1.正则表达式汇总表
先上一张大家都很熟悉的图：
我自己很少用这张表，还的自己写，多累，你说是吧！
2.常用正则表达式
一、校验数字的表达式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)$二、校验字符的表达式1 汉字：^[一-龥]{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}$4 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：^[一-龥a-za-z0-9_]+$10 中文、英文、数字但不包括下划线等符号：^[一-龥a-za-z0-9]+$ 或 ^[一-龥a-za-z0-9]{2,20}$11 可以输入含有^%&',;=?$等字符：[^%&',;=?$]+12 禁止输入含有~的字符：[^~]+三、特殊需求表达式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：16 1.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]*$17 2.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]*)$18 3.一个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]*)$19 4.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]+)?$20 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})?$21 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})?$22 7.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})?$23 8.1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})?$24 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25 xml文件：^([a-za-z]+-?)+[a-za-z0-9]+\.[x|x][m|m][l|l]$26 中文字符的正则表达式：[一-龥]27 双字节字符：[^-] (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ascii字符计1))28 空白行的正则表达式：s* (可以用来删除空白行)29 html标记的正则表达式：]*>.*?| (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)30 首尾空白字符的正则表达式：^s*|s*$或(^s*)|(s*$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式)31 腾讯qq号：[1-9][0-9]{4,} (腾讯qq号从10000开始)32 中国邮政编码：[1-9]d{5}(?!d) (中国邮政编码为6位数字)33 ip地址：d+.d+.d+.d+ (提取ip地址时有用)34 ip地址：((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))
是不是觉得哪来主义有点不好意思？
3.万能法则
3.1 贪婪与非贪婪匹配
如：str=ab123c
p1=ab.*?c
p2=ab(.*?)c
贪婪匹配:正则表达式一般趋向于最大长度匹配，也就是所谓的贪婪匹配。如上面使用模式p1匹配字符串str，结果就是匹配到：ab123c。
非贪婪匹配：就是匹配到结果就好，就少的匹配字符。如上面使用模式p2匹配字符串str，结果就是匹配到：123。
注意：在实践中，正则没必要一口就吞个胖子，可以降阶匹配，少费点脑力，后面结合beautifulsoup，就更简单啦。
3.2 多行匹配
re.s：.将会匹配换行符，默认.不会匹配换行符。（python cookbook的方法out啦）
>>> re.findall(a(d+)b.+a(d+)b, a23ba34b) []>>> re.findall(a(d+)b.+a(d+)b, a23ba34b, re.s) [('23', '34')]
re.m：^$标志将会匹配每一行，默认^和$只会匹配第一行：
>>> re.findall(^a(d+)b, a23ba34b) ['23']>>> re.findall(^a(d+)b, a23ba34b, re.m) ['23', '34']
如果没有^标志：
>>> re.findall(a(d+)b, a23ba23b) ['23', '23']
具体的例子稍后会用爬虫实例进行解说。
4.常用内置函数
以下代码在jupyter中调试运行。
# in[1]:import re# ## re.match & re.search# 在 `re` 模块中， `re.match` 和 `re.search` 是常用的两个方法：## re.match(pattern, string[, flags])# re.search(pattern, string[, flags])## 两者都寻找第一个匹配成功的部分，成功则返回一个 `match` 对象，不成功则返回 `none`，不同之处在于 `re.match` 只匹配字符串的开头部分，而 `re.search` 匹配的则是整个字符串中的子串。# ## re.findall & re.finditer# `re.findall(pattern, string)` 返回所有匹配的对象， `re.finditer` 则返回一个迭代器。# ## re.split# `re.split(pattern, string[, maxsplit])` 按照 `pattern` 指定的内容对字符串进行分割。# ## re.sub# `re.sub(pattern, repl, string[, count])` 将 `pattern` 匹配的内容进行替换。# ## repile# `repile(pattern)` 生成一个 `pattern` 对象，这个对象有匹配，替换，分割字符串的方法。# ## 例子# 假设我们要匹配这样的字符串：# in[2]:string = 'hello world'pattern = 'hello (w+)'match = re.match(pattern, string)print(match)# 一旦找到了符合条件的部分，我们便可以使用 `group` 方法查看匹配的部分：# in[3]:if match is not none: print(match.group(0))# in[4]:if match is not none: print(match.group(1))# 我们可以改变 string 的内容：# in[5]:string = 'hello there'pattern = 'hello (w+)'match = re.match(pattern, string)if match is not none: print(match.group(0)) print(match.group(1))# 通常，`match.group(0)` 匹配整个返回的内容，之后的 `1,2,3,...` 返回规则中每个括号（按照括号的位置排序）匹配的部分。## 如果某个 `pattern` 需要反复使用，那么我们可以将它预先编译：# in[7]:pattern1 = repile('hello (w+)')match = pattern1.match(string)if match is not none: print(match.group(1))# 由于元字符的存在，所以对于一些特殊字符，我们需要使用 `''` 进行逃逸字符的处理，使用表达式 `'\'` 来匹配 `''` 。## 但事实上，`python` 本身对逃逸字符也是这样处理的：# in[9]:pattern = '\'print(pattern)# 因为逃逸字符的问题，我们需要使用四个 `'\\'` 来匹配一个单独的 `''`：# in[10]:pattern = '\\'path = c:\foo\bar\baz.txtprint(re.split(pattern, path))# 这样看起来十分麻烦，好在 `python` 提供了 `raw string` 来忽略对逃逸字符串的处理，从而可以这样进行匹配：# in[11]:pattern = '\'path = c\fo\ba\baz.txtprint(re.split(pattern, path))
5.正则调试器（基于tkinter）
