python學習日記(正則表示式)
阿新 • • 發佈：2018-12-29
定義
正則表示式是一個特殊的字元序列，它能幫助你方便的檢查一個字串是否與某種模式匹配。
Python 自1.5版本起增加了re 模組，它提供 Perl 風格的正則表示式模式。
re 模組使 Python 語言擁有全部的正則表示式功能。
compile 函式根據一個模式字串和可選的標誌引數生成一個正則表示式物件。該物件擁有一系列方法用於正則表示式匹配和替換。
re 模組也提供了與這些方法功能完全一致的函式，這些函式使用一個模式字串做為它們的第一個引數。
測試工具
字元組
字元組 ： [字元組] 在同一個位置可能出現的各種字元組成了一個字元組，在正則表示式中用[]表示 字元分為很多類，比如數字、字母、標點等等。 假如你現在要求一個位置"只能出現一個數字",那麼這個位置上的字元只能是0、1、2...9這10個數之一。
[字元組]：這個位置只能出現一個字元。
[0123456789]
[0-9]
[abcde]
[a-z]
[A-Z]
[0-9a-zA-Z]
[A-z]#A的ASCII碼小於a。
元字元
| 元字元 | 匹配內容 |
| . | 匹配除換行符以外的所有字元 |
| \w | 匹配字母或數字或下劃線 |
| \s | 匹配任意的空白符 |
| \d | 匹配數字 |
| \n | 匹配一個換行符 |
| \t | 匹配一個製表符 |
| \b | 匹配一個單詞的結尾 |
| ^ | 匹配字串的開始 |
| $ | 匹配字串的結尾 |
| \W | 匹配非字母或數字或下劃線 |
| \D | 匹配非數字 |
| \S | 匹配非空白字元 |
| a|b | 匹配字元a或字元b |
| （） | 匹配括號內的表示式，也表示一個組 |
| [...] | 匹配字元組中的字元 |
| [^...] | 匹配除了字元組中字元的所有字元 |
量詞
| 量詞 | 用法說明 |
| * | 重複零次或更多次 |
| + | 重複一次或更多次 |
| ？ | 重複零次或一次 |
| {n} | 重複n次 |
| {n,} | 重複n次或多次 |
| {n,m} | 重複n到m次 |
常用匹配
. ^ $
張. ：匹配所有的“張.”的字元
^張. ：只從頭開始匹配“張.”
張.$ ：只匹配結尾的“張.”
* + ? { }
張.？：?表示重複零次或一次，即只匹配"張"後面一個任意字元
張.*： *表示重複零次或多次，即匹配"李"後面0或多個任意字元
張.+： +表示重複一次或多次，即只匹配"李"後面1個或多個任意字元
張.{1，2}：{1,2}匹配1到2次任意字元
注意：前面的*，+，？等都是貪婪匹配，也就是儘可能的匹配，後面加？可使其變成惰性匹配
張.*?：只匹配到一個“張”
字符集［］［^］
張[三四五六七]*：表示匹配“張”字後面[三四五六七]的字元任意次
張[^李]*：表示匹配一個不是“李”的字元任意次
[\d]：sdfsd123fsd5 表示匹配任意一個數字，匹配四次
([\d])：sdfsd123fsd5 表示匹配任意個數字，匹配到兩個結果
分組 ()與 或 ｜［^］
身份證號碼是一個長度為15或18個字元的字串，如果是15位則全部由數字組成，首位不能為0；如果是18位，則前17位全部是數字，末位可能是數字或x，下面我們嘗試用正則來表示：
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$
表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14}
注意：長字串先匹配。否則短的字串如果匹配到就不再匹配長的字串
轉義符 \
在正則表示式中，有很多有特殊意義的是元字元，比如\n和\s等，如果要在正則中匹配正常的"\n"而不是"換行符"就需要對"\"進行轉義，變成'\\'。 在python中，無論是正則表示式，還是待匹配的內容，都是以字串的形式出現的，在字串中\也有特殊的含義，本身還需要轉義。
所以如果匹配一次"\n",字串中要寫成'\\n'，那麼正則裡就要寫成"\\\\n",這樣就太麻煩了。這個時候我們就用到了r'\n'這個概念，此時的正則是r'\\n'就可以了。
貪婪匹配
貪婪匹配：在滿足匹配時，匹配儘可能長的字串，預設情況下，採用貪婪匹配
一、正則：<.*>： 待匹配字串：<script>...<script> 結果：<script>...<script>（一條結果）預設為貪婪匹配模式，會匹配儘量長的字串
二、正則：<.*?>： 待匹配字串：<script>...<script> 結果：<script> <script>（兩條結果）加上？為將貪婪匹配模式轉為非貪婪匹配模式，會匹配儘量短的字串
幾個常用的非貪婪匹配Pattern
*? 重複任意次，但儘可能少重複 +? 重複1次或更多次，但儘可能少重複 ?? 重複0次或1次，但儘可能少重複 {n,m}? 重複n到m次，但儘可能少重複 {n,}? 重複n次以上，但儘可能少重複
.*?的用法
. 是任意字元 * 是取 0 至 無限長度 ? 是非貪婪模式。 何在一起就是 取儘量少的任意字元，一般不會這麼單獨寫，他大多用在： .*?x 就是取前面任意長度的字元，直到一個x出現
re模組下的常用方法
正則表示式是一個特殊的字元序列，它能幫助你方便的檢查一個字串是否與某種模式匹配。
Python 自1.5版本起增加了re 模組，它提供 Perl 風格的正則表示式模式。
re 模組使 Python 語言擁有全部的正則表示式功能。
compile 函式根據一個模式字串和可選的標誌引數生成一個正則表示式物件。該物件擁有一系列方法用於正則表示式匹配和替換。
re 模組也提供了與這些方法功能完全一致的函式，這些函式使用一個模式字串做為它們的第一個引數
findall()
import re re = re.findall('a+','sdfa asdf ,sdfsd aa,baba')## 返回所有滿足匹配條件的結果,放在列表裡 print(re)
search()
import re ret = re.search('^[1-9](\d{14})(\d{2}[0-9x])?$','110105199912122277')#掃描整個字串並返回第一個成功的匹配。 print(ret.group()) print(ret.group(1))#小組號 print(ret.group(2))
match()
import re re = re.match('a','sa,ssdfsdfa,aaa')#同search,不過在開始處開始搜尋。 print(re)
re.match與re.search的區別
re.match只匹配字串的開始，如果字串開始不符合正則表示式，則匹配失敗，函式返回None；而re.search匹配整個字串，直到找到一個匹配。
記得二者都需group()。
split()
import re re1 = re.split('a','abcd') print(re1) re2 = re.split('[abd]','asdfbannbcd')#先按'a'分割得到''和'bcd',在對''和'bcd'分別按'b'分割 re3 = re.split('[ab]','asdfbannbcd') re4 = re.split('[a]','asdfbannbcd') #--首尾被切才為空 print(re4) print(re3) print(re2)
