浅谈正则表达式(下)
本节我们继续接着浅谈正则表达式(中)来讲正则表达式的其他使用。
反向引用
在之前的系列中讲到了捕获，我们知道：捕获会返回一个捕获组，这个分组是保存在内存中，不仅可以在正则表达式外部通过程序进行引用，也可以在正则表达式内部进行引用，这种引用方式就是反向引用。
根据捕获组的命名规则，反向引用可分为：
数字编号组反向引用：
\k
或
\number
命名编号组反向引用：
\k
或者
\'name'
捕获组通常是和反向引用一起使用的。
之前说到的捕获组是匹配子表达式的内容按序号或者命名保存起来以便使用。
注意两个字眼：“内容” 和 “使用”。
这里所说的“内容”，是匹配结果，而不是子表达式本身，强调这个有什么用？嗯，先记住。
那这里所说的“使用”是怎样使用呢？
因为它的作用主要是用来查找一些重复的内容或者做替换指定字符。
不妨先举个例子吧！
比如要查找一串字母里成对的字母。
"aabbbbgbddesddfiid"
如果按照我们之前学到的正则，区间，限定，断言等可能是办不到的，现在我们先用程序思维理一下思路：
1）匹配到一个字母
2）匹配第下一个字母，检查是否和上一个字母是否一样
3）如果一样，则匹配成功，否则失败
这里的思路 2 中匹配下一个字母时，需要用到上一个字母，那怎么记住上一个字母呢？
这时捕获就有用处啦，我们可以利用捕获把上一个匹配成功的内容用来作为本次匹配的条件。
接下来我们就开始实践：
首先匹配一个字母：\w，注意是小写的 w ，\W 的意思是匹配不是字母、数字、下划线的字符，\w 的意思是匹配字母或数字或下划线。我们需要做成分组才能捕获，因此写成这样：(\w)。
那这个表达式就有一个捕获组：（\w）。
然后我们要用这个捕获组作为条件，那就可以：(\w)\1这样就大功告成了。
之前提到过，数字编号组反向引用：\k 或 \number。而自定义命名来作为捕获组的命名在默认情况下都是以数字来命名，而且数字命名的顺序是从 1 开始的。
因此要引用第一个捕获组，根据反向引用的数字命名规则 就需要 \k<1>或者\1，当然，通常都是是后者。
我们现在使用 python 来测试一下：
在 python 中使用反向应用时需要用两个斜杠
# -*- coding: utf-8 -*-
import re
test_str = "aabbbbgbddesddfiid"
# 字符串变成正则表达式
pattern_str = "(\w)\\1"
pattern = re.compile(pattern_str)
result = re.findall(pattern, test_str)
print(result)
结果如下：
['a', 'b', 'b', 'd', 'd', 'i']
在举个替换的例子，假如想要把字符串中abc换成a。
# -*- coding: utf-8 -*-
import re
test_str = "abcbbabcbcgbddesddfiid"
# 字符串变成正则表达式
pattern_str = "(abc)"
pattern = re.compile(pattern_str)
result = re.sub(pattern_str, "a", test_str)
print(result)
结果如下：
abbabcgbddesddfiid
贪婪和非贪婪
贪婪
我们都知道，贪婪就是不满足，尽可能多的要。在正则中，贪婪也是差不多的意思:
贪婪匹配：当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符，这匹配方式叫做贪婪匹配。
特性：一次性读入整个字符串进行匹配，每当不匹配就舍弃最右边一个字符，继续匹配，依次匹配和舍弃（这种匹配 - 舍弃的方式也叫做回溯），直到匹配成功或者把整个字符串舍弃完为止，因此它是一种最大化的数据返回，能多不会少。
前面我们讲过重复限定符，其实这些限定符就是贪婪量词，比如表达式：
\d{3,6}
用来匹配3到6位数字，在这种情况下，它是一种贪婪模式的匹配，也就是假如字符串里有6个个数字可以匹配，那它就是全部匹配到。
示例如下：
# -*- coding: utf-8 -*-
import re
test_str = "61762828 176 2991 871"
# 字符串变成正则表达式
pattern_str = "\d{3,6}"
pattern = re.compile(pattern_str)
result = re.findall(pattern,test_str)
for i in result:
print("匹配内容是 "+ i)
结果为：
匹配内容是 617628
匹配内容是 176
匹配内容是 2991
匹配内容是 871
由结果可见：本来字符串中的 "61762828" 这一段，其实只需要出现3个（617）就已经匹配成功了的，但是他并不满足，而是匹配到了最大能匹配的字符，也就是6个。
一个量词就如此贪婪了，如果多个贪婪量词凑在一起，那他们是如何支配自己的匹配权的呢？
是这样的，多个贪婪在一起时，如果字符串能满足他们各自最大程度的匹配时，就互不干扰，但如果不能满足时，会根据深度优先原则，也就是从左到右的每一个贪婪量词，优先最大数量的满足，剩余再分配下一个量词匹配。
示例如下：
# -*- coding: utf-8 -*-
import re
test_str = "61762828 176 2991 87321"
# 字符串变成正则表达式
pattern_str = "(\d{1,2})(\d{3,4})"
pattern = re.compile(pattern_str)
result = re.findall(pattern, test_str)
for i in result:
print("匹配结果: " + i[0] + "\t" + i[1])
结果如下：
匹配结果: 61 7628
匹配结果: 2 991
匹配结果: 87 321
解释：
"617628" :
\d{1,2} 匹配出了 61，\d{3,4} 匹配出了 7628
"2991" :
\d{1,2} 匹配出了 29，\d{3,4} 匹配出了 91
"87321"：
\d{1,2} 匹配出了 87，\d{3,4} 匹配出了 321
懒惰（非贪婪）
懒惰匹配：当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能少的字符，这匹配方式叫做懒惰匹配。
特性：从左到右，从字符串的最左边开始匹配，每次试图不读入字符匹配，匹配成功，则完成匹配，否则读入一个字符再匹配，依此循环（读入字符、匹配）直到匹配成功或者把字符串的字符匹配完为止。
懒惰量词是在贪婪量词后面加个 "?"。
| 代码 | 说明 |
|---|---|
| *? | 重复任意次，但尽可能少重复 |
| +? | 重复 1 次或更多次，但尽可能少重复 |
| ?? | 重复 0 次或 1 次，但尽可能少重复 |
| {n,m}? | 重复 n 到 m 次，但尽可能少重复 |
| {n,}? | 重复 n 次以上，但尽可能少重复 |
| 示例如下： |
# -*- coding: utf-8 -*-
import re
test_str = "61762828 176 2991 87321"
# 字符串变成正则表达式
pattern_str = "(\d{1,2}?)(\d{3,4})"
pattern = re.compile(pattern_str)
result = re.findall(pattern, test_str)
print("贪婪模式：" + pattern_str)
for i in result:
print("匹配结果: " + i[0] + "\t" + i[1])
结果如下：
贪婪模式：(\d{1,2}?)(\d{3,4})
匹配结果: 6 1762
匹配结果: 2 991
匹配结果: 8 7321
解释：
"61762" :
\d{1,2}? 匹配出了 6，\d{3,4}? 匹配出了 1762