2015年学tkinter的时候整理了一个正则调试器完整代码，有兴趣的小伙伴可以玩玩！
至于打包成exe文件，我推荐cxfreeze。
# -*-ecoding=utf-8-*-# !/usr/bin/env pythonbasic regular expression demostration facility (perl style syntax).# 载入相应的库或模块2015-7-25 by yeayeefrom tkinter import *# 导入re正则import re# 定义一个对象class redemo: # 初始化属性，其中参数self是默认的参数 def __init__(self, master): self.master = master self.promptdisplay = label(self.master, anchor=w, text=正则表达式:) self.promptdisplay.pack(side=top, fill=x) self.regexdisplay = entry(self.master) self.regexdisplay.pack(fill=x) self.regexdisplay.focus_set() self.addoptions() self.statusdisplay = label(self.master, text=, anchor=w) self.statusdisplay.pack(side=top, fill=x) self.labeldisplay = label(self.master, anchor=w, text=字 符 串:) self.labeldisplay.pack(fill=x) self.labeldisplay.pack(fill=x) self.showframe = frame(master) self.showframe.pack(fill=x, anchor=w) self.showvar = stringvar(master) self.showvar.set(first) self.stringdisplay = text(self.master, width=60, height=4) self.stringdisplay.pack(fill=both, expand=1) self.stringdisplay.tag_configure(hit, background=yellow) self.grouplabel = label(self.master, text=匹配结果:, anchor=w) self.grouplabel.pack(fill=x) self.grouplist = listbox(self.master) self.grouplist.pack(expand=1, fill=both) self.regexdisplay.bind('', self.recompile) self.stringdisplay.bind('', self.reevaluate) selfpiled = none self.recompile() btags = self.regexdisplay.bindtags() self.regexdisplay.bindtags(btags[1:] + btags[:1]) btags = self.stringdisplay.bindtags() self.stringdisplay.bindtags(btags[1:] + btags[:1]) # 定义方法，也就是所谓的函数 def addoptions(self): self.frames = [] self.boxes = [] self.vars = [] name1 = ['ignorecase', 'locale', 'multiline', 'dotall', 'verbose'] name2 = ['不区分大小写', '本地化识别', '忽略^和$', '忽略换行符', '松散正则'] for name in range(0, 5): if len(self.boxes) % 3 == 0: frame = frame(self.master) frame.pack(fill=x) self.frames.append(frame) val = getattr(re, name1[name]) var = intvar() box = checkbutton(frame, variable=var, text=name2[name], offvalue=0, onvalue=val, command=self.recompile) box.pack(side=left) self.boxes.append(box) self.vars.append(var) def getflags(self): flags = 0 for var in self.vars: flags = flags | var.get() flags = flags return flags def recompile(self, event=none): try: print (self.regexdisplay.get(), 000) selfpiled = repile(self.regexdisplay.get(), self.getflags()) bg = self.promptdisplay['background'] self.statusdisplay.config(text=, background=bg) except (re.error, msg): selfpiled = none self.statusdisplay.config( text=正则错误: %s % str(msg), background=red) self.reevaluate() def reevaluate(self, event=none): try: self.stringdisplay.tag_remove(hit, 1.0, end) except tclerror: pass try: self.stringdisplay.tag_remove(hit0, 1.0, end) except tclerror: pass self.grouplist.delete(0, end) if not selfpiled: return self.stringdisplay.tag_configure(hit, background=yellow) self.stringdisplay.tag_configure(hit0, background=orange) text = self.stringdisplay.get(1.0, end) last = 0 nmatches = 0 while last <= len(text): m = selfpiled.findall(text, last) if m[0] == '' and m[0] == '': break if len(m) != 0: for i in range(len(m)): g = u第%d个: %s % (i + 1, m[i]) self.grouplist.insert(end, g) nmatches = nmatches + 1 if self.showvar.get() == first: break if nmatches == 0: self.statusdisplay.config(text=(不匹配), background=yellow) else: self.statusdisplay.config(text=)def main(): pass root = tk() demo = redemo(root) root.title('python正则测试器') root.protocol('wm_delete_window', root.quit) root.mainloop()if __name__ == '__main__': main()
胶水语言博大精深，
本主只得一二为新人带路，
来自：python数据分析及可视化实例 作者 yeayee