正则表达式Python_js正则表达式实例

2022-11-09 16:53:08 浏览数 (1)

正则表达式详解

正则表达式 英文名称叫 Regular Expression简称RegEx，是用来匹配字符的一种工具，它常被用在网页爬虫，文稿整理，数据筛选等方面，最常用的就是用在网页爬虫，数据抓取。

一、正则表达式的各种符号解释

（来自维基百科）~~~

是不是感觉太多了，因此我将常用的整理出来了

二、进行逐个详解

1.首先导入模块

代码语言：javascript复制
import re

2.匹配多种可能 使用 []

代码语言：javascript复制
#'run' or 'ran'
res = re.search(r'r[au]n','dog runs to cat')
print(res)
>>> <re.Match object; span=(4, 7), match='run'> 
res = re.search(r'r[au]n','dog rans to cat')
print(res)
>>> <re.Match object; span=(4, 7), match='ran'>
#continue 匹配更多种可能
res = re.search(r'r[A-Z]n','dog rans to cat')
print(res)
>>> None
res = re.search(r'r[a-z]n','dog rans to cat')
print(res)
>>> <re.Match object; span=(4, 7), match='ran'>
res = re.search(r'r[0-9]n','dog rans to cat')
print(res)
>>>None
res = re.search(r'r[0-9a-z]n','dog rans to cat')
print(res)
>>> <re.Match object; span=(4, 7), match='ran'>

3.匹配数字 d and D

代码语言：javascript复制
# d : decimal digit 数字的
res = re.search(r'rdn','run r9n')
print(res)
>>> <re.Match object; span=(4, 7), match='r9n'>
# D : any non-decimal digit 任何不是数字的
res = re.search(r'rDn','run r9n')
print(res)
>>> <re.Match object; span=(0, 3), match='run'>

4.匹配空白 s and S

代码语言：javascript复制
# s : any white space [t n r f v]
res = re.search(r'rsn','rnn r9n')
print(res)
>>> <re.Match object; span=(0, 3), match='rnn'>
# S : 和s相反，any non-white space
res = re.search(r'rSn','rnn r9n')
print(res)
>>> <re.Match object; span=(4, 7), match='r9n'>

5.匹配所有的字母和数字以及”_” w and W

代码语言：javascript复制
# w : [a-zA-Z0-9_]
res = re.search(r'rwn','rnn r9n')
print(res)
>>> <re.Match object; span=(4, 7), match='r9n'>
# W : opposite to w 即与w相反
res = re.search(r'rWn','rnn r9n')
print(res)
>>> <re.Match object; span=(0, 3), match='rnn'>

6.匹配空白字符 b and B

代码语言：javascript复制
# b : (only at the start or end of the word)
res = re.search(r'brunsb','dog runs to cat')
print(res)
>>> <re.Match object; span=(4, 8), match='runs'>
res = re.search(r'brunsb','dogrunsto cat')
print(res)
>>> None
# B : ( but not at the start or end of the word)
res = re.search(r'BrunsB','dog runs to cat')
print(res)
>>> None
res = re.search(r'BrunsB','dogrunsto cat')
print(res)
>>> <re.Match object; span=(5, 11), match=' runs '>

7.匹配特殊字符 任意字符 and .

代码语言：javascript复制
# \ : 匹配 
res = re.search(r'runs\','dog runs to cat')
print(res)
>>> <re.Match object; span=(4, 9), match='runs\'>
# . : 匹配 anything （except n）
res = re.search(r'r.ns','dog r;ns to cat')
print(res)
>>> <re.Match object; span=(4, 8), match='r;ns'>
>res = re.search(r'r.ns','dog rnns to cat')
print(res)
>>> None

8.匹配句尾句首 $ and ^

代码语言：javascript复制
# ^ : 匹配line beginning
res = re.search(r'^runs','dog runs to cat')
print(res)
>>> None
res = re.search(r'^dog','dog runs to cat')
print(res)
>>> <re.Match object; span=(0, 3), match='dog'>
# $ : 匹配line ending
res = re.search(r'runs$','dog runs to cat')
print(res)
>>> None
res = re.search(r'cat$','dog runs to cat')
print(res)
>>> <re.Match object; span=(12, 15), match='cat'>

9. 是否匹配 ？

代码语言：javascript复制
# ？ ： may or may nt occur
res = re.search(r'r(u)?ns','dog runs to cat')
print(res)
>>> <re.Match object; span=(4, 8), match='runs'>
res = re.search(r'r(u)?ns','dog rns to cat')
print(res)
>>><re.Match object; span=(4, 7), match='rns'>

10. 多行匹配 re.M

代码语言：javascript复制
# 匹配代码后面加上re.M
string = """ 123. dog runs to cat. You run to dog. """
res = re.search(r'^You',string)
print(res)
>>> None
res = re.search(r'^You',string,re.M)
print(res)
>>> <re.Match object; span=(10, 13), match='run'>

11. 匹配零次或多次 *

代码语言：javascript复制
# * ： occur 0 or more times
res = re.search(r'ab*','a')
print(res)
>>> <re.Match object; span=(0, 1), match='a'>
res = re.search(r'ab*','abbbbbbbbbb')
print(res)
>>> <re.Match object; span=(0, 11), match='abbbbbbbbbb'>

12. 匹配一次或多次

代码语言：javascript复制
#   ：occur 1 or more times
res = re.search(r'ab ','a')
print(res)
>>> None
res = re.search(r'ab ','abbbbbbbbbb')
print(res)
>>> <re.Match object; span=(0, 11), match='abbbbbbbbbb'>

