的開頭 |
| $ | 匹配字符串的結尾 | abc$ 表示 abc且在一個字符串的結尾 |
| \d | 數字，等價[0-9] | |
| \w |
單詞字符，等價於[A-Za-z0-9] |
|
| ( ) | 分組標記，內部只能使用 | 操作符 | (abc) 表示abc，(abc|def) 表示 abc，def |
‘(?P...)‘ 分組匹配
re.search("(?P[0-9]{4})(?P[0-9]{2})(?P[0-9]{4})","371481199306143242").groupdict("city")
結果{‘province‘: ‘3714‘, ‘city‘: ‘81‘, ‘birthday‘: ‘1993‘}
3.最小匹配操作符
| 操作符 | 說明 |
| *？ | 前一個字符0次或無限次擴展，最小匹配 |
| +？ | 前一個字符1次或無限次擴展，最小匹配 |
| ？？ | 前一個字符0次或1次擴展，最小匹配 |
| {m,n}? | 擴展前一個字符m至n次(含n)，最小匹配 |
只要長度輸出可能不同的，都可以在操作符後增加?變成最小匹配
4.re的匹配函數
re.search(pattern, string, flags=0) //在一個字符串中搜索匹配正則表達式的第一位置，返回match對象 pattern：正則表達式的字符串或原生字符串表示 string：待匹配字符串 flags：正則表達式使用時的控制標記 re.match(pattern, string, flages=0) //從一個字符串串起始位置起匹配正則表達式，返回match對象 re.findall(pattern, string, flags=0) //搜索字符串，以列表類型返回全部能匹配的子串 re.split(pattern, string, maxsplit=0, flags=0) //將一個字符串按照正則表達式匹配結果進行分割，返回列表類型 maxsplit：最大分割數，剩余部分最為最後一個元素輸出 re.finditer(pattern, string, flags=0) //搜索字符串，返回一個匹配結果的叠代類型，每個叠代元素是match對象 re.sub(pattern, repl, string, count=0, flags=0) //在一個字符串中替換所有匹配正則表達式的子串，返回替換後的字符串 repl：替換匹配字符串的字符串 count：匹配的最大替換次數
5.常用標記
re.I re.IGNORECASE //忽略正則表達式的大小寫，[A-Z]能匹配小寫字符; re.M re.MULTILINE //正則表達式中的^操作符能夠給定字符串的每行當作匹配開始; re.S re.DOTALL //正則表達式中的.操作符能夠匹配所有字符，默認匹配除換行外的所有字符;
5.Match對象
Match對象是一次匹配的結果，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對象的屬性：
.string //待匹配的文本; .re //匹配時使用的patter對象(正則表達式); .pos //正則表達式搜索文本的開始位置; .endpos //正則表達式搜索文本的結束位置;
Match對象的方法：
.group(0) //獲得匹配後的字符串; .start() //匹配字符串在原始字符串的開始位置; .end() //匹配字符串在原始字符串的結束位置; .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庫的另一種等級方法
>>> rst = re.search(r‘ [1-9]\d{5}‘, ‘BIT 10981) #函數式用法：一次性操作
︿
等||等
價||價
﹀
>>> pat = re.compile(r [1-9]\d{5} ) #面向對象用法: 編譯後的多次操作
>>> rst = pat.search( BIT 10008 1‘)
8.經典正則表達式實例
^[A- za- z] +$ //由26個字母組成的字符串
^[A- Za- z0- 9] +$ //由26個字母和數字組成的字符串
^-?\d+$ //整數形式的字符串
^[o-9]*[1-9][e-9]*$ //正整數形式的字符串
[1-9]\d{5} //中國境內郵政編碼，6位
[\u4e00-\u9fa5 ] //匹配中文字符
\d{3}-\d{8}\d{4}-\d{7} //國內電話號碼，010-68913536
匹配IP地址的正則表達式
IP地址字符串形式的正則表達式(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}
精確寫法
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.最全的常用正則表達式大全——包括校驗數字、字符、一些特殊的需求等等
作者：zxin，出處：博客園：http://zxin.cnblogs.com/
鏈接：http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html
一、校驗數字的表達式
數字：^[0-9]*$
n位的數字：^\d{n}$
至少n位的數字：^\d{n,}$
m-n位的數字：^\d{m,n}$
零和非零開頭的數字：^(0|[1-9][0-9]*)$
非零開頭的最多帶兩位小數的數字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
帶1-2位小數的正數或負數：^(\-)?\d+(\.\d{1,2})?$
正數、負數、和小數：^(\-|\+)?\d+(\.\d+)?$
有兩位小數的正實數：^[0-9]+(.[0-9]{2})?$
有1~3位小數的正實數：^[0-9]+(.[0-9]{1,3})?$
非零的正整數：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
非零的負整數：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
非負整數：^\d+$ 或 ^[1-9]\d*|0$
非正整數：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
