python正则表达式看这一篇就够了-python基础

python正则表达式

正则表达式是一个独特的标识符编码序列，它能协助你便捷的查验一个字符串数组是不是与某类模式匹配。python内嵌re模块专业用于解决正则表达式。

re模块基本使用方法

re.search(pattern, string, flags=0) # 主要参数表明跟上面一样

re.match只配对字符串数组的逐渐，假如字符串数组逐渐不符正则表达式，则配对不成功，涵数回到None；而re.search配对全部字符串数组，直至寻找一个配对

re.match涵数

e.match 试着从字符串数组的起止部位配对一个方式，要不是起止部位配对取得成功得话，match()就回到none

re.match(pattern, string, flags=0) # pattern配对的正则表达式，string要配对的字符串数组，flags标志位，用以操纵正则表达式的配对方法，如：是不是区别英文大小写，几行配对这些

举例说明：

import re
print(re.match('www', 'www.h3blog.com').span())  # 在起止部位配对
> (0, 3)
print(re.match('com', 'www.h3blog.com'))         # 没有起止部位配对
> None

m = re.match( '(.*) h3blog (.*) ', 'www.h3blog.com', re.M|re.I)

print(m.groups())
> ('www.', '.com!')
print(m.group())
> www.h3blog.com
print(m.group(1))
> www.
print(m.group(2))
> .com

re.search涵数

re.search 扫描仪全部字符串数组并回到第一个取得成功的配对

re.search(pattern, string, flags=0) # pattern配对的正则表达式，string要配对的字符串数组，flags标志位，用以操纵正则表达式的配对方法，如：是不是区别英文大小写，几行配对这些

举例说明：

import re
print(re.search('www','www.h3blog.com').span()) # 从起止部位配对
> (0, 3)
print(re.search('com','www.h3blog.com').span()) # 没有起止部位配对
> (11, 14)

m = re.search('(.*) h3blog (.*) ', 'www.h3blog.com', re.M|re.I)
print(m.groups())
> ('www.', '.com!')
print(m.group())
> www.h3blog.com
print(m.group(1))
> www.
print(m.group(2))
> .com

re.match与re.search的差别

re.match只配对字符串数组的逐渐，假如字符串数组逐渐不符正则表达式，则配对不成功，涵数回到None；而re.search配对全部字符串数组，直至寻找一个配对

查找与更换

re 控制模块出示了re.sub用以更换字符串数组中的配对项

re.sub(pattern, repl, string, count=0, flags=0) # pattern正则表达式中的方式字符串数组，repl更换的字符串数组，也能为一个涵数，string要被查找替换的初始字符串数组，count模式匹配后更换的较大 频次，默认设置 0 表明更换全部的配对

举例说明：

import re
phone = "2004-959-559 # 这是一个海外联系电话"
# 删掉字符串数组中的 Python注解 
num = re.sub('#.*$', '', phone)
print( '联系电话是: ', num)
> 联系电话是: 2004-959-559
# 删掉非数据(-)的字符串数组 
num = re.sub('\D', "", phone)
print('联系电话是 : ', num)
> 联系电话是: 2004959559


# repl设成涵数

# 将配对的数据乘于 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)

s = 'A23G4HFD567'
print(re.sub('(?P<value>\d )', double, s))
> A48G8HFD1134

re.compile 涵数

compile 涵数用以编译程序正则表达式，转化成一个正则表达式（ Pattern ）目标，供 match() 和 search() 这两个涵数应用

re.compile(pattern[, flags]) 
# pattern 一个字符串数组方式的正则表达式，
# flags可选择，表明模式匹配，例如忽视英文大小写，几行方式等

flags 实际能够是:

• re.I 忽视英文大小写
• re.L 表明独特字段名 \w, \W, \b, \B, \s, \S 取决于当今自然环境
• re.M 几行方式
• re.S 即是 . 而且包含换行符以内的随意标识符（. 不包括换行符）
• re.U 表明独特字段名 \w, \W, \b, \B, \d, \D, \s, \S 取决于 Unicode 标识符特性数据库查询
• re.X 为了更好地提升易读性，忽视空格符和 # 后边的注解

