正则表达式 订阅
正则表达式,又称规则表达式。(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。许多程序设计语言都支持利用正则表达式进行字符串操作。例如,在Perl中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由Unix中的工具软件(例如sed和grep)普及开的。正则表达式通常缩写成“regex”,单数有regexp、regex,复数有regexps、regexes、regexen。 展开全文
正则表达式,又称规则表达式。(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。许多程序设计语言都支持利用正则表达式进行字符串操作。例如,在Perl中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由Unix中的工具软件(例如sed和grep)普及开的。正则表达式通常缩写成“regex”,单数有regexp、regex,复数有regexps、regexes、regexen。
信息
代码简写
regex、regexp或RE
行业归属
计算机科学
作    用
用来检索、替换那些符合某个模式(规则)的文本
中文名
正则表达式
外文名
Regular Expression
别    称
规则表达式
正则表达式概念
正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。
收起全文
精华内容
参与话题
问答
  • Python-正则表达式

    千人学习 2017-08-21 14:17:41
    正则表达式,又称正规表示法、常规表示法(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本...
  • 史上最全的正则表达式-匹配中英文、字母和数字

    万次阅读 多人点赞 2017-08-29 20:31:28
    在做项目的过程中,使用正则表达式来匹配一段文本中的特定种类字符,是比较常用的一种方式,下面是对常用的正则匹配做了一个归纳整理。 1、匹配中文:[\u4e00-\u9fa5] 2、英文字母:[a-zA-Z] 3、数字:[0-9] 4、匹配...

    在做项目的过程中,使用正则表达式来匹配一段文本中的特定种类字符,是比较常用的一种方式,下面是对常用的正则匹配做了一个归纳整理。

    1、匹配中文:[\u4e00-\u9fa5]

    2、英文字母:[a-zA-Z]

    3、数字:[0-9]

    4、匹配中文,英文字母和数字及下划线:^[\u4e00-\u9fa5_a-zA-Z0-9]+$
    同时判断输入长度:
    [\u4e00-\u9fa5_a-zA-Z0-9_]{4,10}

    5、
    (?!_)  不能以_开头
    (?!.*?_$)  不能以_结尾
    [a-zA-Z0-9_\u4e00-\u9fa5]+  至少一个汉字、数字、字母、下划线
    $  与字符串结束的地方匹配

    6、只含有汉字、数字、字母、下划线,下划线位置不限:
    ^[a-zA-Z0-9_\u4e00-\u9fa5]+$

    7、由数字、26个英文字母或者下划线组成的字符串
    ^\w+$

    8、2~4个汉字
    "^[\u4E00-\u9FA5]{2,4}$";

    9、最长不得超过7个汉字,或14个字节(数字,字母和下划线)正则表达式
    ^[\u4e00-\u9fa5]{1,7}$|^[\dA-Za-z_]{1,14}$
     

    10、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)

    11、匹配空白行的正则表达式:ns*r
    评注:可以用来删除空白行

    12、匹配HTML标记的正则表达式:<(S*?)[^>]*>.*?|<.*? />
    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

    13、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

    14、匹配Email地址的正则表达式:^[a-zA-Z0-9][\w\.-]*[a-zA-Z0-9]@[a-zA-Z0-9][\w\.-]*[a-zA-Z0-9]\.[a-zA-Z][a-zA-Z\.]*[a-zA-Z]$

    评注:表单验证时很实用

    15、手机号:^((13[0-9])|(14[0-9])|(15[0-9])|(17[0-9])|(18[0-9]))\d{8}$

    16、身份证:(^\d{15}$)|(^\d{17}([0-9]|X|x)$)

