python 正则表达式（二）

下面列举了Python3的所有符号用法，别背，千万别背，用到时来查就行。

字符含义
. 表示匹配除了换行符外的任何字符
注：通过设置 re.DOTALL 标志可以使 . 匹配任何字符（包含换行符）
| A | B，表示匹配正则表达式 A 或者 B
^ 1.（脱字符）匹配输入字符串的开始位置
2.如果设置了 re.MULTILINE 标志，^ 也匹配换行符之后的位置
$ 1.匹配输入字符串的结束位置
2.如果设置了re.MULTILINE标志，$也匹配换行符之前的位置
\ 1.将一个普通字符变成特殊字符，例如 \d 表示匹配所有十进制数字
2.解除元字符的特殊功能，例如 . 表示匹配点号本身
3.引用序号对应的子组所匹配的字符串
4.详见下方列举
[…] 字符类，匹配所包含的任意一个字符
注1：连字符 - 如果出现在字符串中间表示字符范围描述；如果如果出现在首位则仅作为普通字符
注2：特殊字符仅有反斜线 \ 保持特殊含义，用于转义字符。其它特殊字符如 *、+、? 等均作为普通字符匹配
注3：脱字符 ^ 如果出现在首位则表示匹配不包含其中的任意字符；如果 ^ 出现在字符串中间就仅作为普通字符匹配
{M,N} M 和 N 均为非负整数，其中 M <= N，表示前边的 RE 匹配 M ~ N 次
注1：{M,} 表示至少匹配 M 次
注2：{,N} 等价于 {0,N}
注3：{N} 表示需要匹配 N 次
* 匹配前面的子表达式零次或多次，等价于 {0,}
+ 匹配前面的子表达式一次或多次，等价于 {1,}
? 匹配前面的子表达式零次或一次，等价于 {0,1}
*?, +?, ?? 默认情况下 、+ 和 ? 的匹配模式是贪婪模式（即会尽可能多地匹配符合规则的字符串）；?、+? 和 ?? 表示启用对应的非贪婪模式
比如：对于字符串 “FishCCC”，正则表达式 FishC+ 会匹配整个字符串，而 FishC+? 则匹配 “FishC”
{M,N}? 同上，启用非贪婪模式，即只匹配 M 次
(…) 匹配圆括号中的正则表达式，或者指定一个子组的开始和结束位置
注：子组的内容可以在匹配之后被 \数字 再次引用
比如：(\w+) \1 可以字符串 “FishC FishC.com” 中的 “FishC FishC”（注意有空格）
(?…) (? 开头的表示为正则表达式的扩展语法（下边这些是 Python 支持的所有扩展语法）
(?aiLmsux) 1.(? 后可以紧跟着 ‘a’，’i’，’L’，’m’，’s’，’u’，’x’ 中的一个或多个字符，只能在正则表达式的开头使用
2.每一个字符对应一种匹配标志：re-A（只匹配 ASCII 字符），re-I（忽略大小写），re-L（区域设置），re-M（多行模式）, re-S（. 匹配任何符号），re-X（详细表达式），包含这些字符将会影响整个正则表达式的规则
3.当你不想通过 re.compile() 设置正则表达式标志，这种方法就非常有用啦
注意，由于 (?x) 决定正则表达式如何被解析，所以它应该总是被放在最前边（最多允许前边有空白符）。如果 (?x) 的前边是非空白字符，那么 (?x) 就发挥不了作用了
(?:…) 非捕获组，即该子组匹配的字符串无法从后边获取
(?P…) 命名组，通过组的名字（name）即可访问到子组匹配的字符串
(?P=name) 反向引用一个命名组，它匹配指定命名组匹配的任何内容
(?#…) 注释，括号中的内容将被忽略
(?=…) 前向肯定断言。如果当前包含的正则表达式（这里以 … 表示）在当前位置成功匹配，则代表成功，否则失败。一旦该部分正则表达式被匹配引擎尝试过，就不会继续进行匹配了；剩下的模式在此断言开始的地方继续尝试
比如:love(?=FishC) 只匹配后边紧跟着 “FishC” 的字符串 “love”
(?!…) 前向否定断言。这跟前向肯定断言相反（不匹配则表示成功，匹配表示失败）
比如：FishC(?!.com) 只匹配后边不是 “.com” 的字符串 “FishC”
(?<=…) 后向肯定断言。跟前向肯定断言一样，只是方向相反
