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。 举个栗子: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 举个栗子:(\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<name>...)
|
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。 举个栗子: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)。 举个栗子: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。 举个栗子:(?<=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。 举个栗子:(?<!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 举个栗子:(<)?(\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' 或 '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 举个栗子:(.+) \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 举个栗子:\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 举个栗子: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 |
首先是元字符:
.:匹配除换行符以外的任意字符
[x]:匹配中括号中的任意一字符 如[abc]则匹配a或b或c
[^x] :匹配除了x以外的任意字符 :如[^abc] 则匹配除a/b/c以外的任意一字符
^ :匹配开始地方如:^a表示匹配以a开头的,^[a-z] 表示以小写任意一字母开头的
$ :匹配结束地方如:a$ 表示匹配以a结尾的
x|y :匹配x或匹配y如 ^[a-z] | ^[0-9] 表示以任意一小写字母开头,或以任意一数字开头的。实现上这个匹配也可以写成^[a-z0-9],不过|还是有它的独有的适用之处的
量词(限定符)
? :重复0次或1次
× :重复0次或多次
+ :重复1次或多次
{m} :重复m次
{m,} :重复m次或更多次
例如 "aa" "aaa" "aaaa" 正则表达式 /^a{2,3]$/ 能匹配第一个和第二个字符串,因为此表达式是说,从开头到结尾中间是连续2个至3个a都可以。
例:"d3df" "abcd" "3dfs4" "dfsde" ,正则表达式/^[a-z]*$/ 能匹配第二个和第四个,因为此表达式是说,从开头到结尾是0个或多个(不限制多少个)a-z之内的字符(即小写字母)但,对此例,用/[a-z]*/则能匹配成功这四个字符串。如果换用 /[a-z]+$/则只能匹配成功除第3个字符串以外的三个字符串。为什么?此表达式是说以1个或多个连续的a-z之内(即小写字母)的字符结尾。
常用字符集
\s :所有空白字符
\S :所有非空白字符
\w :所有字母、数字、下划线、汉字的字符
\W :所有不是字母、数字、下划线、汉字的字符
\d :所有数字字符
\D :所有非数字字符
\b :单词的开始或结尾
\B :匹配不是单词或开始的位置
分组
上面我们例用 {} × +等可重复多个字符,如果想要重复一个字符串又该怎么办,你可以用小括号来指定子表达式(也叫做分组),然后你就可以指定这个子表达式的重复次数了
例如,简单的匹配IP地址,(\d{1,3}\.){3}\d{1,3} 此表达式的意思是,前面小括号中是说匹配数字的1-3个和一个字符.,后面一个{3}表示重复3次,这3次是对前面整个小括号所匹配的内容(即是一个字符串)复复3次,再后面匹配一个1-3位的数字
后向引用
后向引用用于重复搜索前面某个分组匹配的文本。例如,\1代表分组1匹配的文本
例 \b(\w+)\s*\1 此表达式或匹配两个连续的单词,\b匹配单词开始位置,\w+是匹配任意的字符至少一个,小括号进行了第一个编组,\s*是匹配0个或多个空格,后面的\1是引用了前面第一个编组匹配成功的字符串,如hellohello 对于此表达式,\b(\w+)是匹配了第一个hello ,则\1就是使用它的值--hello
(? =exp)也叫零宽先行断言或正预查,它匹配文本中的某些位置,这些位置的后面能匹配给定的后缀exp。比如/b/w+(?=ing/b),匹配以 ing结尾的单词的前面部分(除了ing以外的部分),如果在查找I'm singing while you're dancing.时,它会匹配sing和 danc。
(?!exp)零宽负向先行断言,只会匹配后缀exp不存在的位置。/d{3}(?!/d)匹配三位数字,而且这三位数字的后面不能是数字。
当正则表达式中包含能接受重复的限定符(指定数量的代码,例如*,{4,8}等)时,通常在使整个表达式能得到匹配的前提下匹配尽可能多的字符。考虑这个表达式:a.*b,它将会匹配最长的以a开始,以b 结束的字符串。如果用它来搜索aabab的话,它会匹配整个字符串aabab。这被称为贪婪匹配
在 * +{}后面加上? 表示以非贪婪法去匹配,再以上例,a.*?b去匹配aabab的话,则会匹配aab
下面是一些常用的正则表达式:
匹配中文字符的正则表达式: [\u4e00-\u9fa5]
评注:匹配中文还真是个头疼的事,有了这个表达式就好办了
匹配双字节字符(包括汉字在内):[^\x00-\xff]
评注:可以用来计算字符串的长度(一个双字节字符长度计2,ASCII字符计1)
匹配空白行的正则表达式:\n\s*\r
评注:可以用来删除空白行
匹配HTML标记的正则表达式:<(\S*?)[^>]*>.*?<\\1>|<.*? />
评注:网上流传的版本太糟糕,上面这个也仅仅能匹配部分,对于复杂的嵌套标记依旧无能为力
匹配首尾空白字符的正则表达式:^\s*|\s*$
评注: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
匹配Email地址的正则表达式:\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注:表单验证时很实用
匹配网址URL的正则表达式:[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}$
匹配国内电话号码:\d{3}-\d{8}|\d{4}-\d{7}
评注:匹配形式如 0511-4405222 或 021-87888822
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:\d{15}|\d{18}
评注:中国的身份证为15位或18位
匹配ip地址:\d+\.\d+\.\d+\.\d+
评注:简单匹配ip地址时有用
匹配特定数字:
^[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
匹配特定字符串:
^[A-Za-z]+$ //匹配由26个英文字母组成的字符串
^[A-Z]+$ //匹配由26个英文字母的大写组成的字符串
^[a-z]+$ //匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$ //匹配由数字和26个英文字母组成的字符串
^\w+$ //匹配由数字、26个英文字母或者下划线组成的字符串
不够详细,那去这里看看吧 @L_301_0@
原文链接:/regex/360036.html