    17、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

    18、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}$
    评注:表单验证时很实用


    19、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

    20、匹配腾讯QQ号:[1-9][0-9]{4,}
    评注:腾讯QQ号从10000开始

    21、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

    22、匹配身份证:d{15}|d{18}
    评注:中国的身份证为15位或18位

    23、匹配ip地址:d+.d+.d+.d+
    评注:提取ip地址时有用


    24、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


    25、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

    26、
    在使用RegularExpressionValidator验证控件时的验证功能及其验证表达式介绍如下:
    只能输入数字:“^[0-9]*$”
    只能输入n位的数字:“^d{n}$”
    只能输入至少n位数字:“^d{n,}$”
    只能输入m-n位的数字:“^d{m,n}$”
    只能输入零和非零开头的数字:“^(0|[1-9][0-9]*)$”
    只能输入有两位小数的正实数:“^[0-9]+(.[0-9]{2})?$”
    只能输入有1-3位小数的正实数:“^[0-9]+(.[0-9]{1,3})?$”
    只能输入非零的正整数:“^+?[1-9][0-9]*$”
    只能输入非零的负整数:“^-[1-9][0-9]*$”
    只能输入长度为3的字符:“^.{3}$”
    只能输入由26个英文字母组成的字符串:“^[A-Za-z]+$”
    只能输入由26个大写英文字母组成的字符串:“^[A-Z]+$”
    只能输入由26个小写英文字母组成的字符串:“^[a-z]+$”
    只能输入由数字和26个英文字母组成的字符串:“^[A-Za-z0-9]+$”
    只能输入由数字、26个英文字母或者下划线组成的字符串:“^w+$”
    验证用户密码:“^[a-zA-Z]w{5,17}$”正确格式为:以字母开头,长度在6-18之间,
    只能包含字符、数字和下划线。
    验证是否含有^%&',;=?$"等字符:“[^%&',;=?$x22]+”
    只能输入汉字:“^[u4e00-u9fa5],{0,}$”
    验证Email地址:“^w+[-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$”
    验证InternetURL:“^http://([w-]+.)+[w-]+(/[w-./?%&=]*)?$”
    验证身份证号(15位或18位数字):“^d{15}|d{}18$”
    验证一年的12个月:“^(0?[1-9]|1[0-2])$”正确格式为:“01”-“09”和“1”“12”
    验证一个月的31天:“^((0?[1-9])|((1|2)[0-9])|30|31)$”
    正确格式为:“01”“09”和“1”“31”。
    匹配中文字符的正则表达式: [u4e00-u9fa5]
    匹配双字节字符(包括汉字在内):[^x00-xff]
    匹配空行的正则表达式:n[s| ]*r
    匹配HTML标记的正则表达式:/<(.*)>.*|<(.*) />/
    匹配首尾空格的正则表达式:(^s*)|(s*$)
    匹配Email地址的正则表达式:w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
    匹配网址URL的正则表达式:http://([w-]+.)+[w-]+(/[w- ./?%&=]*)?

     

    展开全文
  • 正则表达式

    千次阅读 多人点赞 2019-08-26 16:21:48
    文章目录正则表达式简介正则表达式匹配规则re模块compile 函数Pattern 对象Match 对象范例常见格式分组位置分组分割批量替换正则案例: 正则表达式简介 为什么要学正则表达式? 实际上爬虫一共就四个主要步骤: ...

    正则表达式简介

    为什么要学正则表达式?
    实际上爬虫一共就四个主要步骤:

    1. 明确目标 (要知道你准备在哪个范围或者网站去搜索)
    2. 爬 (将所有的网站的内容全部爬下来)
    3. 取 (去掉对我们没用处的数据)
    4. 处理数据(按照我们想要的方式存储和使用)

    我们down下了的数据是全部的网页,这些数据 很庞大并且很混乱,大部分的东西使我们不关心的,因此我们需要将之按我们的需要过滤和匹配出来。那么对于文本的过滤或者规则的匹配,最强大的就是正则表达式,是Python爬虫世界里必不可少的神兵利器。

    什么是正则表达式?
    正则表达式,又称规则表达式,通常被用来检索、替换那些符合某个模式(规则)的文本。
    正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合, 组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。

    在这里插入图片描述

    正则表达式匹配规则

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    对URL地址进行匹配是一个相当困难的任务,其复杂性取决于你想获得多么精确的匹配结果。
    最简单的情况下URL应该匹配的内容有:协议名(http|https),一个主机名,一个可选的端口
    号,一个文件路径。

    在这里插入图片描述
    在这里插入图片描述

    re模块

    正则表达式使用 对特殊字符进行转义,所以如果我们要使用原始字符串,只需加一个 r 前缀, e.g. r’chuanzhiboke\t.\tpython’

    re 模块一般使用步骤

    1. 使用 compile() 函数将正则表达式的字符串形式编译为一个 Pattern 对象

    2. 通过 Pattern 对象提供的一系列方法对文本进行匹配查找,获得匹配结果,一个 Match 对象。

    3. 最后使用 Match 对象提供的属性和方法获得信息,根据需要进行其他的操作

    compile 函数

    compile 函数用于编译正则表达式,生成一个 Pattern 对象,它的一般使用形式如下:
    在这里插入图片描述

    Pattern 对象

    正则表达式编译成 Pattern 对象, 可以利用 pattern 的一系列方法对文本进行匹配查找了。
    Pattern 对象的一些常用方法主要有:
    match 方法:从起始位置开始查找,一次匹配 
    search 方法:从任何位置开始查找,一次匹配 
    findall 方法:全部匹配,返回列表 
    finditer 方法:全部匹配,返回迭代器 
    split 方法:分割字符串,返回列表 
    sub 方法:替换
    

    match 方法

    match 方法用于查找字符串的头部(也可以指定起始位置),它是一次匹配,只要找到了一个匹配的结果就
    返回, 而不是查找所有匹配的结果。它的一般使用形式:mach(string[,pos[,endpos]])
    string 待匹配的字符串
    pos 字符串的起始位置, 默认值是 0
    endpos 字符串的终点位置, 默认值是 len (字符串长度)
    

