太香了!你必须收藏的Python 50个正则表达式写法

什么是正则表达式?

正则表达式(Regular Expression)通常被用来检索、替换那些符合某个模式(规则)的文本。

此处的Regular即是规则、规律的意思,Regular Expression即“描述某种规则的表达式”之意。

本文收集了一些常见的正则表达式用法,方便大家查询取用,并在最后附了详细的正则表达式语法手册。

案例包括:「邮箱、身份证号、手机号码、固定电话、域名、IP地址、日期、邮编、密码、中文字符、数字、字符串」

Python如何支持正则?

我用的是python来实现正则,并使用Jupyter Notebook编写代码。

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。

这里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。

# 导入re模块  import re 

1.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_-]+)

案例:

pattern = re.compile(r'[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(?:\.[a-zA-Z0-9_-]+)')  strs = '我的私人邮箱是zhuwjwh@outlook.com,公司邮箱是123456@qq.org,麻烦登记一下?'  result = pattern.findall(strs)  print(result) 

['zhuwjwh@outlook.com', '123456@qq.org']

2. 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]

案例:

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) 

['342623198910235163']

3. 国内手机号码

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}

案例:

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) 

['13987692110']

4. 国内固定电话

区号3~4位,号码7~8位

例如:0511-1234567、021-87654321

表达式:

\d{3}-\d{8}|\d{4}-\d{7}

案例:

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) 

['0511-1234567', '021-87654321']

5. 域名

包含http:\\或https:\\

表达式:

(?:(?:http:\/\/)|(?:https:\/\/))?(?:[\w](?:[\w\-]{0,61}[\w])?\.)+[a-zA-Z]{2,6}(?:\/)

案例:

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) 

['https://www.python.org/']

6. 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))

案例:

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) 

['192.168.8.84', '192.168.8.85', '192.168.8.86', '0.0.0.1', '56.1.1.1', '192.255.255.255']

7. 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}

案例:

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) 

['2020/12/20', '2019.12.20', '2021-12-20']

8. 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)

案例:

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) 

['200040']

9. 密码

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}

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}

pattern = re.compile(r'[a-zA-Z]\w{5,17}')  strs = '密码:q123456_abc'  result = pattern.findall(strs)  print(result)  

['q123456_abc']

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) 

['q123456ABc,']

10. 中文字符

表达式:

[\u4e00-\u9fa5]

案例:

pattern = re.compile(r'[\u4e00-\u9fa5]')  strs = 'apple:苹果'  result = pattern.findall(strs)  print(result) 

['苹', '果']

11. 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+)?$

12. 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]+

附: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 ”。“ \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“ \r ”“ \n ”之外的任何单个字符。要匹配包括“ \r ”“ \n”在内的任何字符,请使用像“ (.\|\r\|\n) ”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 ”。(?<!pattern)反向否定预查,与正向否定预查类似,只是方向相反。例如“ (?<!95\|98\|NT\|2000)Windows ”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。\b匹配一个单词边界,也就是指单词和空格间的位置。例如,“ er\b”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。“ er\B ”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32 10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。\n匹配一个换行符。等价于\x0a和\cJ。\r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\n\r\t\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\n\r\t\v]。\t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。.\num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。\n标识一个八进制转义值或一个向后引用。如果\n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。\nm3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\nm之前至少有nm个获得子表达式,则nm为向后引用。如果\nm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\nm将匹配八进制转义值nm。\nml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。\unUnicode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(©)。

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\|

完整代码后台私信小编01即可

(0)

相关推荐