00 Python如何支持正則？

我用的是python來實現(xiàn)正則，并使用Jupyter Notebook編寫代碼。

Python通過re模塊支持正則表達式，re 模塊使 Python 語言擁有全部的正則表達式功能。

這里要注意兩個函數(shù)的使用：

•  re.compile用于編譯正則表達式，生成一個正則表達式（ Pattern ）對象;
•  .findall用于在字符串中找到正則表達式所匹配的所有子串，并返回一個列表，如果沒有找到匹配的，則返回空列表。 

# 導入re模塊  
import re 

01 郵箱

包含大小寫字母，下劃線，阿拉伯數(shù)字，點號，中劃線

表達式：

[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 = '我的私人郵箱是zhuwjwh@outlook.com，公司郵箱是123456@qq.org，麻煩登記一下？'  
result = pattern.findall(strs)  
print(result) 

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

02 身份證號

xxxxxx yyyy MM dd 375 0     十八位

•  地區(qū)：[1-9]\d{5}
•  年的前兩位：(18|19|([23]\d))       1800-2399
•  年的后兩位：\d{2}
•  月份：((0[1-9])|(10|11|12))
•  天數(shù)：(([0-2][1-9])|10|20|30|31)          閏年不能禁止29+
•  三位順序碼：\d{3}
•  兩位順序碼：\d{2}
•  校驗碼：[0-9Xx]

表達式：

[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 = '小明的身份證號碼是342623198910235163，手機號是13987692110'  
result = pattern.findall(strs)  
print(result)  
['342623198910235163'] 

03 國內(nèi)手機號碼

手機號都為11位，且以1開頭，第二位一般為3、5、6、7、8、9 ，剩下八位任意數(shù)字

例如：13987692110、15610098778

表達式：

1(3|4|5|6|7|8|9)\d{9}

案例： 

pattern = re.compile(r"1[356789]\d{9}")  
strs = '小明的手機號是13987692110，你明天打給他'  
result = pattern.findall(strs)  
print(result) 

['13987692110']

04 國內(nèi)固定電話

區(qū)號3~4位，號碼7~8位

例如：0511-1234567、021-87654321

表達式：

\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是小明家的電話，他的辦公室電話是021-87654321'  
result = pattern.findall(strs)  
print(result) 

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

05 域名

包含http:\\或https:\\

表達式：

(?:(?: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官網(wǎng)的網(wǎng)址是https://www.python.org/'  
result = pattern.findall(strs) 
print(result) 

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

06 IP地址

IP地址的長度為32位(共有2^32個IP地址)，分為4段，每段8位，用十進制數(shù)字表示

每段數(shù)字范圍為0～255，段與段之間用句點隔開

表達式：

((?:(?: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 = '''請輸入合法IP地址，非法IP地址和其他字符將被過濾！  
增、刪、改IP地址后，請保存、關(guān)閉記事本！  
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']

07 日期

常見日期格式：yyyyMMdd、yyyy-MM-dd、yyyy/MM/dd、yyyy.MM.dd

表達式：

\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']

08 國內(nèi)郵政編碼

•  我國的郵政編碼采用四級六位數(shù)編碼結(jié)構(gòu)
•  前兩位數(shù)字表示?。ㄖ陛犑?、自治區(qū)）
•  第三位數(shù)字表示郵區(qū)；第四位數(shù)字表示縣（市）
•  最后兩位數(shù)字表示投遞局（所）

表達式：

[1-9]\d{5}(?!\d)

案例： 

pattern = re.compile(r"[1-9]\d{5}(?!\d)")  
strs = '上海靜安區(qū)郵編是200040'  
result = pattern.findall(strs)  
print(result) 

['200040']

09 密碼

密碼(以字母開頭，長度在6~18之間，只能包含字母、數(shù)字和下劃線)

表達式：

[a-zA-Z]\w{5,17}

強密碼(以字母開頭，必須包含大小寫字母和數(shù)字的組合，不能使用特殊字符，長度在8-10之間)

表達式：

[a-zA-Z](?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10} 

pattern = re.compile(r"[a-zA-Z]\w{5,17}")  
strs = '密碼：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 = '強密碼：q123456ABc，弱密碼：q123456abc'  
result = pattern.findall(strs)  
print(result) 

['q123456ABc，']

10 中文字符

表達式：

[\u4e00-\u9fa5]

案例： 

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

['蘋', '果']