    Match 对象

    group([group1, …]) 方法用于获得一个或多个分组匹配的字符串,当要获得整个匹配的子串时,可直接使用 group() 或 group(0); 
    
    start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置(子串第一个字符的索引),参数默认 值为 0; 
    
    end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置(子串最后一个字符的索引+1),参数 默认值为 0; 
    
    span([group]) 方法返回 (start(group), end(group))。
    

    search 方法
    search 方法用于查找字符串的任何位置,它也是一次匹配,只要找到了一个匹配的结果就返回,而不是查找所有 匹配的结果,它的一般使用形式如下:
    当匹配成功时,返回一个 Match 对象,如果没有匹配上,则返回 None。

    findall 方法与finditer 方法
    findall方法搜索整个字符串,获得所有匹配的结果。使用形式如下:
    findall(string[,pos[,endpos]])
    finditer方法的行为跟findall的行为类似,也是搜索整个字符串,获得所有匹配的结果。但它返回一个顺序访问每一个匹配结果(Match对象)的迭代器。
    split 方法
    split 方法按照能够匹配的子串将字符串分割后返回列表,它的使用形式如下:
    split(string[,maxsplit])
    maxsplit 指定最大分割次数,不指定将全部分割.

    sub方法
    sub 方法用于替换。它的使用形式如下:
    在这里插入图片描述

    repl 可以是字符串也可以是一个函数:
    1). 是字符串,使用 repl 去替换字符串每一个匹配的子串,并返回替换后的字符串,
    2). 如果 repl 是函数,这个方法应当只接受一个参数(Match 对象),并返回一个字符串用于替换.

    count 用于指定最多替换次数,不指定时全部替换。

    匹配中文
    在某些情况下,我们相匹配文本中的汉字,有一点需要注意的是,中文的unicode编码范围,主要在[u4e00-u9fa5],这里主要是因为这个范围不完整,比如没有包括全部中文标点,不过在大部分情况下,应该是够用的。

    贪婪模式与非贪婪模式:abbbc

    1. 贪婪模式:在整个表达式匹配成功的前提下,尽可能多的匹配 ( .* );
    	使用贪婪的数量词的正则表达式 ab* ,匹配结果: abbb。
    	* 决定了尽可能多匹配 b,所以a后面所有的 b 都出现了。
    2. 非贪婪模式:在整个表达式匹配成功的前提下,尽可能少的匹配 ( ? );
    	使用非贪婪的数量词的正则表达式 ab*? ,匹配结果: a。 .*? .+?
    	即使前面有 * ,但是 ? 决定了尽可能少匹配 b,所以没有 b。
    3. Python里数量词默认是贪婪的。
    

    范例

    常见格式

    # 导入正则表达式对应的模块;
    import re
    
    # 定义正则表达式的规则;
    pattern = r'westos'
    # 对正则表达式进行一个编译, 编译后, 匹配速度更快;
    patternObj = re.compile(pattern)
    # 将来要处理的字符串内容;
    text = "hello westos hello world westos"
    # 匹配符合正则规则的所有内容;
    result = patternObj.findall(text)
    print(result)
    

    运行结果:
    在这里插入图片描述

    # 案例1: 匹配所有的qq邮箱, username@qq.com, 其中username必须是字母数字或者下划线, 次数为2-12个之间;
    import re
    
    pattern1 = r'\s\w{2,12}@qq\.com'
    text = ' westos@qq.com  hello@qq.com  dhwehfhjrefhjrehfuhregiuhgggggggggggggiu@qq.com'
    patternObj = re.compile(pattern1)
    result = patternObj.findall(text)
    print(result)
    
    # 案例2:
    #     北美电话的常用格式:(eg: 2703877865)
    #             前3位: 第一位是区号以2~9开头 , 第2位是0~8, 第三位数字可任意;
    #             中间三位数字:第一位是交换机号, 以2~9开头, 后面两位任意
    #             最后四位数字: 数字不做限制;
    pattern2 = r'\(?[2-9][0-8]\d\)?[-\.\s]?[2-9]\d{2}[-\.\s]?\d{4}'
    text = '(323)4567890'
    patternObj = re.compile(pattern2)
    result = patternObj.findall(text)
    print(result)
    

    运行结果:
    在这里插入图片描述

    分组

    import re
    
    """
    http://www.baidu.com
    https://www.baidu.com
    ftp://www.baidu.com
    """
    # | 或者
    # ()分组, 如果有分组, 只返回分组里面匹配到的内容;
    # 匹配http和https协议的URL地址;
    # r:代表规则为原生字符串, 一般情况下\代表转义的意思, 如果匹配的规则里面包含\时, 要写成\\, 而有了r, 就不用\\了.
    URLpattern = r'((http|https)://(\w+\.\w+\.\w+))'
    # 匹配http和https协议的URL地址;
    # URLpattern = 'https?://\w+\.\w+\.\w+'
    patternObj = re.compile(URLpattern)
    text = 'http://www.baidu.com https://www.baidu.com ftp://www.baidu.com'
    result = patternObj.findall(text)
    print(result)
    