非負浮點數：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
非正浮點數：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
正浮點數：^[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]*))$
負浮點數：^-([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]*)))$
浮點數：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
二、校驗字符的表達式
漢字：^[\u4e00-\u9fa5]{0,}$
英文和數字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
長度為3-20的所有字符：^.{3,20}$
由26個英文字母組成的字符串：^[A-Za-z]+$
由26個大寫英文字母組成的字符串：^[A-Z]+$
由26個小寫英文字母組成的字符串：^[a-z]+$
由數字和26個英文字母組成的字符串：^[A-Za-z0-9]+$
由數字、26個英文字母或者下劃線組成的字符串：^\w+$ 或 ^\w{3,20}$
中文、英文、數字包括下劃線：^[\u4E00-\u9FA5A-Za-z0-9_]+$
中文、英文、數字但不包括下劃線等符號：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
可以輸入含有^%&‘,;=?$\"等字符：[^%&‘,;=?$\x22]+
禁止輸入含有~的字符：[^~\x22]+
三、特殊需求表達式
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-./?%&=]*)?$
手機號碼：^(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}$
電話號碼("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
國內電話號碼(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
身份證號(15位、18位數字)：^\d{15}|\d{18}$
短身份證號碼(數字、字母x結尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
帳號是否合法(字母開頭，允許5-16字節，允許字母數字下劃線)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
密碼(以字母開頭，長度在6~18之間，只能包含字母、數字和下劃線)：^[a-zA-Z]\w{5,17}$
強密碼(必須包含大小寫字母和數字的組合，不能使用特殊字符，長度在8-10之間)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
日期格式：^\d{4}-\d{1,2}-\d{1,2}
一年的12個月(01～09和1～12)：^(0?[1-9]|1[0-2])$
一個月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
錢的輸入格式：
1).有四種錢的表示形式我們可以接受:"10000.00" 和 "10,000.00", 和沒有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$
2).這表示任意一個不以0開頭的數字,但是,這也意味著一個字符"0"不通過,所以我們采用下面的形式：^(0|[1-9][0-9]*)$
3).一個0或者一個不以0開頭的數字.我們還可以允許開頭有一個負號：^(0|-?[1-9][0-9]*)$
4).這表示一個0或者一個可能為負的開頭不為0的數字.讓用戶以0開頭好了.把負號的也去掉,因為錢總不能是負的吧.下面我們要加的是說明可能的小數部分：^[0-9]+(.[0-9]+)?$
5).必須說明的是,小數點後面至少應該有1位數,所以"10."是不通過的,但是 "10" 和 "10.2" 是通過的：^[0-9]+(.[0-9]{2})?$
6).這樣我們規定小數點後面必須有兩位,如果你認為太苛刻了,可以這樣：^[0-9]+(.[0-9]{1,2})?$
7).這樣就允許用戶只寫一位小數.下面我們該考慮數字中的逗號了,我們可以這樣：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
8). 1到3個數字,後面跟著任意個 逗號+3個數字,逗號成為可選,而不是必須：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
備註：這就是最終結果了,別忘了"+"可以用"*"替代如果你覺得空字符串也可以接受的話(奇怪,為什麽?)最後,別忘了在用函數時去掉去掉那個反斜杠,一般的錯誤都在這裏25 xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
中文字符的正則表達式：[\u4e00-\u9fa5]
雙字節字符：[^\x00-\xff] (包括漢字在內，可以用來計算字符串的長度(一個雙字節字符長度計2，ASCII字符計1))
空白行的正則表達式：\n\s*\r (可以用來刪除空白行)
HTML標記的正則表達式：<(\S*?)[^>]*>.*?|<.*? /> (網上流傳的版本太糟糕，上面這個也僅僅能部分，對於復雜的嵌套標記依舊無能為力)
首尾空白字符的正則表達式：^\s*|\s*$或(^\s*)|(\s*$) (可以用來刪除行首行尾的空白字符(包括空格、制表符、換頁符等等)，非常有用的表達式)
騰訊QQ號：[1-9][0-9]{4,} (騰訊QQ號從10000開始)
中國郵政編碼：[1-9]\d{5}(?!\d) (中國郵政編碼為6位數字)
IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址時有用)
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@飛龍三少 提供,感謝共享)
Python正則表達式模塊re