正则表达式

正则表达式入门

  1. 介绍
    对于没接触过正则的同事，这里提供学习的网站 ，并建议认真学习两个课时，本文的重点在后面，并不详细抄袭网上一大堆的正则的语法。

    下面先给出一个简单的示例：

    img

    • ^ 为匹配输入字符串的开始位置。
    • [0-9]+匹配多个数字， [0-9] 匹配单个数字，+ 匹配一个或者多个。
    • abc$匹配字母 abc 并以 abc 结尾，$ 为匹配输入字符串的结束位置。

    我们在写用户注册表单时，只允许用户名包含字符、数字、下划线和连接字符(-)，并设置用户名的长度，我们就可以使用以下正则表达式来设定。

    img

    以上的正则表达式可以匹配 runoob、runoob1、run-oob、run_oob， 但不匹配 ru，因为它包含了小写的字母而且太短了，也不匹配 runoob$, 因为它包含特殊字符。

  2. 语法
    所谓正则的语法，主要是记住一大堆的符号，包括特殊字符、限定符、定位符，通过普通字符（数字、字母等）和其他符号的结合，表达出待匹配的字符模式。

    注：不同语言的正则表达式语法似乎不尽相同，具体应用时还是要了解一下该语言的具体情况。

  3. 验证工具
    写正则遇到困难时不妨用下面的工具验证试验，十分好用。验证网站

  4. re模块使用
    其他语言的大致相同，本文略略介绍一下python中re模块的使用。

    使用re的一般步骤是

    1. 将正则表达式的字符串形式编译为Pattern实例

    2. 使用Pattern实例处理文本并获得匹配结果（一个Match实例）

      • 此处常用的函数方法包括：match， search， split，findall，finditer, sub, subn

    3. 使用Match实例获得信息，进行其他的操作。

      • 此处常用match 实例的string属性获得匹配时使用的文本，或者group方法等获得一个或多个分组截获的字符串。

正则表达式进阶

学完上述知识，有了一些经验后，很容易认为正则的功能大致如此，实际上还有很多可学的东西，虽然很可能在工作上不常用。

窃以为，正则表达式的高级用法主要是1）捕获与分组 ，2）零宽断言（叫环视可能好理解）。

分组就是对正则表达式进行用“()”分割后命名，默认的分组命名方式是：整个正则表达式为分组0，从左到右分组为1、2、3以此类推。也可以自己进行命名，语法如下：

代码描述
(exp)匹配exp，并捕获文本到自动命名的组内
(?exp)匹配exp，并捕获文本到name的组里面，尖括号可以换成''
(?:exp)匹配exp，不捕获匹配的文本，也不给此分组分配组号

零宽断言从概念理解到实际应用上都是难点，但是是个好用的东西，如果你不知道，一定会妨碍你写正则。

断言就是判断当前位置的前后是否匹配，但是不消耗任何字符（零宽），普通的断言，比如\d+(匹配一个或者多个数字)，它所匹配的内容是由长度的。

代码描述
(?=exp)正预测先行断言，断言自身出现的位置的后面可以匹配后面跟的表达式
(?<=exp)正回顾后发断言，它断言自身出现的位置的前面可以匹配后面跟的表达式
(?!exp)负预测先行断言，它断言自身出现的位置的后面不可以匹配后面跟的表达式
(?<!exp)负回顾后发断言，它断言自身出现的位置的后面不可以匹配后面跟的表达式

啰嗦一句，注意贪婪、非贪婪的使用，注意匹配的优先级等问题

正则表达式练习

练习网站如下：

给出一些例子如下

Warmup

image-20220520223339723

foo

Anchors

image-20220520223544784

k$

It never ends

image-20220520223649507

u\b #不让用$

Ranges

image-20220520223742778

Backrefs

image-20220520225325121

(...).*\1

Abba

image-20220520225549586

^(?!.*(.)(.)\2\1)

A man, a plan

image-20220520225728212

(.)(.).?\2\1.?$ #并不是最优
^(.)[^p].*\1$   #最优

Prime

image-20220520225844222

^(?!(xx+)\1+$)  #正则匹配素数
^(?!(..+)\1+$)  #优解

Four

image-20220520230017006

(.)(.\1){3}

Powers

image-20220520230052437

^(?!(.(..)+)\1*$) #匹配幂

常用正则表达式

一、校验数字的表达式

数字：^[0-9]*$
n位的数字：^\d{n}$
至少n位的数字：^\d{n,}$
m-n位的数字：^\d{m,n}$
零和非零开头的数字：^(0|[1-9][0-9]*)$
非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(\.[0-9]{1,2})?$
带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})$
正数、负数、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)$

二、校验字符的表达式

汉字：^[\u4e00-\u9fa5]{0,}$
英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
长度为3-20的所有字符：^.{3,20}$
由26个英文字母组成的字符串：^[A-Za-z]+$
由26个大写英文字母组成的字符串：^[A-Z]+$
由26个小写英文字母组成的字符串：^[a-z]+$
由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
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}$
中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
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}$
可以输入含有^%&',;=?$\"等字符：[^%&',;=?$\x22]+
禁止输入含有~的字符：[^~]+

三、特殊需求表达式

Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
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-./?%&=]*)?$
手机号码：^(13[0-9]|14[01456879]|15[0-35-9]|16[2567]|17[0-8]|18[0-9]|19[0-35-9])\d{8}$
电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
电话号码正则表达式（支持手机号码，3-4位区号，7-8位直播号码，1－4位分机号）: ((\d{11})|^((\d{7,8})|(\d{4}|\d{3})-(\d{7,8})|(\d{4}|\d{3})-(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1})|(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1}))$)
身份证号(15位、18位数字)，最后一位是校验位，可能为数字或字符X：(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)
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}$
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}$
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])[a-zA-Z0-9]{8,10}$
强密码(必须包含大小写字母和数字的组合，可以使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
日期格式：^\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)$
钱的输入格式：
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]*$
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]*)$
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]*)$
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]+)?$
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})?$
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})?$
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})?$
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})?$
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
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))
空白行的正则表达式：\n\s*\r (可以用来删除空白行)
HTML标记的正则表达式：<(\S*?)[^>]*>.*?|<.*? /> ( 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)
腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
IPv4地址：((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}
最后修改：2022 年 05 月 28 日
© 允许规范转载
如果觉得我的文章对你有用，请随意赞赏