    运行结果:
    在这里插入图片描述

    位置分组

    import  re
    
    html = '<html><p>hello python</p></html>'
    # r:原生字符串, \代表转义, \\如果没有r时必须用\\代表\字符串;
    """
    <(.*)>: 第一个分组
    <(.*)>: 第2个分组
    (.*): 第3个分组
    </\2>: \2的位置必须和第二个分组的内容保持一致, 否则不匹配;
    </\1>: \1的位置必须和第1个分组的内容保持一致, 否则不匹配;
    """
    pattern = r'<(.*)><(.*)>(.*)</\2></\1>'
    patternObj = re.compile(pattern)
    result = patternObj.findall(html)
    print(result)
    

    运行结果:
    在这里插入图片描述

    分割

    import re
    # 需求: 拿出运算操作中所有的数字
    text = '1+3+5*10-8'
    patternObj = re.compile(r'\+|-|\*|/')
    # maxsplit=最大分割次数;
    result = patternObj.split(text, maxsplit=4)
    print(result)
    

    运行结果:
    在这里插入图片描述

    批量替换

    """
    sub 方法用于替换。它的使用形式如下:
    
    """
    import  re
    text = "本文章点赞数为100, 转发数为20"
    patternObj = re.compile(r'\d+')
    # 将text文本信息中符合patternObj规则的内容替换为0;
    result = patternObj.sub('0' , text)
    print(result)
    
    # 需求: 匹配到的所有数值+1
    
    def addNum(matchObj):
        """对匹配到的内容+1"""
        if matchObj:
            # 目前num时一个字符串
            num = matchObj.group()
            # 在原有基础上加1 , num时数值类型
            num = int(num) + 1
            return str(num)
    
    
    def add_perfix(matchObj):
        if matchObj:
            return '1002' + matchObj.group()
    
    result = patternObj.sub(addNum, text)
    print(result)
    
    result = patternObj.sub(add_perfix, text)
    print(result)
    

    运行结果:
    在这里插入图片描述

    正则案例:

    """
    西刺代理IP定向爬虫
        需求分析: 获取代理的IP和端口
    """
    import re
    
    import requests
    # User-Agent随机选择代理模块;
    from fake_useragent import  UserAgent
    # 线程池
    from concurrent.futures import  ThreadPoolExecutor
    
    
    def get_content(url):
        """数据采集"""
        try:
            headers = {
                'User-Agent': ua.random,
    
            }
            response = requests.get(url, headers=headers)
            response.raise_for_status()
            response.encoding = response.apparent_encoding
        except Exception as e:
            print("网页" + url + "爬取错误:", e)
            return  ''
        else:
            # response.text     : 如果普通的页面, 用text, 返回字符串的内容
            # response.content  : 如果不是普通的页面(图片, 视频), 用content, 返回的时二进制内容;
            return  response.text
    
    def html_parser(html):
        """数据解析: IP:PORT"""
        """
        <tr class="odd">
          <td class="country"><img src="//fs.xicidaili.com/images/flag/cn.png" alt="Cn"></td>
          <td>113.89.53.247</td>
          <td>9999</td>
        </tr>
        """
        # 1. 获取每一行代理IP的详细内容;
        # re.S: 表示“.”(不包含外侧双引号,下同)的作用扩展到整个字符串,包括“\n”。
        # .代表除了\n之外的任意单个字符;
        tr_pattern = re.compile(r'<tr class=.*?>(.*?)</tr>', re.S)
        trs = tr_pattern.findall(html)
        # 2. 获取这一行IP代理的ip和port;
        """
         <td class="country"><img src="//fs.xicidaili.com/images/flag/cn.png" alt="Cn"></td>
          <td>113.89.53.247</td>
          <td>9999</td>
        """
        IPpattern = re.compile(r'<td>(\d+\.\d+\.\d+\.\d+)</td>')  # \.代表时真实的点字符串, 进行转义, 否则代表任意单个字符;
        PortPattern = re.compile(r'<td>(\d+)</td>')
        for tr in trs:
            ip = IPpattern.findall(tr)[0]
            port = PortPattern.findall(tr)[0]
            yield  ip, port
    
    
    
    def task(page):
        """
        多线程执行的任务: 数据采集和数据分析, 返回ip和port
        :return:
        """
        print("正在爬取第%d页" %(page))
        url = 'https://www.xicidaili.com/nt/%s' % (page)
        html = get_content(url)
        results = html_parser(html)
        return  results
    
    
    
    if __name__ == '__main__':
        pages = 5
        threadCount = 10
        filename = 'xici.csv'
        # 创建用户代理的对象, 通过random属性随机获取一个User-Agent, 用于反爬虫处理;
        ua = UserAgent()
    
        with ThreadPoolExecutor(threadCount) as pool:
            taskResults = pool.map(task, range(1, pages+1))
    
        fw = open(filename, 'w')
        count = 0
        for taskResult in taskResults:
            for item in taskResult:
                count += 1
                fw.write(",".join(item) + '\n')
                # item: ('121.13.252.61', '41564')
                # print(item)
        print(count)
        fw.close()
    

    运行结果:
    在这里插入图片描述
    保存到xici.csv里
    在这里插入图片描述

    展开全文
  • 最全常用正则表达式大全

    万次阅读 多人点赞 2019-08-05 10:30:27
    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:^...

