正则表达式

过一遍《A Visual Guide to Regular Expression》正则的基础知识，基本可以解决日常95%以上的问题了！

什么是正则表达式?

正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。

验证一个用户名的示例：

Python 正则表达式 re

Tips: 一般在 pattern 的 “” 前面需要加上一个 r 用来表示这是正则表达式, 而不是普通字符串.

re 模块的一般使用步骤如下：

• 使用 compile 函数将正则表达式的字符串形式编译为一个 Pattern 对象

  pattern = re.compile(r'\d+')

• 通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果（一个 Match 对象）

• 最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作

re 模块提供了不少有用的函数，用以匹配字符串:

Python 正则表达式 | 菜鸟教程

模块	描述
match()	# # 指定字符串区间 m = pattern.match(text, 3, 10) >>> m.group(0) # ‘12’ >>> m.groups() # >>> m.span(0) # (3, 5)	从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none
search()	m = pattern.search(text) m.group()	扫描整个字符串并返回第一个成功的匹配
findall()	result2 = pattern.findall(text, 0, 10)	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
finditer()	result_iter1 = pattern.finditer(‘hello 123456 789’) for m1 in result_iter1: # m1 是 Match 对象	在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回
split()	pattern.split(text)	按照能够匹配的子串将字符串分割后返回列表
sub()	pattern.sub(text, new_text)	替换字符串中的匹配项

基础知识

元字符

正则表达式主要依赖于元字符.
元字符不代表他们本身的字面意思, 他们都有特殊的含义. 一些元字符写在方括号中的时候有一些特殊的意思. 以下是一些元字符的介绍:

元字符	描述
.	句号匹配任意单个字符除了换行符.
[ ]	字符种类. 匹配方括号内的任意字符.
[^ ]	==否定==的字符种类. 匹配除了方括号里的任意字符
*	匹配==>=0个==重复的在*号之前的字符.
(xyz)	字符集, 匹配与 xyz 完全相等的字符串.
`	`	==或==运算符,匹配符号前或后的字符.
\	转义字符,用于匹配一些保留的字符[ ] ( ) { } . * + ? ^ $

量词

元字符	描述
?	匹配前面的字符0次或1次
*	匹配前面的字符0次或多次
+	匹配前面的字符1次或者多次
{m}	匹配前面表达式m次
{m,}	匹配前面表达式至少m次
{,n}	匹配前面的正则表达式最多n次
{m,n}	匹配前面的正则表达式至少m次，最多n次

PS: 以上量词都是贪婪模式，会尽可能多的匹配，如果要改为非贪婪模式，通过在量词后面跟随一个?来实现(惰性匹配)

断言与标记

断言不会匹配任何文本，只是对断言所在的文本施加某些约束

字符	描述
^	在起始处匹配
$	在结尾处匹配
()	表示==捕获分组==，()会把每个分组里的匹配的值保存起来
(?:str)	表示==非捕获分组==，和捕获分组唯一的区别在于，非捕获分组匹配的值不会保存起来
(?=str)	正前瞻，示例：exp1(?=exp2)，即exp1后面的内容要匹配exp2
(?!str)	负前瞻，示例：exp1(?!exp2) ，即exp1后面的内容不能匹配exp2
(?<=str)	正回顾，示例：(?<=exp2)exp1，即 exp1前面的内容要匹配exp2
(?<!str)	负回顾，示例：(?<!exp2)exp1，即 exp1前面的内容不能匹配exp2

举例：

"中国人".replace(/(?<=中国)人/, "rr") // 匹配中国人中的人，将其替换为rr，结果为 中国rr
"法国人".replace(/(?<=中国)人/, "rr") // 结果为 法国人，因为人前面不是中国，所以无法匹配到

条件匹配

字符	描述
`(?(id)yes_exp	no_exp)`	id里的子表达式如果匹配到内容，则匹配yes_exp，否则匹配no_exp

简写字符集

正则表达式提供一些常用的字符集简写. 如下:

简写	描述
.	除换行符外的所有字符
\w	匹配所有字母数字, 等同于 [a-zA-Z0-9_]
\W	匹配所有非字母数字, 即符号, 等同于: [^\w]
\d	匹配数字: [0-9]
\D	匹配非数字: [^\d]
\s	匹配所有空格字符, 等同于: [\t\n\f\r\p{Z}]
\S	匹配所有非空格字符: [^\s]
\f	匹配一个换页符
\n	匹配一个换行符
\r	匹配一个回车符
\t	匹配一个制表符
\v	匹配一个垂直制表符
\p	匹配 CR/LF (等同于 \r\n)，用来匹配 DOS 行终止符

正则表达式小抄

常用正则

• 匹配中文 [\u4e00-\u9fa5]

• 匹配英文字母 [a-zA-Z]

• 数字:[0-9]

• 匹配中文，英文字母和数字及下划线,同时判断输入长度：[\u4e00-\u9fa5_a-zA-Z0-9_]{4,10}

• 只含有汉字、数字、字母、下划线，下划线位置不限：^[a-zA-Z0-9_\u4e00-\u9fa5]+$

• 由数字、26个英文字母或者下划线组成的字符串 ^\w+$

• 不以某字符串开头

  ^(?!str).*

• 不以某字符串结尾

  .*(?<!str)$

• 匹配时间

  # 23:59
  regex = /^([01][0-9]|[2][0-3]):[0-5][0-9]$/;

• 匹配日期

      # yyyy-mm-dd
  var regex = /^[0-9]{4}-(0[1-9]|1[0-2])-(0[1-9]|[12][0-9]|3[01])$/;

• 匹配邮箱地址

  email_pattern = '^[*#\u4e00-\u9fa5 a-zA-Z0-9_.-]+@[a-zA-Z0-9-]+(\.[a-zA-Z0-9-]+)*\.[a-zA-Z0-9]{2,6}$'

• 匹配电话号码

  cellphone_pattern = r'1\d{10}'
  cellphone_pattern = '^((13[0-9])|(14[0-9])|(15[0-9])|(17[0-9])|(18[0-9]))\d{8}$'

• 匹配身份证号

  IDCards_pattern = r'^([1-9]\d{5}[12]\d{3}(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])\d{3}[0-9xX])$'

• 匹配网页链接

  pattern = r"http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*,]|(?:%[0-9a-fA-F][0-9a-fA-F]))+|[a-zA-Z]+.\w+\.+[a-zA-Z0-9\/_]+"

• 匹配图片链接

  pattern = r"(<img src=(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*,])+)"

参考

• 正则表达式教程

• 史上最全的正则表达式-匹配中英文、字母和数字

• 莫烦-正则表达式

• 正则表达式中?=和?:和?!的理解

• Python 正则表达式 re 模块

• 正则表达式 - 字符匹配不以某字段开头或者结尾