比如：?<=love)FishC 只匹配前边紧跟着 “love” 的字符串 “FishC”
(? 后向否定断言。跟前向肯定断言一样，只是方向相反
比如：(?<!FishC)\.com 只匹配前边不是 “FishC” 的字符串 “.com”
(?(id/name)yes-pattern|no-pattern) 1.如果子组的序号或名字存在的话，则尝试 yes-pattern 匹配模式；否则尝试 no-pattern 匹配模式
2.no-pattern 是可选的
比如：(<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$) 是一个匹配邮件格式的正则表达式，可以匹配 user@fishc.com 和 ‘user@fishc.com’，但是不会匹配user@fishc.com、user@fishc.com
\ 下边列举了由字符 ‘\’ 和另一个字符组成的特殊含义。注意，’\’ + 元字符的组合可以解除元字符的特殊功能
\序号 1.引用序号对应的子组所匹配的字符串，子组的序号从 1 开始计算
2.如果序号是以 0 开头，或者 3 个数字的长度。那么不会被用于引用对应的子组，而是用于匹配八进制数字所表示的 ASCII 码值对应的字符
比如：(.+) \1 会匹配 “FishC FishC” 或 “55 55”，但不会匹配 “FishCFishC”（注意，因为子组后边还有一个空格）
\A 匹配输入字符串的开始位置
\Z 匹配输入字符串的结束位置
\b 匹配一个单词边界，单词被定义为 Unidcode 的字母数字或下横线字符
比如：\bFishC\b 会匹配字符串 “love FishC”、FishC.” 或 “(FishC)”
\B 匹配非单词边界，其实就是与 \b 相反
比如：py\B 会匹配字符串 “python”、”py3” 或 “py2”，但不会匹配 “py “、”py.” 或 “py!”
\d 1.对于 Unicode（str 类型）模式：匹配任何一个数字，包括 [0-9] 和其他数字字符；如果开启了 re.ASCII 标志，就只匹配 [0-9]
2.对于 8 位（bytes 类型）模式：匹配 [0-9] 中任何一个数字
\D 匹配任何非 Unicode 的数字，其实就是与 \d 相反；如果开启了 re.ASCII 标志，则相当于匹配 [^0-9]
\s 1.对于 Unicode（str 类型）模式：匹配 Unicode 中的空白字符（包括 [ \t\n\r\f\v] 以及其他空白字符）；如果开启了 re.ASCII 标志，就只匹配 [\t\n\r\f\v]
2.对于 8 位（bytes 类型）模式：匹配 ASCII 中定义的空白字符，即 [ \t\n\r\f\v]
\S 匹配任何非 Unicode 中的空白字符，其实就是与 \s 相反；如果开启了 re.ASCII 标志，则相当于匹配 [^ \t\n\r\f\v]
\w 1.对于 Unicode（str 类型）模式：匹配任何 Unicode 的单词字符，基本上所有语言的字符都可以匹配，当然也包括数字和下横线；如果开启了 re.ASCII 标志，就只匹配 [a-zA-Z0-9_]
2.对于 8 位（bytes 类型）模式：匹配 ASCII 中定义的字母数字，即 [a-zA-Z0-9_]
\W 匹配任何非 Unicode 的单词字符，其实就是与 \w 相反；如果开启了 re.ASCII 标志，则相当于 [^a-zA-Z0-9_]
转义符号 正则表达式还支持大部分 Python 字符串的转义符号：\a，\b，\f，\n，\r，\t，\u，\U，\v，\x，\\
注1：\b 通常用于匹配一个单词边界，只有在字符类中才表示“退格”
注2：\u 和 \U 只有在 Unicode 模式下才会被识别
注3：八进制转义（\数字）是有限制的，如果第一个数字是 0，或者如果有 3 个八进制数字，那么就被认为是八进制数；其他情况则被认为是子组引用；至于字符串，八进制转义总是最多只能是 3 个数字的长度

