python 正则表达式（re）
python 正则表达式（re）
96 thinkando
https://www.jianshu.com/p/39fb062abbe0
2017.12.03 23:47 字数 584 阅读 151评论 0喜欢 2
No. 目录
- 正则表达式概述
- re模块介绍
- 单字符匹配
- 原始字符窜
- 多字符匹配
- 边界匹配
- 分组匹配
- 函数
- 贪婪和非贪婪
- 常用正则表达式
- 镇楼图
- 正则表达式概述
Regular Expression，在代码中常简写为regex、regexp或RE
正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。 - re模块介绍
2.1 re模块
re.match() 能够匹配出以xxx开头的字符串
#coding=utf-8
导入re模块
import re
使用match方法进行匹配操作
result = re.match(“hello”,“hello.cn”)
如果上一步匹配到数据的话，可以使用group方法来提取数据
print(result.group())
hello
3. 单字符匹配
字符 功能
. 匹配任意1个字符（除了\n）
[ ] 匹配[ ]中列举的字符
\d 匹配数字，即0-9
\D 匹配非数字，即不是数字
\s 匹配空白，即 空格，tab键
\S 匹配非空白
\w 匹配单词字符，即a-z、A-Z、0-9、_
\W 匹配非单词字符
示例1： .
import re
ret = re.match(".",“a”) # 匹配任意一个
ret.group()
‘a’
示例2：[ ]coding=utf-8
import re
ret = re.match(“h”, “hello Python”) # 正则表达式区分大小写
ret.group()
‘h’ret = re.match(“H”, “Hello Python”)
ret.group()
‘H’ret = re.match("[hH]", “hello Python”) # 大小写h都可以的情况
ret.group()
‘h’ret = re.match("[hH]", “Hello Python”)
ret.group()
‘H’ret = re.match("[0123456789]", “7Hello Python”) # 匹配数字一
ret.group()
‘7’ret = re.match("[0-9]", “7Hello Python”) # 匹配数字二
ret.group()
‘7’
示例3：\d
coding=utf-8
import re
ret = re.match(“嫦娥1号”,“嫦娥1号发射成功”)
print(ret.group())
嫦娥1号
ret = re.match(“嫦娥\d号”,“嫦娥1号发射成功”)
print(ret.group())
嫦娥1号
4. 原始字符窜
Python中字符串前面加上 r 表示原生字符串
如果路径很长，你一定会恨死反斜杠的
mm = “c:\a\b\c”
mm
‘c:\a\b\c’
print(mm)
c:\a\b\c
re.match(“c:\\”,mm).group()
‘c:\’
ret = re.match(“c:\\”,mm).group()
print(ret)
c:
ret = re.match(“c:\\a”,mm).group()
print(ret)
c:\a
ret = re.match(r"c:\a",mm).group()
print(ret)
c:\a
ret = re.match(r"c:\a",mm).group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
5.多字符匹配
字符 功能
- 匹配前一个字符出现0次或者无限次，即可有可无
- 匹配前一个字符出现1次或者无限次，即至少有1次
? 匹配前一个字符出现1次或者0次，即要么有1次，要么没有
{m} 匹配前一个字符出现m次
{m,} 匹配前一个字符至少出现m次
{m,n} 匹配前一个字符出现从m到n次
匹配出，一个字符串第一个字母为大小字符，后面都是小写字母并且这些小写字母可有可无
ret = re.match("[A-Z][a-z]*",“Mm”)
ret.group()
‘Mm’
ret = re.match("[A-Z][a-z]",“Aabcdef”)
ret.group()
‘Aabcdef’
匹配出，变量名是否有效
ret = re.match("[a-zA-Z_]+[\w_]",“name1”)
ret.group()
‘name1’
ret = re.match("[a-zA-Z_]+[\w_]*","_name")
ret.group()
‘_name’
ret = re.match("[a-zA-Z_]+[\w_]*",“2_name”)
ret.group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
匹配出，0到99之间的数字
ret = re.match("[1-9]?[0-9]",“7”)
ret.group()
‘7’
ret = re.match("[1-9]?[0-9]",“33”)
ret.group()
‘33’
ret = re.match("[1-9]?[0-9]",“09”)
ret.group()
‘0’
6. 边界匹配
字符 功能
^ 匹配字符串开头
$ 匹配字符串结尾
\b 匹配一个单词的边界
\B 匹配非单词边界
示例1:匹配163.com的邮箱地址
正确的地址
ret = re.match("[\w]{4,20}@163.com", "[email protected]")
ret.group()
‘[email protected]’
不正确的地址
ret = re.match("[\w]{4,20}@163.com", “[email protected]”)
ret.group()
‘[email protected]’
通过$来确定末尾
ret = re.match("[\w]{4,20}@163.com$", “[email protected]”)
ret.group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
示例2: \b
re.match(r".*\bver\b", “ho ver abc”).group()
‘ho ver’
re.match(r".*\bver\b", “ho verabc”).group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
re.match(r".*\bver\b", “hover abc”).group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
示例3：\B
re.match(r".*\Bver\B", “hoverabc”).group()
‘hover’
re.match(r".*\Bver\B", “ho verabc”).group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
re.match(r".*\Bver\B", “hover abc”).group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