    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:^[\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}$

    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:^[\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]+

     

    其它:

    .*匹配除 \n 以外的任何字符。

    /[\u4E00-\u9FA5]/ 汉字

    /[\uFF00-\uFFFF]/ 全角符号

    /[\u0000-\u00FF]/ 半角符号

     

    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:[\u4e00-\u9fa5]

    27. 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))

    28. 空白行的正则表达式:\n\s*\r (可以用来删除空白行)

    29. 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)

    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))

    35. IP-v4地址:\\b(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\b (提取IP地址时有用)
    36. 校验IP-v6地址:(([0-9a-fA-F]{1,4}:){7,7}[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,7}:|([0-9a-fA-F]{1,4}:){1,6}:[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,5}(:[0-9a-fA-F]{1,4}){1,2}|([0-9a-fA-F]{1,4}:){1,4}(:[0-9a-fA-F]{1,4}){1,3}|([0-9a-fA-F]{1,4}:){1,3}(:[0-9a-fA-F]{1,4}){1,4}|([0-9a-fA-F]{1,4}:){1,2}(:[0-9a-fA-F]{1,4}){1,5}|[0-9a-fA-F]{1,4}:((:[0-9a-fA-F]{1,4}){1,6})|:((:[0-9a-fA-F]{1,4}){1,7}|:)|fe80:(:[0-9a-fA-F]{0,4}){0,4}%[0-9a-zA-Z]{1,}|::(ffff(:0{1,4}){0,1}:){0,1}((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])|([0-9a-fA-F]{1,4}:){1,4}:((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9]))
    37. 子网掩码:((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))
    38. 校验日期:^(?:(?!0000)[0-9]{4}-(?:(?:0[1-9]|1[0-2])-(?:0[1-9]|1[0-9]|2[0-8])|(?:0[13-9]|1[0-2])-(?:29|30)|(?:0[13578]|1[02])-31)|(?:[0-9]{2}(?:0[48]|[2468][048]|[13579][26])|(?:0[48]|[2468][048]|[13579][26])00)-02-29)$(“yyyy-mm-dd“ 格式的日期校验,已考虑平闰年。)
    39. 抽取注释:<!--(.*?)-->
    40. 查找CSS属性:^\\s*[a-zA-Z\\-]+\\s*[:]{1}\\s[a-zA-Z0-9\\s.#]+[;]{1}
    41. 提取页面超链接:(<a\\s*(?!.*\\brel=)[^>]*)(href="https?:\\/\\/)((?!(?:(?:www\\.)?'.implode('|(?:www\\.)?', $follow_list).'))[^" rel="external nofollow" ]+)"((?!.*\\brel=)[^>]*)(?:[^>]*)>
    42. 提取网页图片:\\< *[img][^\\\\>]*[src] *= *[\\"\\']{0,1}([^\\"\\'\\ >]*)
    43. 提取网页颜色代码:^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$
    44. 文件扩展名效验:^([a-zA-Z]\\:|\\\\)\\\\([^\\\\]+\\\\)*[^\\/:*?"<>|]+\\.txt(l)?$
    45. 判断IE版本:^.*MSIE [5-8](?:\\.[0-9]+)?(?!.*Trident\\/[5-9]\\.0).*$

     

    元字符

    描述

    \

    将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如,“\\n”匹配\n。“\n”匹配换行符。序列“\\”匹配“\”而“\(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。

    ^

    匹配输入字行首。如果设置了RegExp对象的Multiline属性,^也匹配“\n”或“\r”之后的位置。

    $

    匹配输入行尾。如果设置了RegExp对象的Multiline属性,$也匹配“\n”或“\r”之前的位置。

    *

    匹配前面的子表达式任意次。例如,zo*能匹配“z”,也能匹配“zo”以及“zoo”。*等价于{0,}。

    +

    匹配前面的子表达式一次或多次(大于等于1次)。例如,“zo+”能匹配“zo”以及“zoo”,但不能匹配“z”。+等价于{1,}。

    ?

    匹配前面的子表达式零次或一次。例如,“do(es)?”可以匹配“do”或“does”。?等价于{0,1}。

    {n}

    n是一个非负整数。匹配确定的n次。例如,“o{2}”不能匹配“Bob”中的“o”,但是能匹配“food”中的两个o。

    {n,}

    n是一个非负整数。至少匹配n次。例如,“o{2,}”不能匹配“Bob”中的“o”,但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。

    {n,m}

    mn均为非负整数,其中n<=m。最少匹配n次且最多匹配m次。例如,“o{1,3}”将匹配“fooooood”中的前三个o为一组,后三个o为一组。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。

    ?