 

 1.1 (?iLmsux)（必须放在匹配字符串的开头）

  用户可以直接在正则表达式里面指定一个或者多个标记，而不是通过compile()或者其他re模块函数。

  括号里面的iLmsux表示如下(u并不常用，没有列出)：

 

  1. re.I,re.IGNORECASE  不区分大小写的匹配  
  2. re.L,re.LOCALE      根据所使用的本地语言环境通过\w,\W,\b,\B,\s,\S实现匹配  
  3. re.M,re.MULTILINE   ^和$分别匹配目标字符串中行的起始和结尾，而不是严格匹配整个字符串本身的起始和结尾。  
  4. re.S,re.DOTALL      "."(点号)通常匹配除了\n（换行符）之外的所有单个字符；该模式表示"."(点号)能够匹配全部字符。  
  5. re.X,re.VERBOSE     通过反斜线转义，否则所有空格加上#(以及在该行中所有后续文字)都被忽略，除非在一个字符串中或者允许注释并且提高可读性。  

 

  1. re.findall(r"(?i)yes", "yes? Yes. YES!") # 忽略大小写的匹配  
  2. # ['yes', 'Yes', 'YES']  
  1. text = """ 
  2. The first line 
  3. the second line 
  4. the third line 
  5. """  
  6. re.findall(r"th.+", text) # 不使用多行匹配  
  7. # ['the second line', 'the third line']  
  8. re.findall(r"(?s)th.+", text)# 进行多行匹配  
  9. # ['the second line\nthe third line\n']  
  10. re.findall(r"(?is)th.+", text)# 忽略大小写的多行匹配  
  11. # ['The first line\nthe second line\nthe third line\n']  
  1. # 使用拆分的模式串进行匹配电话号，这样更加便于理解，这也可以说是re.X的用处所在  
  2. re.search(r"""(?x) 
  3. (\d3) # 匹配区号 
  4. [ ]         # 匹配空白符 
  5. (\d{3})     # 前缀 
  6. -           # 横线 
  7. (\d{4})     # 终点数字 
  8. """, '(010) 555-1212').groups()  
  9. # ('010', '555', '1212')  

  1.2 (?:...)

  通过使用该符号，可以对部分正则表达式进行分组，但是并不会保存该分组用于后续的检索或者应用。

 

  1. text = """ 
  2. http://google.com 
  3. http://www.google.com 
  4. http://code.google.com 
  5. """  
  6. re.findall(r"http://(?:\w+\.)*(\w+\.com)", text)  
  7. # ['google.com', 'google.com', 'google.com'] 观察输出结果可以发现(?:...)中的内容并没有保留  

  1.3 (?P<name>) 起别名，使用名称标识符来保存匹配

 

  1. re.search(r"(?P<name1>\d3) (?P<name2>\d{3})-(?:\d{4})", '(010) 555-1212').groupdict()  
  2. # {'name1': '010', 'name2': '555'}  
  3.   
  4. # 使用\g(name)标识符来检索保存的匹配  
  5. re.sub(r"(?P<name1>\d3) (?P<name2>\d{3})-(?:\d{4})", "(\g<name1>) \g<name2>-xxxx", "(010) 555-1212")  
  6. # '(010) 555-xxxx'  

  1.4 (?P=name)

  可以在一个相同的正则表达式中重用模式，而不必稍后再次在（相同）正则表达式中指定相同的模式。

  不会保留该分组用于以后的检索或者应用。

 

  1. text = "(010) 555-1212 010-555-1212 10105551212"  
  2. bool(re.match(r"""(?x) 
  3.          # 匹配 (010) 555-1212 
  4.          (?P<name1>\d3)[ ](?P<name2>\d{3})-(?P<name3>\d{4}) 
  5.          [ ] 
  6.          # 开始重用模式 
  7.          # 匹配 010-555-1212 
  8.          (?P=name1)-(?P=name2)-(?P=name3) 
  9.          [ ] 
  10.          # 匹配 10105551212 
  11.          1(?P=name1)(?P=name2)(?P=name3) 
  12. """, text))  
  13. # True  

 

  1. text = """ 
  2. Guido van Rossum 
  3. Tim Peters 
  4. Alex Martelli 
  5. Just van Rossum 
  6. Raymond Hettinger 
  7. """  
  8. # 只有当一个字符串后面跟着 van Rossum的时候才做匹配操作  
  9. re.findall(r"\w+(?= van Rossum)", text)  
  10. # ['Guido', 'Just']  

 

  1.5 (?!...)