re.match(r".*\Bver\B", “ho ver abc”).group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
- 分组匹配
字符 功能
‘|’ 匹配左右任意一个表达式
(ab) 将括号中字符作为一个分组
\num 引用分组num匹配到的字符串
(?P) 分组起别名
(?P=name) 引用别名为name分组匹配到的字符串
匹配出0-100之间的数字
#coding=utf-8
import re
ret = re.match("[1-9]?\d",“8”)
ret.group()
‘8’
ret = re.match("[1-9]?\d",“78”)
ret.group()
‘78’
不正确的情况
ret = re.match("[1-9]?\d",“08”)
ret.group()
‘0’
修正之后的
ret = re.match("[1-9]?\d$",“08”)
ret.group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
添加|
ret = re.match("[1-9]?\d$|100",“8”)
ret.group()
‘8’
ret = re.match("[1-9]?\d$|100",“78”)
ret.group()
‘78’
ret = re.match("[1-9]?\d$|100",“08”)
ret.group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
ret = re.match("[1-9]?\d$|100",“100”)
ret.group()
‘100’
匹配出163、126、qq邮箱之间的数字
ret = re.match("\w{4,20}@163.com", "[email protected]")
ret.group()
‘[email protected]’ret = re.match("\w{4,20}@(163|126|qq).com", "[email protected]")
ret.group()
‘[email protected]’ret = re.match("\w{4,20}@(163|126|qq).com", "[email protected]")
ret.group()
‘[email protected]’ret = re.match("\w{4,20}@(163|126|qq).com", "[email protected]")
ret.group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
groupret = re.match("([^-]*)-(\d+)",“010-12345678”)
ret.group()
‘010-12345678’ret.group(1)
‘010’ret.group(2)
‘12345678’
匹配出hh
能够完成对正确的字符串的匹配
ret = re.match("<[a-zA-Z]>\w", “hh”)
ret.group()
‘hh’
如果遇到非正常的html格式字符串，匹配出错
ret = re.match("<[a-zA-Z]>\w", “hh”)
ret.group()
‘hh’
通过引用分组中匹配到的数据即可，但是要注意是元字符串，即类似 r""这种格式
ret = re.match(r"<([a-zA-Z])>\w", “hh”)
ret.group()
‘hh’
因为2对<>中的数据不一致，所以没有匹配出来
ret = re.match(r"<([a-zA-Z])>\w", “hh”)
ret.group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
匹配出www.hello.cn
ret = re.match(r"<(\w*)><(\w*)>.*", “
www.hello.cn
”)
ret.group()
‘www.hello.cn
’ret = re.match(r"<(\w*)><(\w*)>.*", “
www.hello.cn
”)
ret.group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
匹配出www.hello.cn
(方法二)ret = re.match(r"<(?P\w*)><(?P\w*)>.*", “
www.itcast.cn
”)
ret.group()
‘www.itcast.cn
’ret = re.match(r"<(?P\w*)><(?P\w*)>.*", “
www.hello.cn
”)
ret.group()
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘NoneType’ object has no attribute ‘group’
- 函数
8.1 search
匹配出文章阅读的次数
#coding=utf-8
import re
ret = re.search(r"\d+", “阅读次数为 9999”)
print(ret.group())
9999
8.2 findall
统计出python、c、c++相应文章阅读的次数
ret = re.findall(r"\d+", “python = 9999, c = 7890, c++ = 12345”)
print (ret)
[‘9999’, ‘7890’, ‘12345’]
8.3 sub 将匹配到的数据进行替换
将匹配到的阅读次数加1
#coding=utf-8
import re
ret = re.sub(r"\d+", ‘998’, “python = 997”)
print (ret)
python = 998
方法二
#coding=utf-8
import re
def add(temp):
strNum = temp.group()
num = int(strNum) + 1
return str(num)
ret = re.sub(r"\d+", add, “python = 997”)
print (ret)
ret = re.sub(r"\d+", add, “python = 99”)
print (ret)
python = 998
python = 100
8.4 split 根据匹配进行切割字符串，并返回一个列表
#coding=utf-8
import re
ret = re.split(r"? ",“info:xiaoZhang 33 shandong”)
print (ret)
[‘info’, ‘xiaoZhang’, ‘33’, ‘shandong’]
9. 贪婪和非贪婪
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。
s=“This is a number 234-235-22-423”
r=re.match(”(.+)(\d±\d±\d±\d+)",s)
print(r.group(1))
print(r.group(2))
r=re.match("(.+?)(\d±\d±\d±\d+)",s)
print(r.group(1))
print(r.group(2))
This is a number 23
4-235-22-423