    当该字符紧跟在任何一个其他限制符(*,+,?,{n},{n,},{n,m})后面时,匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串,而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如,对于字符串“oooo”,“o+”将尽可能多地匹配“o”,得到结果[“oooo”],而“o+?”将尽可能少地匹配“o”,得到结果 ['o', 'o', 'o', 'o']

    .点

    匹配除“\n”和"\r"之外的任何单个字符。要匹配包括“\n”和"\r"在内的任何字符,请使用像“[\s\S]”的模式。

    (pattern)

    匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中则使用$0…$9属性。要匹配圆括号字符,请使用“\(”或“\)”。

    (?:pattern)

    非获取匹配,匹配pattern但不获取匹配结果,不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。

    (?=pattern)

    非获取匹配,正向肯定预查,在任何匹配pattern的字符串开始处匹配查找字符串,该匹配不需要获取供以后使用。例如,“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”,但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。

    (?!pattern)

    非获取匹配,正向否定预查,在任何不匹配pattern的字符串开始处匹配查找字符串,该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”,但不能匹配“Windows2000”中的“Windows”。

    (?<=pattern)

    非获取匹配,反向肯定预查,与正向肯定预查类似,只是方向相反。例如,“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”,但不能匹配“3.1Windows”中的“Windows”。

    *python的正则表达式没有完全按照正则表达式规范实现,所以一些高级特性建议使用其他语言如java、scala等

    (?<!patte_n)

    非获取匹配,反向否定预查,与正向否定预查类似,只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”,但不能匹配“2000Windows”中的“Windows”。

    *python的正则表达式没有完全按照正则表达式规范实现,所以一些高级特性建议使用其他语言如java、scala等

    x|y

    匹配x或y。例如,“z|food”能匹配“z”或“food”(此处请谨慎)。“[z|f]ood”则匹配“zood”或“food”。

    [xyz]

    字符集合。匹配所包含的任意一个字符。例如,“[abc]”可以匹配“plain”中的“a”。

    [^xyz]

    负值字符集合。匹配未包含的任意字符。例如,“[^abc]”可以匹配“plain”中的“plin”任一字符。

    [a-z]

    字符范围。匹配指定范围内的任意字符。例如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。

    注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.

    [^a-z]

    负值字符范围。匹配任何不在指定范围内的任意字符。例如,“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。

    \b

    匹配一个单词的边界,也就是指单词和空格间的位置(即正则表达式的“匹配”有两种概念,一种是匹配字符,一种是匹配位置,这里的\b就是匹配位置的)。例如,“er\b”可以匹配“never”中的“er”,但不能匹配“verb”中的“er”;“\b1_”可以匹配“1_23”中的“1_”,但不能匹配“21_3”中的“1_”。

    \B

    匹配非单词边界。“er\B”能匹配“verb”中的“er”,但不能匹配“never”中的“er”。

    \cx

    匹配由x指明的控制字符。例如,\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则,将c视为一个原义的“c”字符。

    \d

    匹配一个数字字符。等价于[0-9]。grep 要加上-P,perl正则支持

    \D

    匹配一个非数字字符。等价于[^0-9]。grep要加上-P,perl正则支持

    \f

    匹配一个换页符。等价于\x0c和\cL。

    \n

    匹配一个换行符。等价于\x0a和\cJ。

    \r

    匹配一个回车符。等价于\x0d和\cM。

    \s

    匹配任何不可见字符,包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。

    \S

    匹配任何可见字符。等价于[^ \f\n\r\t\v]。

    \t

    匹配一个制表符。等价于\x09和\cI。

    \v

    匹配一个垂直制表符。等价于\x0b和\cK。

    \w

    匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”,这里的"单词"字符使用Unicode字符集。

    \W

    匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。

    \xn

    匹配n,其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。

    \num

    匹配num,其中num是一个正整数。对所获取的匹配的引用。例如,“(.)\1”匹配两个连续的相同字符。

    \n

    标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式,则n为向后引用。否则,如果n为八进制数字(0-7),则n为一个八进制转义值。

    \nm

    标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式,则nm为向后引用。如果\nm之前至少有n个获取,则n为一个后跟文字m的向后引用。如果前面的条件都不满足,若nm均为八进制数字(0-7),则\nm将匹配八进制转义值nm

    \nml

    如果n为八进制数字(0-7),且ml均为八进制数字(0-7),则匹配八进制转义值nml

    \un

    匹配n,其中n是一个用四个十六进制数字表示的Unicode字符。例如,\u00A9匹配版权符号(&copy;)。

    \p{P}

    小写 p 是 property 的意思,表示 Unicode 属性,用于 Unicode 正表达式的前缀。中括号内的“P”表示Unicode 字符集七个字符属性之一:标点字符。

    其他六个属性:

    L:字母;

    M:标记符号(一般不会单独出现);

    Z:分隔符(比如空格、换行等);

    S:符号(比如数学符号、货币符号等);

    N:数字(比如阿拉伯数字、罗马数字等);

    C:其他字符。

    *注:此语法部分语言不支持,例:javascript。

    \<

    \>

    匹配词(word)的开始(\<)和结束(\>)。例如正则表达式\<the\>能够匹配字符串"for the wise"中的"the",但是不能匹配字符串"otherwise"中的"the"。注意:这个元字符不是所有的软件都支持的。
    ( ) 将( 和 ) 之间的表达式定义为“组”(group),并且将匹配这个表达式的字符保存到一个临时区域(一个正则表达式中最多可以保存9个),它们可以用 \1 到\9 的符号来引用。
    | 将两个匹配条件进行逻辑“或”(or)运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her",但是不能匹配"it belongs to them."。注意:这个元字符不是所有的软件都支持的。

     

    PS:

    https://www.runoob.com/regexp/regexp-tutorial.html

    在线正则表达式测试: http://tool.oschina.net/regex/ 

    展开全文
  • 正则表达式

    万次阅读 多人点赞 2018-07-08 11:15:29
    一、概念正则表达式()

    在很多技术领域(如:自然语言处理,数据存储等),正则表达式可以很方便的提取我们想要的信息,所以正则表达式是一个很重要的知识点!