  1. # 忽略以 noreply 和 postmaster 开头的e-mail地址  
  2. text = """ 
  3.     sales@phptr.com 
  4.     postmaster@phptr.com 
  5.     eng@phptr.com 
  6.     noreply@phptr.com 
  7.     admin@phptr.com 
  8. """  
  9. # (?m)不严格匹配整个字符串的起始和结尾  
  10. # 之后的字符串需要不匹配(?!...)表达式才能够匹配成功  
  11. re.findall(r'(?m)^\s+(?!noreply|postmaster)(\w+)', text)  
  12. # ['sales', 'eng', 'admin']  
  13.   
  14.   
  15. # 使用finditer迭代器  
  16. ["%s@aw.com" % e.group(1) for e in re.finditer(r'(?m)^\s+(?!noreply|postmaster)(\w+)', text)]  
  17. # ['sales@aw.com', 'eng@aw.com', 'admin@aw.com']  

  1.6 (?=...) 

  (？=.com) 当一个字符串后面跟着.com才做匹配操作。

 

  1. text = "top.wuxie@gmail.com"  
  2. re.findall(r"\w+(?=.com)", text)  
  3. # ['gmail']  
  1.7 (?<=...)
  (?<=010) 如果字符串之前为"010"才做匹配。

 

 

  1. text = "(010) 555-1212"  
  2. re.findall("(?<=\d3) (\d{3})-(\d{4})", text)  
  3. # [('555', '1212')]  
  1.8 (?<!...)

 

  (?<!name) 如果一个字符串之前不是name才进行匹配。

  1. pat=re.compile(r'(?<!\d)[A-Za-z]+')  
  2. print pat.findall('abc21,def31,xyz41')  
  3. print pat.findall('zhoujy20130628hangzhou123,12,binjiang310')  
  4. # ['abc', 'def', 'xyz']  
  5. # ['zhoujy', 'angzhou', 'binjiang']  

 

  1.9 (?(id|name)Y|N)

  (?(1)Y|N) 如果匹配组1(\1)存在，就与Y匹配，否则，就与X匹配。|N为可选项

 

  1. re.findall(r"(\d)?abc(?(1)\d|abc)", "1abc2")  
  2. # ['1']  
  3.   
  4.   
  5. #"(?(id/name) yes |no)": 组是否匹配，匹配返回  
  6. pat=re.compile(r'a(\d)?bc(?(1)\d)')   #no省略了，完整的是a\dbc\d ==> a2bc3,总共5位，第2位是可有可无的数字，第5为是数字  
  7. print pat.findall('abc9')                   #返回组1，但第2位（组1）没有，即返回了''  
  8. print pat.findall('a8bc9')                  #完整的模式，返回组1  
  9. print pat.match('a8bc9').group()  
  10. print pat.match('a8bc9').group(1)  
  11. print pat.findall('a8bc')                   #第5位不存在，则没有匹配到  
  12. # ['']  
  13. # ['8']  
  14. # a8bc9  
  15. # 8  
  16. # []   

常见的正则表达式

QQ表达式

"[1-9]\\d{4,10}"

QQ号规则

  1. 首先扣扣号开头不能为0；
  2. QQ号必须大于5且小于11(或12,13,QQ号最长位)

手机号表达式

# 平常手机号
"1[34578]\\d{9}"

# 手机号码后5位相同
"1[34578]\\d{4}(\\d)\\1{4}"

手机号码规则

  1. 手机号位数为11位
  2. 开头为1,第二位为3或4或5或7或8

邮箱表达式

"[\w\-\.]+\@(?:[\w\-]+\.)+[a-z]{2,3}"

邮箱规则

  1. @符号前面的可以为字母,数字,下划线,中划线,或’.’
  2. @后面的可以是xxx.com、xxx.cn、xxx.com.cn

用户名表达式

"[a-zA-z]\\w{0,9}"

用户名规则

  1. 必须以字母开头，长度在10位以内

密码表达式

".{6,16}"

密码规则

  1. 任意字符，6~16位

 

posted on 2018-01-09 17:36  快乐糖果屋  阅读(236)  评论(0)  编辑  收藏  举报

导航