Python正则表达式

Python正则常用匹配

1 匹配手机号码

import re

txt = '我的电话是13988886666，订单号：223547896442344874662，商品名：哇哈哈'
pattern = r'1[3-9]\d{9}'
print(re.findall(pattern, txt))

2.匹配小说中人物名出线的次数

import jieba.posseg as posseg
import pandas as pd

with open("小说.txt", "r", encoding="utf-8") as f:
    txt = f.read().encode("utf-8")

name_list = []
for word, flag in posseg.cut(txt):
    if flag == "nr":
        name_list.append(word)

print(pd.Series(name_list).value_counts()[:20])

3.其他常用正则表达式

匹配HTML标记
------------------------------------------------
<(\S*?)[^>]*>.*?</\1>|<.*? />
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

匹配链接地址
------------------------------------------------
href *= *['"]*(\S+)["']评注：匹配网页上的链接地址

匹配链接地址和标题
------------------------------------------------
\<a href *= *['"]*(\S+)["'].*\>(.[^\<]*)?\</a>
评注：匹配网页上的链接地址及标题

匹配网址URL
------------------------------------------------
[a-zA-z]+://[^\s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求

匹配网站域名
------------------------------------------------
[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+\.?
评注：一个完整的域名，由根域、顶级域、二级、三级……域名构成，每级域名之间用点分开，每级域名由字母、数字和减号构成（第一个字母不能是减号），不区分大小写，长度不超过63。
很显然，单独的名字可以由正则表达式[a-zA-Z0-9][-a-zA-Z0-9]{0,62}来匹配，而完整的域名至少包括两个名字（比如google.com，由google和com构成），最后可以有一个表示根域的点（在规范中，最后有一个点的才是完整域名，但一般认为包括两个以上名字的域名也是完整域名，哪怕它后面没有点）。

匹配IP地址
------------------------------------------------
\d+\.\d+\.\d+\.\d+
评注：提取ip地址时有用

匹配Email地址
------------------------------------------------
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注：表单验证时很实用

匹配图片引用地址
------------------------------------------------
\<img.*src *= *['"]*(\S+)["'].*\>
评注：可用在网页图片提取等地方

匹配帐号是否合法
------------------------------------------------
匹配帐号是否合法(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}$
评注：表单验证时很实用

匹配密码是否合法
------------------------------------------------
^[a-zA-Z]\w{5,17}$
评注：密码正确格式为：以字母开头，长度在6-18之间，只能包含字符、数字和下划线。

匹配国内电话号码
------------------------------------------------
\d{3,4}[\s,-]?\d{7,8}
评注：匹配形式如 0511-4405222 或 021-87888822

匹配手机号码
------------------------------------------------
1[3,4,5,8]\d[\s,-]?\d{4}[\s,-]?\d{4}+
评注：校验手机号码：必须以数字开头，除数字外，可含有“-” 或空格

匹配腾讯QQ号
------------------------------------------------
[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始

匹配中国邮政编码
------------------------------------------------
[1-9]\d{5}(?!\d)
评注：中国邮政编码为6位数字

匹配身份证号码
------------------------------------------------
[1-9][0-9,X]{14,17}
评注：中国的身份证为15位或18位


匹配特定的数字
------------------------------------------------
^[1-9]\d*$　 　 //匹配正整数
^-[1-9]\d*$ 　 //匹配负整数
^-?[1-9]\d*$　　 //匹配整数
^[1-9]\d*|0$　 //匹配非负整数(正整数 + 0)
^-[1-9]\d*|0$　　 //匹配非正整数(负整数 + 0)
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　　 //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$　 //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$　 //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$　　  //匹配非负浮点数(正浮点数 + 0)
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$ //匹配非正浮点数(负浮点数 + 0)
评注：处理大量数据时有用，具体应用时注意修正