11 數(shù)字

•  驗證數(shù)字：^[0-9]*$
•  驗證n位的數(shù)字：^\d{n}$
•  驗證至少n位數(shù)字：^\d{n,}$
•  驗證m-n位的數(shù)字：^\d{m,n}$
•  驗證零和非零開頭的數(shù)字：^(0|[1-9][0-9]*)$
•  驗證有兩位小數(shù)的正實數(shù)：^[0-9]+(.[0-9]{2})?$
•  驗證有1-3位小數(shù)的正實數(shù)：^[0-9]+(.[0-9]{1,3})?$
•  驗證非零的正整數(shù)：^\+?[1-9][0-9]*$
•  驗證非零的負整數(shù)：^\-[1-9][0-9]*$
•  驗證非負整數(shù)（正整數(shù) + 0） ^\d+$
•  驗證非正整數(shù)（負整數(shù) + 0） ^((-\d+)|(0+))$
•  整數(shù)：^-?\d+$
•  非負浮點數(shù)（正浮點數(shù) + 0）：^\d+(\.\d+)?$
•  正浮點數(shù) ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
•  非正浮點數(shù)（負浮點數(shù) + 0） ^((-\d+(\.\d+)?)|(0+(\.0+)?))$
•  負浮點數(shù) ^(-(([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(shù) ^(-?\d+)(\.\d+)?$

12 字符串

•  英文和數(shù)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(shù)字和26個英文字母組成的字符串：^[A-Za-z0-9]+$
•  由數(shù)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(shù)字包括下劃線：^[\u4E00-\u9FA5A-Za-z0-9_]+$
•  中文、英文、數(shù)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]+