sub()、subn()
import re re1 = re.sub('a','哈哈','sdfasdfsdfaaasdfaaaa',4)#可選替換幾次,預設不填則全部替換 print(re1) re2 = re.subn('a','哈哈','afsdfhj,sdjfkldfakjsldfka',2)#返回元組，替換的結果和次數 print(re2)
complie()
compile 函式用於編譯正則表示式，生成一個正則表示式（ Pattern ）物件，供 match() 和 search() 這兩個函式使用。
o = re.compile('\d{3}') x = o.search('123sdfasdfdsf1adf2323') print(x)# print(x.group())#不是findall記得加group()方法
finditer()
和 findall 類似，在字串中找到正則表示式所匹配的所有子串，並把它們作為一個迭代器返回。
import re r = re.finditer('[a-z]','asdf456sdf6adf') for i in r: print(i.group(),end=' ')
注意：
1、findall的優先順序查詢：
import re r = re.findall('one (apple|watermelon) left','There is only one apple left')#findall優先返回匹配結果組裡面的內容 print(r) r1 = re.findall('one (?:apple|watermelon) left','There is only one apple left')#取消優先權 " ?: " print(r1)
2、split的優先順序查詢：
import re r = re.split('\d','aaa1bb2c3') print(r) r1 = re.split('(\d)','aaa1bb2c3')#保留切所匹配的項 “（）” print(r1)
一、校驗數字的表示式
數字：^[0-9]*$ 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)$校驗數字的表示式
二、校驗字元的表示式
漢字：^[\u4e00-\u9fa5]{0,}$ 英文和數字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$ 長度為3-20的所有字元：^.{3,20}$ 由26個英文字母組成的字串：^[A-Za-z]+$ 由26個大寫英文字母組成的字串：^[A-Z]+$ 由26個小寫英文字母組成的字串：^[a-z]+$ 由數字和26個英文字母組成的字串：^[A-Za-z0-9]+$ 由數字、26個英文字母或者下劃線組成的字串：^\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^%&',;=?$\"等字元：[^%&',;=?$\x22]+ 禁止輸入含有~的字元：[^~\x22]+校驗字元的表示式
三、特殊需求表示式
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} 電話號碼正則表示式（支援手機號碼，3-4位區號，7-8位直播號碼，1－4位分機號）: ((\d{11})|^((\d{7,8})|(\d{4}|\d{3})-(\d{7,8})|(\d{4}|\d{3})-(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1})|(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1}))$) 身份證號(15位、18位數字)，最後一位是校驗位，可能為數字或字元X：(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$) 帳號是否合法(字母開頭，允許5-16位元組，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，不能使用特殊字元，長度在 8-10 之間)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z])[a-zA-Z0-9]{8,10}$ 強密碼(必須包含大小寫字母和數字的組合，可以使用特殊字元，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： 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]*$ 這表示任意一個不以0開頭的數字,但是,這也意味著一個字元"0"不通過,所以我們採用下面的形式：^(0|[1-9][0-9]*)$ 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]*)$ 這表示一個0或者一個可能為負的開頭不為0的數字.讓使用者以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]+)?$ 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})?$ 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})?$ 這樣就允許使用者只寫一位小數.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})?$ 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串也可以接受的話(奇怪,為什麼?)最後,別忘了在用函式時去掉去掉那個反斜槓,一般的錯誤都在這裡 xml檔案：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$ 中文字元的正則表示式：[\u4e00-\u9fa5] 雙位元組字元：[^\x00-\xff] (包括漢字在內，可以用來計算字串的長度(一個雙位元組字元長度計2，ASCII字元計1)) 空白行的正則表示式：\n\s*\r (可以用來刪除空白行) HTML標記的正則表示式：<(\S*?)[^>]*>.*?|<.*? /> ( 首尾空白字元的正則表示式：^\s*|\s*$或(^\s*)|(\s*$) (可以用來刪除行首行尾的空白字元(包括空格、製表符、換頁符等等)，非常有用的表示式) 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：((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))特殊需求表示式
pass