>>>import re
>>> pattern = re.compile(r'\d ')                    # 用以配对最少一个数据
>>> m = pattern.match('one12twothree34four')        # 搜索头顶部，沒有配对
>>> print m
None
>>> m = pattern.match('one12twothree34four', 2, 10) # 从'e'的部位逐渐配对，沒有配对
>>> print m
None
>>> m = pattern.match('one12twothree34four', 3, 10) # 从'1'的部位逐渐配对，恰好配对
>>> print m                                         # 回到一个 Match 目标
<_sre.SRE_Match object at 0x10a42aac0>
>>> m.group(0)   # 可省去 0
'12'
>>> m.start(0)   # 可省去 0
3
>>> m.end(0)     # 可省去 0
5
>>> m.span(0)    # 可省去 0
(3, 5)

在上面，当配对取得成功时回到一个 Match 目标，在其中：

• group([group1, …]) 方式用以得到一个或好几个排序配对的字符串数组，若想得到全部配对的子串时，可立即应用 group() 或 group(0)
• start([group]) 方式用以获得排序配对的子串在全部字符串数组中的起止部位（子串第一个标识符的数据库索引），主要参数初始值为 0
• end([group]) 方式用以获得排序配对的子串在全部字符串数组中的完毕部位（子串最终一个字符的数据库索引 1），主要参数初始值为 0
• span([group]) 方式回到 (start(group), end(group))

举例说明:

>>>import re
>>> pattern = re.compile(r'([a-z] ) ([a-z] )', re.I)   # re.I 表明忽视英文大小写
>>> m = pattern.match('Hello World Wide Web')
>>> print m                               # 配对取得成功，回到一个 Match 目标
<_sre.SRE_Match object at 0x10bea83e8>
>>> m.group(0)                            # 回到配对取得成功的全部子串
'Hello World'
>>> m.span(0)                             # 回到配对取得成功的全部子串的数据库索引
(0, 11)
>>> m.group(1)                            # 回到第一个排序配对取得成功的子串
'Hello'
>>> m.span(1)                             # 回到第一个排序配对取得成功的子串的数据库索引
(0, 5)
>>> m.group(2)                            # 回到第二个排序配对取得成功的子串
'World'
>>> m.span(2)                             # 回到第二个排序配对取得成功的子串
(6, 11)
>>> m.groups()                            # 等额的于 (m.group(1), m.group(2), ...)
('Hello', 'World')
>>> m.group(3)                            # 不会有第三个排序
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: no such group

findall方式

在字符串数组中寻找正则表达式所配对的全部子串，并回到一个目录，要是没有寻找配对的，则回到空目录。

留意： match 和 search 是配对一次 findall 配对全部。

findall(string[, pos[, endpos]]) # string 待配对的字符串数组，pos可选择主要参数，特定字符串数组的起止部位，默认设置为 0，endpos可选主要参数，特定字符串数组的完毕部位，默认设置为字符串数组的长短

举例说明：

>>> import re
>>> 
>>> pattern = re.compile(r'\d ')   # 搜索数据
>>> result1 = pattern.findall('runoob 123 google 456')
>>> result2 = pattern.findall('run88oob123google456', 0, 10)
>>> 
>>> print(result1)
['123', '456']
>>> print(result2)
['88', '12']

re.finditer

和 findall 相近，在字符串数组中寻找正则表达式所配对的全部子串，并把他们做为一个迭代器回到

re.finditer(pattern, string, flags=0) # pattern配对的正则表达式，string要配对的字符串数组，flags标志位，用以操纵正则表达式的配对方法，如：是不是区别英文大小写，几行配对这些

举例说明：

import re

it = re.finditer(r"\d ","12a32bc43jf3") 
for match in it: 
    print (match.group() )

輸出結果:

12 
32 
43 
3

re.split

split 方式依照可以配对的子串将字符串分割后返回列表

re.split(pattern, string[, maxsplit=0, flags=0]) # pattern配对的正则表达式，string要配对的字符串数组，maxsplit隔开频次，maxsplit=1 隔开一次，默认设置为 0，不限定频次，flags标志位，用以操纵正则表达式的配对方法，如：是不是区别英文大小写，几行配对这些

举例说明：

>>>import re
>>> re.split('\W ', 'runoob, runoob, runoob.')
['runoob', 'runoob', 'runoob', '']
>>> re.split('(\W )', ' runoob, runoob, runoob.') 
['', ' ', 'runoob', ', ', 'runoob', ', ', 'runoob', '.', '']
>>> re.split('\W ', ' runoob, runoob, runoob.', 1) 
['', 'runoob, runoob, runoob.']