    一、概念

    正则表达式(Regular Expression)是用于描述一组字符串特征的模式,用来匹配特定的字符串。通过特殊字符+普通字符来进行模式描述,从而达到文本匹配目的工具。

    正则表达式目前被集成到了各种文本编辑器/文本处理工具当中

    二、应用场景

    (1)验证:表单提交时,进行用户名密码的验证。

    (2)查找:从大量信息中快速提取指定内容,在一批url中,查找指定url。

    (3)替换:将指定格式的文本进行正则匹配查找,找到之后进行特定替换。

    三、基本要素

    (1)字符类

    (2)数量限定符

    (3)位置限定符

    (4)特殊符号

    注意:正则表达式基本是与语言无关的,我们可以结合语言/工具与正则表达式进行文本处理,在后面的博客中,我将使用grep来进行验证。(grep是一款Linux下按行匹配文本的工具,如下,使我们常使用的两个选项)

    -E:使用扩展正则匹配

    --color:将匹配得到的内容进行语法高亮

    1.字符类


    举例如下:

    例1:


    注意:1.grep采用的贪心匹配,它会匹配当前行中的所有匹配内容

    2.echo $?表示是否匹配成功(如果成功返回值为0,不成功返回值为1)

    例2:


    例3:


    例4:


    例5:


    2.数量限定符


    举例如下:

    例1:


    例2:


    由此,我们可以看出,“前面的单元”默认是指?或+前面的字符

    例3:


    例4:


    例5:


    例6:


    注意:该结果为匹配失败,在相关文档中并未出现,应该啊是错误或者废弃的用法

    例7:


    3.位置限定符


    举例如下:

    例1:


    例2:


    例3:


    例4:


    例5:


    例6:


    4.特殊符号


    举例如下:


    假如我们去掉-E选项,会有什么现象呢?


    此时,不难发现,去掉-E选项之后没有进行正常的正则匹配,这种现象需要我们引入如下的两个概念!

    5.基本正则表达式&扩展正则表达式

    区别:正则表达式的扩展正则(Extended规范)和基本正则(Basic规范)下,有些字符应该解释为普通字符,要表示上述特殊含义则需要加“\”转义字符。反之,在扩展规范下,应被理解为特殊含义,要取其字面值,也要对其进行“\”转义。

    因此,grep工具带上-E选项,表示使用扩展正则来进行匹配,若没有该选项,则表示使用基准正则来进行匹配。

    对于上述的问题,我们举例如下:

    例1:


    例2:当目标字符串当中本身就包含了字符,要想进行正则匹配,应该这样做:


    例3:


    5.其他普通字符集及其替换


    举个例子:


    综上,正则表达式有以下三个分类:

    (1)基本正则表达式:Basic即BPEs

    (2)扩展正则表达式:Extended即EREs

    (3)Perl的正则表达式:PREs

    因此,当grep指令不跟任何参数时,表示要使用BREs,后面跟“-E”表示使用EREs,后面跟“-P”参数,表示使用PREs

    四、贪婪模式与非贪婪模式

    1.贪婪模式:正则表达式匹配时,会尽量多的匹配符合条件的内容

    举例如下:


    注意:grep默认采用贪婪匹配,可能会对我们的测试结果造成干扰,大家可以上网使用“正则在线转换工具”进行测试

    2.非贪婪模式:正则表达式匹配时,会尽量少的匹配符合条件的内容,也就是说,一旦发现匹配符合要求,立马就匹配成功,而不会继续匹配下去(除非有g,开启下一组匹配)

    举例如下:


    五、零宽断言

    1.所谓断言,是用来声明一个应该为真的事实。在正则表达式中,只有当断言为真时才会继续进行匹配。

    2.零宽断言:像用于查找某些内容之前或者之后的东西,其中一些特殊字符如“\b、^、$”等用于指定一个位置,这个位置应满足一定的条件。

    3.分类:

    (1)零宽度正预测先行断言(?=exp)

    它断言自身出现的位置之后能匹配的表达式exp。如:\b\w+(?=ing\b),表示匹配以ing结尾的单词的前面的部分(除ing以外的部分)。当我们要查找“I'm singing while you're dancing.”时,它会匹配sing和danc

    举例如下:


    (2)零宽度正回顾后发断言(?>=exp)

    它断言自身出现的位置的前面能匹配的表达式exp。如:(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除er以外的部分),例如:在查找“reading a book”时,它匹配ading

    举例如下:


    六、简单练习

    1.手机号码


    2.非零的正整数


    3.非零开头的最多带两位小数的数字


    4.由数字和26位字母组成的字符串


    5.QQ号,从10000开始


    6.IP地址

    \d+\.\d+\.\d+\.\d+

    7.判断账号是否合法

    ^[a-zA-Z0-9][a-zA-Z0-9_]{4,15}$

    8.日期格式

    ^\d{4}-\d{1,2}-\d{1,2}

    正则表达式的学习就到这里结束啦,如果有小伙伴没有看明白的,可以上网查询正则的更多知识点!