13. 可选次数匹配 {n, m}

代码语言：javascript复制
# {n, m} : occur n to m times
res = re.search(r'ab{1,10}','a')
print(res)
>>> None
res = re.search(r'ab{1,10}','abbbbbbbbbb')
print(res)
>>> <re.Match object; span=(0, 11), match='abbbbbbbbbb'>

14. 匹配后group组输出

代码语言：javascript复制
# group
res = re.search(r'ID: (d ), Name: (. )','ID: 123456789, Name: a/b*c;d')
print(res.group())
print(res.group(1))
print(res.group(2))
>>> ID: 123456789, Name: a/b*c;d
>>> 123456789
>>> a/b*c;d
# 给group组命名 ?P<name>
res = re.search(r'ID: (?P<id>d ), Name: (?P<name>. )','ID: 123456789, Name: a/b*c;d')
print(res.group('id'))
print(res.group('name'))
>>> 123456789
>>> a/b*c;d

15.寻找所有匹配 findall

代码语言：javascript复制
# re.findall()
res = re.findall(r'r[ua]n','run ran ren')
print(res)
>>> ['run', 'ran']
# 另一种写法
res = re.findall(r'(run|ran)','run ran ren')
print(res)
>>> ['run', 'ran']

16.替换匹配内容 sub

代码语言：javascript复制
# re.sub( ,replace, )
res = re.sub(r'runs','catches','dog runs to cat')
print(res)
>>> dog catches to cat

17. 分裂内容 split

代码语言：javascript复制
# re.split()
res = re.split(r'[,;.\]', 'a,b;c.de')
print(res)
>>> ['a', 'b', 'c', 'd', 'e']

18. 包装正则表达式 compile

代码语言：javascript复制
# re. compile()
compile_re = re.compile(r'r[ua]n')
res = compile_re.findall('run ran ren')
print(res)
>>> ['run', 'ran']

三、归总一些常见的正则表达式

（1）、校验数字的表达式
代码语言：javascript复制
1、数字：^[0-9]*$
2、n位的数字：^d{n}$
3、至少n位的数字：^d{n,}$
4、m-n位的数字：^d{m,n}$
5、零和非零开头的数字：^(0|[1-9][0-9]*)$
6、非零开头的最多带两位小数的数字：^([1-9][0-9]*) (.[0-9]{1,2})?$
7、带1-2位小数的正数或负数：^(-)?d (.d{1,2})?$
8、正数、负数、和小数：^(-| )?d (.d )?$
9、有两位小数的正实数：^[0-9] (.[0-9]{2})?$
10、有1~3位小数的正实数：^[0-9] (.[0-9]{1,3})?$
11、非零的正整数：^[1-9]d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^ ?[1-9][0-9]*$
12、非零的负整数：^-[1-9][]0-9"*$ 或 ^-[1-9]d*$
13、非负整数：^d $ 或 ^[1-9]d*|0$
14、非正整数：^-[1-9]d*|0$ 或 ^((-d )|(0 ))$
15、非负浮点数：^d (.d )?$ 或 ^[1-9]d*.d*|0.d*[1-9]d*|0?.0 |0$
16、非正浮点数：^((-d (.d )?)|(0 (.0 )?))$ 或 ^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0 |0$
17、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]*))$
18、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]*)))$
19、浮点数：^(-?d )(.d )?$ 或 ^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0 |0)$
（2）、校验字符的表达式
代码语言：javascript复制
1、汉字：^[u4e00-u9fa5]{0,}$
2、英文和数字：^[A-Za-z0-9] $ 或 ^[A-Za-z0-9]{4,40}$
3、长度为3-20的所有字符：^.{3,20}$
3、由26个英文字母组成的字符串：^[A-Za-z] $
5、由26个大写英文字母组成的字符串：^[A-Z] $
6、由26个小写英文字母组成的字符串：^[a-z] $
7、由数字和26个英文字母组成的字符串：^[A-Za-z0-9] $
8、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}$
9、中文、英文、数字包括下划线：^[u4E00-u9FA5A-Za-z0-9_] $
10、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}$
11、可以输入含有^%&',;=?$"等字符：[^%&',;=?$x22] 
12、禁止输入含有~的字符：[^~x22]
（3）、特殊需求表达式
代码语言：javascript复制
1、Email地址：^w ([- .]w )*@w ([-.]w )*.w ([-.]w )*$
2、域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62}) /.?
3、 InternetURL：[a-zA-z] ://[^s]* 或 ^http://([w-] .) [w-] (/[w-./?%&=]*)?$
4、手机号码：^(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}$
5、电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^((d{3,4}-)|d{3.4}-)?d{7,8}$
6、国内电话号码(0511-4405222、021-87888822)：d{3}-d{8}|d{4}-d{7}
7、身份证号(15位、18位数字)：^d{15}|d{18}$
8、短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9、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}$
10、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}$
11、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]).{8,10}$
12、日期格式：^d{4}-d{1,2}-d{1,2}
13、一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
14 、一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
15、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] )?$
* 5.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})?$
* 6.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
16、xml文件：^([a-zA-Z] -?) [a-zA-Z0-9] \.[x|X][m|M][l|L]$
17、中文字符的正则表达式：[u4e00-u9fa5]
18、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))
19、空白行的正则表达式：ns*r (可以用来删除空白行)
20、HTML标记的正则表达式：<(S*?)[^>]*>.*?</1>|<.*? /> (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)
21、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)
22、 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
23、中国邮政编码：[1-9]d{5}(?!d) (中国邮政编码为6位数字)
24、IP地址：d .d .d .d  (提取IP地址时有用)
25、 IP地址：((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))

上一篇文章———>scrapy基础操作教程（实例）

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/186248.html原文链接：https://javaforall.cn

正则表达式 https 网络安全 爬虫

0 人点赞