>>> re.split('a*', 'hello world')   # 针对一个找不着配对的字符串数组来讲，split 不容易对其做出切分
['hello world']

正则表达式目标

re.RegexObject

re.compile() 回到 RegexObject 目标

re.MatchObject

group() 回到被 RE 配对的字符串数组

• start() 回到配对逐渐的部位
• end() 回到配对完毕的部位
• span() 回到一个元组包括配对 (逐渐,完毕) 的部位

正则表达式修饰符 – 可选标示

正则表达式能够包括一些可选标示修饰符来操纵配对的方式。修饰符被特定为一个可选择的标示。好几个标示能够根据按位 OR(|) 他们来特定。如 re.I | re.M 被设成 I 和 M 标示：

正则表达式方式

方式字符串数组应用独特的英语的语法来表明一个正则表达式：

英文字母和数字表示她们本身。一个正则表达式方式中的英文字母和数据配对一样的字符串数组。

大部分英文字母和数据前面一个反斜杠的时候会有着不一样的含意。

标点仅有被转义时才配对本身，不然他们表明独特的含意。

反斜杠自身必须应用反斜杠转义。

因为正则表达式一般 都包括反斜杠，因此 你最好应用初始字符串数组来表明他们。方式原素(如 r’\t’，等额的于 ‘\t’)配对相对的特殊符号。

下表列出了正则表达式方式英语的语法中的独特原素。假如你应用方式的另外出示了可选择的标示主要参数，一些方式原素的含意会更改。

常见正则表达式

校检数据的关系式

• 数据：^[0-9]*$
• n位的数据：^\d{n}$
• 最少n位的数据：^\d{n,}$
• m-n位的数据：^\d{m,n}$
• 零和非零开始的数据：^(0|[1-9][0-9]*)$
• 非零开始的数最多带两位小数的数据：^([1-9][0-9]*) (.[0-9]{1,2})?$
• 带1-2位小数的正数或负值：^(-)?\d (.\d{1,2})?$
• 正数、负值、和小数：^(-| )?\d (.\d )?$
• 有两位小数的正实数：^[0-9] (.[0-9]{2})?$
• 有1~3位小数的正实数：^[0-9] (.[0-9]{1,3})?$
• 非零的正整数：^[1-9]\d$ 或 ^([1-9][0-9]){1,3}$ 或 ^ ?[1-9][0-9]*$
• 非零的负整数：^-[1-9][]0-9″$ 或 ^-[1-9]\d$
• 非负整数：^\d $ 或 ^[1-9]\d*|0$
• 非正整数：^-[1-9]\d*|0$ 或 ^((-\d )|(0 ))$
• 非负浮点数：^\d (.\d )?$ 或 ^[1-9]\d.\d|0.\d[1-9]\d|0?.0 |0$
• 非正浮点数：^((-\d (.\d )?)|(0 (.0 )?))$ 或 ^(-([1-9]\d.\d|0.\d[1-9]\d))|0?.0 |0$
• 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]))$
• 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])))$
• 浮点数：^(-?\d )(.\d )?$ 或 ^-?([1-9]\d.\d|0.\d[1-9]\d|0?.0 |0)$

校检标识符的关系式

• 中国汉字：^[\u4e00-\u9fa5]{0,}$
• 英语和数据：^[A-Za-z0-9] $ 或 ^[A-Za-z0-9]{4,40}$
• 长短为3-20的全部标识符：^.{3,20}$
• 由26个英文英文字母构成的字符串数组：^[A-Za-z] $
• 由二十六个大写英文英文字母构成的字符串数组：^[A-Z] $
• 由二十六个小写字母英语字母构成的字符串数组：^[a-z] $
• 由数据和26个英文英文字母构成的字符串数组：^[A-Za-z0-9] $
• 由数据、26个英文英文字母或是下横线构成的字符串数组：^\w $ 或 ^\w{3,20}$
• 汉语、英语、数据包含下横线：^[\u4E00-\u9FA5A-Za-z0-9_] $
• 汉语、英语、数据但不包括下横线等标记：^[\u4E00-\u9FA5A-Za-z0-9] $ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
• 能够键入带有^%&’,;=?$\”等标识符：[^%&’,;=?$\x22]
• 严禁键入带有~的标识符：[^~\x22]