"2991" :
\d{1,2}? 匹配出了 2，\d{3,4}? 匹配出了 991
"87321"：
\d{1,2}? 匹配出了 8，\d{3,4}? 匹配出了 7321
反义
之前所说得元字符的都是要匹配什么什么，当然如果想反着来，不想匹配某些字符，正则也提供了一些常用的反义元字符：
| 代码 | 说明 |
|---|---|
| \W | 匹配任意不是字母，数字，下划线，汉字的字符 |
| \S | 匹配任意不是空白符的字符 |
| \D | 匹配任意非数字的字符 |
| \B | 匹配不是单词开头或结束的位置 |
| [^x] | 匹配除了 x 以外的任意字符 |
| [^aeiou] | 匹配除了 aeiou 这几个字母以外的任意字符 |
总结
正则知识就暂时结束到这里了，它还有很多很多的知识点，这里只是所介绍的只是冰山一角。不同编程语言具体使用起来会有一些差异，但大同小异，学了这些，你可以写出一些简单的正则表达式了，至少以后看到这些奇奇怪怪的字符串不会很陌生。
本系列文章参考了微信公众号(前端之巅):正则表达式真的很6，可惜你不会写
辅助理解正则表达的网站:
附加
最后，附着常用的正则表达式
作者：zxin
链接：https://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html
校验数字的表达式
1 数字：^[0-9]*$
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：^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数：^[1-9]\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 ^[1-9]\d*|0$
14 非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 非负浮点数：^\d+(\.\d+)?$ 或 ^[1-9]\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：^[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]*))$
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)$
校验字符的表达式
1 汉字：^[\u4e00-\u9fa5]{0,}$
2 英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{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：^[A-Za-z]+$
5 由26个大写英文字母组成的字符串：^[A-Z]+$
6 由26个小写英文字母组成的字符串：^[a-z]+$
7 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
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：^[\u4E00-\u9FA5A-Za-z0-9_]+$
10 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}$
11 可以输入含有^%&',;=?$\"等字符：[^%&',;=?$\x22]+
12 禁止输入含有~的字符：[^~\x22]+
特殊需求表达式
1 Email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[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX")：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
7 身份证号(15位、18位数字)：^\d{15}|\d{18}$
8 短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9 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)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10 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)：^[a-zA-Z]\w{5,17}$
11 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}$
12 日期格式：^\d{4}-\d{1,2}-\d{1,2}
13 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
14 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
15 钱的输入格式：
1).有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$
2).这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式：^(0|[1-9][0-9]*)$
3).一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9]*)$
4).这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?$
5).必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的：^[0-9]+(.[0-9]{2})?$
6).这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?$
7).这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
8). 1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
16 备注：这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里25 xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
17 中文字符的正则表达式：[\u4e00-\u9fa5]
18 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))
19 空白行的正则表达式：\n\s*\r (可以用来删除空白行)
20 HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*?/> (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)
21 首尾空白字符的正则表达式：^\s*|\s*$或(^\s*)|(\s*$) (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)
22 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
23 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
24 IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)
25 IP地址：((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))
