正則表達式使用

簡介

    正則表達式是對字符串（包括普通字符（例如，a 到 z 之間的字母）和特殊字符（稱爲「元字符」））操做的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個「規則字符串」，這個「規則字符串」用來表達對字符串的一種過濾邏輯。正則表達式是一種文本模式，該模式描述在搜索文本時要匹配的一個或多個字符串。

做用

    給定一個正則表達式和另外一個字符串，咱們能夠達到以下的目的：

          1. 給定的字符串是否符合正則表達式的過濾邏輯（稱做「匹配」）；

          2. 能夠經過正則表達式，從字符串中獲取咱們想要的特定部分或進行替換。

符號

   正則表達式由一些普通字符和一些元字符（metacharacters）組成。普通字符包括大小寫的字母和數字，而元字符則具備特殊的含義，下面將詳解一些經常使用的元字符；

元字符	描述
\	轉義字符，例如：「\\n」匹配\n。「\n」匹配換行符。序列「\\」匹配「\」而「\(」則匹配「(」
^	匹配輸入行首
$	匹配輸入行尾
*	匹配前面的子表達式任意次，例如：zo*能匹配「z」，也能匹配「zo」以及「zoo」，*等價於{0,}
+	匹配前面的子表達式一次或屢次(大於等於1次），例如：「zo+」能匹配「zo」以及「zoo」，但不能匹配「z」，+等價於{1,}
?	匹配前面的子表達式零次或一次，例如：「do(es)?」能夠匹配「do」或「does」，?等價於{0,1}
{n}	n是一個非負整數。匹配肯定的n次，例如：「o{2}」不能匹配「Bob」中的「o」，可是能匹配「food」中的兩個o
{n,}	n是一個非負整數，至少匹配n次，例如：「o{2,}」不能匹配「Bob」中的「o」，但能匹配「foooood」中的全部o，「o{1,}」等價於「o+」，「o{0,}」則等價於「o*」
{n,m}	m和n均爲非負整數，其中n<=m。最少匹配n次且最多匹配m次，例如：「o{1,3}」將匹配「fooooood」中的前三個o爲一組，後三個o爲一組。「o{0,1}」等價於「o?」。請注意在逗號和兩個數之間不能有空格。
?	當該字符緊跟在任何一個其餘限制符（*,+,?，{n}，{n,}，{n,m}）後面時，匹配模式是非貪婪的，非貪婪模式儘量少地匹配所搜索的字符串，而默認的貪婪模式則儘量多地匹配所搜索的字符串，例如：對於字符串「oooo」，「o+」將盡量多地匹配「o」，獲得結果[「oooo」]，而「o+?」將盡量少地匹配「o」，獲得結果 ['o', 'o', 'o', 'o']
.(點）	匹配除「\n」和"\r"以外的任何單個字符
x|y	匹配x或y，例如：「z|food」能匹配「z」或「food」(此處請謹慎)，「[z|f]ood」則匹配「zood」或「food」
[xyz]	字符集合，匹配所包含的任意一個字符，例如：「[abc]」能夠匹配「plain」中的「a」
[^xyz]	負值字符集合，匹配未包含的任意字符，例如：「[^abc]」能夠匹配「plain」中的「plin」任一字符
[a-z]	字符範圍，匹配指定範圍內的任意字符，例如：「[a-z]」能夠匹配「a」到「z」範圍內的任意小寫字母字符， 注意:只有連字符在字符組內部時,而且出如今兩個字符之間時,才能表示字符的範圍; 若是出字符組的開頭,則只能表示連字符自己
[^a-z]	負值字符範圍，匹配任何不在指定範圍內的任意字符，例如：「[^a-z]」能夠匹配任何不在「a」到「z」範圍內的任意字符
( )	將( 和 ) 之間的表達式定義爲「組」（group），而且將匹配這個表達式的字符保存到一個臨時區域（一個正則表達式中最多能夠保存9個），它們能夠用 \1 到\9 的符號來引用
\d	匹配一個數字字符，等價於[0-9]
\D	匹配一個非數字字符，等價於[^0-9]
\t	匹配一個製表符
\w	匹配包括下劃線的任何單詞字符
\W	匹配任何非單詞字符，等價於「[^A-Za-z0-9_]」

 

經常使用正則表達式實例

    1.驗證用戶名和密碼：（"^[a-zA-Z]\w{5,15}$"），含義：第一個字必須爲字母且後面爲5~15位的數字或字母或下劃線；

    2.驗證手機號碼（包含虛擬號碼和新號碼段）："^1([38][0-9]|4[5-9]|5[0-3,5-9]|66|7[0-8]|9[89])[0-9]{8}$"；

    3.驗證身份證號（15位）："^([1-6][1-9]|50)\d{4}\d{2}((0[1-9])|10|11|12)(([0-2][1-9])|10|20|30|31)\d{3}$"   （18位）："^([1-6][1-9]|50)\d{4}(18|19|20)\d{2}((0[1-9])|10|11|12)(([0-2][1-9])|10|20|30|31)\d{3}[0-9Xx]$"；

    4.驗證Email地址："(\w+\.)*\w+@(\w+\.)+[a-zA-Z]+"；

    5.只能輸入由數字和26個英文字母組成的字符串："^[A-Za-z0-9]+$"；

    6.只能輸入長度爲3的字符："^.{3}$"；

    7.驗證URL："^https?://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$"；

    8.只能輸入漢字："^[\u4e00-\u9fa5]{0,}$"；

    9.匹配騰訊QQ號："^[1-9][0-9]{4,11}$"，注：QQ號碼從10000開始；

    10.匹配中國郵政編碼："^[1-9]\d{5}$"；

    11.匹配HTML註釋："<!-{2,}.*?-{2,}>"；

    12.匹配IP地址："(((\d{1,2})|(1\d{2})|(2[0-4]9)|(25[0-5]))\.){3}((\d{1,2})|(1\d{2})|(2[0-4]9)|(25[0-5]))"；

示例(以python爲例）

例1：驗證輸入用戶名和QQ號及郵箱是否有效並給出對應的提示信息

import  re
def main():
    username=input('請輸入你的用戶名：')
    m1=re.match(r'^[0-9a-zA-Z]{6,20}$',username)
    if not m1:
        print('你輸入的用戶名無效')
    qq = input('請輸入你的QQ號：')
    m2=re.match(r'^[1-9]\d{4,11}$',qq)
    if not m2:
        print('你輸入的qq號無效')
    email = input('請輸入你的郵箱：')
    m3=re.match('(\w+\.)*\w+@(\w+\.)+[a-zA-Z]+',email)
    if not m3:
        print('你輸入的郵箱無效')
    if m1 and m2 and m3:
        print('你輸入的信息有效')
if __name__=='__main__':
    main()

例2：替換字符串中的不良內容

import re
def main():
    sentence = '你丫是傻叉嗎? 我操你大爺的. Fuck you.'
    purified = re.sub('[操肏艹]|fuck|shit|傻[比屄逼叉缺吊屌]|煞筆',   '*', sentence, flags=re.IGNORECASE)
    print(purified)  # 你丫是*嗎? 我*你大爺的. * you.
if __name__ == '__main__':
    main()