独特要求关系式

• Email详细地址：^\w ([- .]\w )@\w ([-.]\w ).\w ([-.]\w )*$
• 网站域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62}) /.?
• InternetURL：[a-zA-z] ://[^\s] 或 ^http://([\w-] .) [\w-] (/[\w-./?%&=])?$
• 手机号：^(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}$
• 联系电话(“XXX-XXXXXXX”、”XXXX-XXXXXXXX”、”XXX-XXXXXXX”、”XXX-XXXXXXXX”、”XXXXXXX”和”XXXXXXXX)：^($$\d{3,4}-)|\d{3.4}-)?\d{7,8}$
• 中国联系电话(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
• 身份证号码(15位、18位数据)：^\d{15}|\d{18}$
• 短身份证号(数据、英文字母x末尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
• 账号是不是合理合法(英文字母开始，容许5-16字节数，容许英文字母数据下横线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
• 登陆密码(以英文字母开始，长短在6~18中间，只有包括英文字母、数据和下横线)：^[a-zA-Z]\w{5,17}$
• 强登陆密码(务必包括英文大小写和数据的组成，不可以应用特殊符号，长短在8-10中间)：^(?=.\d)(?=.[a-z])(?=.*[A-Z]).{8,10}$
• 日期文件格式：^\d{4}-\d{1,2}-\d{1,2}
• 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
• 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
• xml文件：^([a-zA-Z] -?) [a-zA-Z0-9] \.[x|X][m|M][l|L]$
• 中文字符的正则表达式：[\u4e00-\u9fa5]
• 双字节数标识符：[^\x00-\xff] (包含中国汉字以内，能够用于测算字符串数组的长短(一个双字节数字符长度计2，ASCII标识符计1))
• 空白行的正则表达式：\n\s*\r (能够用于删除空白行)
• HTML标识的正则表达式：<(\S?)[^>]>.?|<.? /> (在网上广为流传的版本号太槽糕，上边这一也只是能一部分，针对繁杂的嵌入标识依然束手无策)
• 头尾空白字符的正则表达式：^\s|\s$或(^\s)|(\s$) (能够用于删掉行首行尾的空白字符(包含空格符、制表符、换页符这些)，十分有效的关系式)
• 腾讯官方QQ号：[1-9][0-9]{4,} (腾讯官方QQ号从10000逐渐)
• 我国邮编：[1-9]\d{5}(?!\d) (我国邮编为6位数据)
• IP地址：\d .\d .\d .\d (获取IP地址时有效)
• IP地址：((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d)) (由@巨龙三少 出示，谢谢共享资源)

• 钱的键入文件格式:

  1. 有四种钱的表明方式我们可以接纳:”10000.00″ 和 “10,000.00″, 和沒有 “分” 的 “10000″ 和 “10,000″：^[1-9][0-9]*$
  2. 这表明随意一个不因0开始的数据，可是，这也代表着一个字符”0″不通过，因此 大家选用下边的方式：^(0|[1-9][0-9]*)$
  3. 一个0或是一个不因0开始的数据.大家还能够容许开始有一个负号：^(0|-?[1-9][0-9]*)$
  4. 这表明一个0或是一个很有可能为负的开始不以0的数据.让客户以0开始好啦.把负号的也除掉，由于钱总不可以是负的吧.下边我们要加的是表明很有可能的小数部分：^[0-9] (.[0-9] )?$
  5. 务必表明的是，小数位后边最少应当有1十位数，因此 ”10.”不是根据的，可是 “10″ 和 “10.2″ 是根据的：^[0-9] (.[0-9]{2})?$
  6. 那样大家要求小数位后边务必有俩位，假如你觉得太严苛了，能够那样：^[0-9] (.[0-9]{1,2})?$
  7. 那样就容许客户只写一位小数。下边大家该考虑到数据中的分号了，我们可以那样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
  8. 1到3个数据，后边跟随随意个 分号 3个数据，分号变成可选，而不是务必：^([0-9] |[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
  9. 备注名称：这就是最后結果了，别忘记” ”可以用”*”取代。如果你觉得空字符串还可以接纳得话(怪异，为何?)最终，别忘记再用涵数时除掉除掉那一个反斜杠，一般的不正确都在这儿