附：正則表達式語法詳解

•  \：將下一個字符標記為一個特殊字符（File Format Escape，清單見本表）、或一個原義字符（Identity Escape，有^$()*+?.[{|共計12個)、或一個向后引用（backreferences）、或一個八進制轉(zhuǎn)義符。例如，“n”匹配字符“n”。“\n”匹配一個換行符。序列“\\”匹配“\”而“\(”則匹配“(”。
•  ^：匹配輸入字符串的開始位置
•  $：匹配輸入字符串的結(jié)束位置
•  *：匹配前面的子表達式零次或多次。例如，zo*能匹配“z”、“zo”以及“zoo”。*等價于{0,}。
•  +：匹配前面的子表達式一次或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等價于{1,}。
•  ?：匹配前面的子表達式零次或一次。例如，“do(es)?”可以匹配“does”中的“do”和“does”。?等價于{0,1}。  {n}：n是一個非負整數(shù)。匹配確定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的兩個o。
•  {n,}：n是一個非負整數(shù)。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,}”等價于“o+”。“o{0,}”則等價于“o*”。
•  {n,m}：m和n均為非負整數(shù)，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”將匹配“fooooood”中的前三個o。“o{0,1}”等價于“o?”。請注意在逗號和兩個數(shù)之間不能有空格。
•  ?：非貪心量化（Non-greedy quantifiers）：當該字符緊跟在任何一個其他重復修飾符（*,+,?，{n}，{n,}，{n,m}）后面時，匹配模式是「非」貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認的貪婪模式則盡可能多的匹配所搜索的字符串。例如，對于字符串“oooo”，“o+?”將匹配單個“o”，而“o+”將匹配所有“o”。
• .：匹配除“\r”“\n”之外的任何單個字符。要匹配包括“\r”“\n”在內(nèi)的任何字符，請使用像“(.\|\r\|\n)”的模式。
• (pattern)：匹配pattern并獲取這一匹配的子字符串。該子字符串用于向后引用。所獲取的匹配可以從產(chǎn)生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字符，請使用“\(”或“\)”?？蓭?shù)量后綴。
•  (?:pattern)：匹配pattern但不獲取匹配的子字符串（shy groups），也就是說這是一個非獲取匹配，不存儲匹配的子字符串用于向后引用。這在使用或字符“(\|)”來組合一個模式的各個部分是很有用。例如“industr(?:y\|ies)”就是一個比“industry\|industries”更簡略的表達式。
•  (?=pattern)：正向肯定預查（look ahead positive assert），在任何匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如，“Windows(?=95\|98\|NT\|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。預查不消耗字符，也就是說，在一個匹配發(fā)生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始。
•  (?!pattern)：正向否定預查（negative assert），在任何不匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如“Windows(?!95\|98\|NT\|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。預查不消耗字符，也就是說，在一個匹配發(fā)生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始
•  (?<=pattern)：反向（look behind）肯定預查，與正向肯定預查類似，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)：反向否定預查，與正向否定預查類似，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：沒有包圍在()里，其范圍是整個正則表達式。例如，“z\|food”能匹配“z”或“food”。“(?:z\|f)ood”則匹配“zood”或“food”。
•  [xyz]：字符集合（character class）。匹配所包含的任意一個字符。例如，“[abc]”可以匹配“plain”中的“a”。特殊字符僅有反斜線\保持特殊含義，用于轉(zhuǎn)義字符。其它特殊字符如星號、加號、各種括號等均作為普通字符。脫字符^如果出現(xiàn)在首位則表示負值字符集合；如果出現(xiàn)在字符串中間就僅作為普通字符。連字符 - 如果出現(xiàn)在字符串中間表示字符范圍描述；如果如果出現(xiàn)在首位（或末尾）則僅作為普通字符。右方括號應轉(zhuǎn)義出現(xiàn)，也可以作為首位字符出現(xiàn)。
•  [^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]：字符范圍。匹配指定范圍內(nèi)的任意字符。例如，“[a-z]”可以匹配“a”到“z”范圍內(nèi)的任意小寫字母字符。
•  [^a-z]：排除型的字符范圍。匹配任何不在指定范圍內(nèi)的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范圍內(nèi)的任意字符。
•  [:name:]：增加命名字符類（named character class）中的字符到表達式。只能用于「方括號表達式」。
•  [=elt=]：增加當前l(fā)ocale下排序（collate）等價于字符“elt”的元素。例如，[=a=]可能會增加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 。只能用于方括號表達式。
•  [.elt.]：增加排序元素elt到表達式中。這是因為某些排序元素由多個字符組成。例如，29個字母表的西班牙語， "CH"作為單個字母排在字母C之后，因此會產(chǎn)生如此排序“cinco, credo, chispa”。只能用于方括號表達式。
•  \b：匹配一個單詞邊界，也就是指單詞和空格間的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
•  \B：匹配非單詞邊界。“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的值必須為A-Z或a-z之一。否則，將c視為一個原義的“c”字符?？刂谱址闹档扔趚的值最低5比特（即對3210進制的余數(shù)）。例如，\cM匹配一個Control-M或回車符。\ca等效于\u0001, \cb等效于\u0002, 等等…
•  \d：匹配一個數(shù)字字符。等價于[0-9]。注意Unicode正則表達式會匹配全角數(shù)字字符。
•  \D：匹配一個非數(shù)字字符。等價于[^0-9]。
•  \f：匹配一個換頁符。等價于\x0c和\cL。
•  \n：匹配一個換行符。等價于\x0a和\cJ。
•  \r：匹配一個回車符。等價于\x0d和\cM。
•  \s：匹配任何空白字符，包括空格、制表符、換頁符等等。等價于[ \f\n\r\t\v]。注意Unicode正則表達式會匹配全角空格符。
•  \S：匹配任何非空白字符。等價于[^ \f\n\r\t\v]。
•  \t：匹配一個制表符。等價于\x09和\cI。
•  \v：匹配一個垂直制表符。等價于\x0b和\cK。
•  \w：匹配包括下劃線的任何單詞字符。等價于“[A-Za-z0-9_]”。注意Unicode正則表達式會匹配中文字符。
•  \W：匹配任何非單詞字符。等價于“[^A-Za-z0-9_]”。
•  \xnn：十六進制轉(zhuǎn)義字符序列。匹配兩個十六進制數(shù)字nn表示的字符。例如，“\x41”匹配“A”。“\x041”則等價于“\x04&1”。正則表達式中可以使用ASCII編碼。.
•  \num：向后引用（back-reference）一個子字符串（substring），該子字符串與正則表達式的第num個用括號圍起來的捕捉群（capture group）子表達式（subexpression）匹配。其中num是從1開始的十進制正整數(shù)，其上限可能是9、31、99，甚至無限。例如：“(.)\1”匹配兩個連續(xù)的相同字符。
•  \n：標識一個八進制轉(zhuǎn)義值或一個向后引用。如果\n之前至少n個獲取的子表達式，則n為向后引用。否則，如果n為八進制數(shù)字（0-7），則n為一個八進制轉(zhuǎn)義值。
•  \nm：3位八進制數(shù)字，標識一個八進制轉(zhuǎn)義值或一個向后引用。如果\nm之前至少有nm個獲得子表達式，則nm為向后引用。如果\nm之前至少有n個獲取，則n為一個后跟文字m的向后引用。如果前面的條件都不滿足，若n和m均為八進制數(shù)字（0-7），則\nm將匹配八進制轉(zhuǎn)義值nm。
•  \nml：如果n為八進制數(shù)字（0-3），且m和l均為八進制數(shù)字（0-7），則匹配八進制轉(zhuǎn)義值nml。
•  \un：Unicode轉(zhuǎn)義字符序列。其中n是一個用四個十六進制數(shù)字表示的Unicode字符。例如，\u00A9匹配著作權(quán)符號（©）。

優(yōu)先權(quán)

•  最高：\
•  高：()、(?:)、(?=)、[]
•  中：*、+、?、{n}、{n,}、{n,m}
•  低：^、$、中介字符
•  次最低：串接，即相鄰字符連接在一起
•  最低：\|