    展开全文
  • 正则表达式

    2020-11-17 20:31:48
    正则表达式(Regular Expression)是一种文本模式,包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为"元字符")。 正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。 构造正则表达式的...
  • 关于正则表达式中的.*,.*?,.+?的理解

    万次阅读 多人点赞 2019-07-05 20:42:02
    本文对.*,.*?以及.+?三种形式的正则式做了梳理。并给出了Java的正则匹配代码和结果。
  • 正则表达式|

    千次阅读 2018-08-07 13:48:08
    精通正则表达式&gt;&gt; 一书。 发现了很多自己不了解的东西(汗颜阿,自己知道的东西太少了!)。其中"|"就是其中一个。不懂就补吧,所以就有了下面的一点记录。 2. 用途 “| ” 他的意思...
  • 什么是正则表达式

    千次阅读 2019-05-14 15:40:25
    正则表达式就是用于描述这些规则的语法,正则表达式对于一个程序员来讲是至关重要的一个知识点,所以学好正则是每一个程序员必须具备的。正则表达式不能独立使用,它只是一种用来定义字符串的规则模式,必须在相应的...
  • 正则表达式-- (.*?) 或 (.*+)

    万次阅读 多人点赞 2019-07-06 14:56:22
    正则表达式在爬虫中的应用,可以更好的取自己想要的数据,有些时候也可以应对那些反爬取的网站。 后边多一个?表示懒惰模式。 必须跟在*或者+后边用 如:<img src="test.jpg" width="60px" height="80px"/>...
  • 正则表达式

    千次阅读 2019-01-08 16:28:59
    正则表达式(通常称为模式)是用于指定特定目的所需的一组字符串的表达式。指定有限字符串集的简单方法是列出其元素或成员。但是,通常有更简洁的方法来指定所需的字符串集。例如,包含三个字符串“Handel”,“Hä...
  • 正则表达式

    万次阅读 多人点赞 2019-02-17 18:22:59
    正则表达式
  • 首先第一个脚本是输出一个建议计算器,在QLineEdit单行文本框中输入计算式,然后在QTextBrowser显示组件中输出结果 #!/ust/bin/python from __future__ import division import sys from math import ...
  • 正则表达式验证Ip地址(绝对正确)

    万次阅读 多人点赞 2016-02-04 16:39:51
    之前一直不太会写正则表达式,很多要用到正则表达式的都直接百度,像上次要用正则表达式验证是否是合法的ip地址,然后就上网找,结果就是没找到一个对的,今天就为大家贡献一下,写个对的,并做一下解析。...
  • 1、正则表达式匹配 ~ 区分大小写匹配 ~* 不区分大小写匹配 !~和!~*分别为区分大小写不匹配及不区分大小写不匹配 ^ 以什么开头的匹配 $ 以什么结尾的匹配 转义字符。可以转. * ?等 * 代表任意字符 2、文件及目录匹配 ...
  • hive 正则表达式详解

    万次阅读 2016-04-09 18:56:22
    hive中的正则表达式还是很强大的。数据工作者平时也离不开正则表达式。对此,特意做了个hive正则表达式的小结。所有代码都经过亲测,正常运行。1.regexp语法: A REGEXP B 操作类型: strings 描述: 功能与RLIKE相同...
  • JS利用正则表达式校验手机号 绪 由于项目需求,需要在前端实现手机号码的校验。当然了,对于基本的格式校验应该放在客户端进行,而不需要再将待校验的手机号发送至服务端,在服务端完成校验,然后将校验结果返回给...
  • 正则表达式-邮箱有效性验证

    万次阅读 多人点赞 2017-11-12 14:33:27
    邮箱有效性需满足的验证逻辑
  • 中文正则表达式匹配-正则中文匹配

    万次阅读 多人点赞 2018-05-30 17:13:44
    原文链接:...\w匹配的仅仅是中文,数字,字母,对于国人来讲,仅匹配中文时常会用到,见下匹配中文字符的正则表达式: [\u4e00-\u9fa5]或许你也需要匹配双字节字符,中文也是双...
  • 正则表达式匹配任意字符

    万次阅读 多人点赞 2016-08-04 14:08:02
    最开始以为.* 可以匹配任意字符,后来发现有问题,匹配不了换行符\n 查了下资料,用[\s\S]*匹配可以  解释:\s空白符,\S非空白符,所以[\s\S]是任意字符

空空如也

1 2 3 4 5 ... 20
收藏数 598,831
精华内容 239,532
关键字:

正则表达式