This is a number
234-235-22-423
re.match(r"aa(\d+)",“aa2343ddd”).group(1)
‘2343’re.match(r"aa(\d+?)",“aa2343ddd”).group(1)
‘2’re.match(r"aa(\d+)ddd",“aa2343ddd”).group(1)
‘2343’re.match(r"aa(\d+?)ddd",“aa2343ddd”).group(1)
‘2343’
- 常用正则表达式
10.1 校验数字的表达式
1 数字 1$
2 n位的数字 ^\d{n}$
3 至少n位的数字 ^\d{n,}$
4 m-n位的数字 ^\d{m,n}$
5 零和非零开头的数字： ^(0|[1-9][0-9])$
6 非零开头的最多带两位小数的数字 ^([1-9][0-9])+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数 ^(-)?\d+(.\d{1,2})?$
8 正数、负数、和小数 ^(-|+)?\d+(.\d+)?$
9 有两位小数的正实数 2+(.[0-9]{2})?$
10 有1~3位小数的正实数 3+(.[0-9]{1,3})?$
11 非零的正整数 4\d$ 或 ^([1-9][0-9]){1,3}$ 或 ^+?[1-9][0-9]$
12 非零的负整数 ^-[1-9][]0-9"$ 或 ^-[1-9]\d$
13 非负整数 ^\d+$ 或 5\d*|0$
14 非正整数 ^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 非负浮点数 ^\d+(.\d+)?$ 或 6\d.\d|0.\d[1-9]\d|0?.0+|0$
16 非正浮点数 ^((-\d+(.\d+)?)|(0+(.0+)?))$ 或 ^(-([1-9]\d.\d|0.\d[1-9]\d))|0?.0+|0$
17 正浮点数 7\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]))$
18 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])))$
19 浮点数 ^(-?\d+)(.\d+)?$ 或 ^-?([1-9]\d.\d|0.\d[1-9]\d|0?.0+|0)$
10.2 校验字符的表达式
1 汉字 8{0,}$
2 英文和数字 9+$ 或 10{4,40}$
3 长度为3-20的所有字符 ^.{3,20}$
4 由26个英文字母组成的字符串 11+$
5 由26个大写英文字母组成的字符串 12+$
6 由26个小写英文字母组成的字符串 13+$
7 由数字和26个英文字母组成的字符串 14+$
8 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}$
9 中文、英文、数字包括下划线 15+$
10 中文、英文、数字但不包括下划线等符号 16+$ 或 17{2,20}$
11 可以输入含有^%&’,;=?KaTeX parse error: Expected group after '^' at position 7: "等字符 [^̲%&',;=?\x22]+
12 禁止输入含有~的字符 [^~\x22]+
10.3 特殊需求表达式
1 mail地址 ^\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)$
2 域名 [a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL [a-zA-z]+://[^\s] 或 ^http://([\w-]+.)+[\w-]+(/[\w-./?%&=])?$
4 手机号码 ^(13[0-9]|14[0-9]|15[0-9]|166|17[0-9]|18[0-9]|19[8|9])\d{8}$
5 电话号码 ^((\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6 国内电话号码 \d{3}-\d{8}|\d{4}-\d{7}
7 18位身份证号码(数字、字母x结尾) ^((\d{18})|([0-9x]{18})|([0-9X]{18}))$
8 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) 18[a-zA-Z0-9_]{4,15}$
9 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) 19\w{5,17}$
10 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}$
11 日期格式 ^\d{4}-\d{1,2}-\d{1,2}
12 一年的12个月(01～09和1～12) ^(0?[1-9]|1[0-2])$
13 一个月的31天(01～09和1～31) ^((0?[1-9])|((1|2)[0-9])|30|31)$
14 xml文件 ^([a-zA-Z]±?)+[a-zA-Z0-9]+.[x|X][m|M][l|L]$
15 中文字符的正则表达式 [\u4e00-\u9fa5]
16 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))
17 空白行的正则表达式 \n\s*\r (可以用来删除空白行)
18 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)
19 首尾空白字符的正则表达式 \s*|\s*KaTeX parse error: Expected 'EOF', got '\s' at position 3: 或(\̲s̲)|(\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)
20 腾讯QQ号 [1-9][0-9]{4,} (腾讯QQ号从10000开始)
21 中国邮政编码 [1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
22 IP地址 \d+.\d+.\d+.\d+ (提取IP地址时有用)
23 IP地址 ((???:25[0-5]|2[0-4]\d|[01]?\d?\d).){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d)) - 镇楼图
这图总结的真好
参考文献
http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html（图来源）
http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html（常用正则表达式来源）
0-9 ↩︎
0-9 ↩︎
0-9 ↩︎
1-9 ↩︎
1-9 ↩︎
1-9 ↩︎
1-9 ↩︎
\u4e00-\u9fa5 ↩︎
A-Za-z0-9 ↩︎
A-Za-z0-9 ↩︎
A-Za-z ↩︎
A-Z ↩︎
a-z ↩︎
A-Za-z0-9 ↩︎
\u4E00-\u9FA5A-Za-z0-9_ ↩︎
\u4E00-\u9FA5A-Za-z0-9 ↩︎
\u4E00-\u9FA5A-Za-z0-9 ↩︎
a-zA-Z ↩︎
a-zA-Z ↩︎