正则 

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，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。

正则表达式的大致匹配过程是：

1.  依次拿出表达式和文本中的字符比较，

2.  如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。

3.  如果表达式中有量词或边界，这个过程会稍微有一些不同。

# 正则表达式python的语法规则 #

    元字符    说明

    .     代表任意字符

    \      

    [ ]     匹配内部的任一字符或子表达式

    [^]     对字符集和取非

-     定义一个区间

    \     对下一字符取非（通常是普通变特殊，特殊变普通）

*     匹配前面的字符或者子表达式0次或多次

*?     惰性匹配上一个

+     匹配前一个字符或子表达式一次或多次

+?     惰性匹配上一个

    ?     匹配前一个字符或子表达式0次或1次重复

    {n}     匹配前一个字符或子表达式

    {m,n}     匹配前一个字符或子表达式至少m次至多n次

    {n,}     匹配前一个字符或者子表达式至少n次

    {n,}?     前一个的惰性匹配

    ^     匹配字符串的开头

    \A     匹配字符串开头

    $     匹配字符串结束

    [\b]     退格字符

    \c     匹配一个控制字符

    \d     匹配任意数字

    \D     匹配数字以外的字符

\t     匹配制表符

    \w     匹配任意数字字母下划线

    \W     不匹配数字字母下划线

一、校验数字的表达式

    数字：^[0-9]*$

    n位的数字：^\d{n}$

    至少n位的数字：^\d{n,}$

    m-n位的数字：^\d{m,n}$

    零和非零开头的数字：^(0|[1-9][0-9]*)$

    非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$

    带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})?$

    正数、负数、和小数：^(\-|\+)?\d+(\.\d+)?$

    有两位小数的正实数：^[0-9]+(.[0-9]{2})?$

    有1~3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$

    非零的正整数：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$

    非零的负整数：^\-[1-9][]0-9″*$ 或 ^-[1-9]\d*$

    非负整数：^\d+$ 或 ^[1-9]\d*|0$

    非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$

    非负浮点数：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$

    非正浮点数：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$

    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]*))$

    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]*)))$

    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

    汉字：^[\u4e00-\u9fa5]{0,}$

    英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$

    长度为3-20的所有字符：^.{3,20}$

    由26个英文字母组成的字符串：^[A-Za-z]+$

    由26个大写英文字母组成的字符串：^[A-Z]+$

    由26个小写英文字母组成的字符串：^[a-z]+$

    由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$

    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}$

    中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$

    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}$

    可以输入含有^%&’,;=?$\”等字符：[^%&',;=?$\x22]+

    禁止输入含有~的字符：[^~\x22]+

三、特殊需求表达式

    Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$

    域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?

    InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$

    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}$

    电话号码(“XXX-XXXXXXX”、”XXXX-XXXXXXXX”、”XXX-XXXXXXX”、”XXX-XXXXXXXX”、”XXXXXXX”和”XXXXXXXX)：^($$\d{3,4}-)|\d{3.4}-)?\d{7,8}$

    国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}

    身份证号(15位、18位数字)：^\d{15}|\d{18}$

    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}?$

    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}$

    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}$

    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}$

    日期格式：^\d{4}-\d{1,2}-\d{1,2}

    一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$

    一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$

    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]+)?$

        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})?$

        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

    xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$

    中文字符的正则表达式：[\u4e00-\u9fa5]

    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))

    空白行的正则表达式：\n\s*\r (可以用来删除空白行)

    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)

    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)

    腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)

    中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)

    IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)

    IP地址：((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)) 


# 语法规则附带实例 #

![附图]

反斜杠问题

与大多数编程语言相同，正则表达式里使用”\”作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”\”，那么使用编程语言表示的正则表达式里将需要4个反斜杠”\\\\”：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r”\\”表示。同样，匹配一个数字的”\\d”可以写成r”\d”。有了原生字符串，妈妈也不用担心是不是漏写了反斜杠，写出来的表达式也更直观勒

re模块 

Python 自带了re模块，它提供了对正则表达式的支持。主要用到的方法列举如下:

    #返回pattern对象

    re.compile(string[,flag])  

    #以下为匹配所用函数

    re.match(pattern, string[, flags])

    re.search(pattern, string[, flags])

    re.split(pattern, string[, maxsplit])

    re.findall(pattern, string[, flags])

    re.finditer(pattern, string[, flags])

    re.sub(pattern, repl, string[, count])

    re.subn(pattern, repl, string[, count])

Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的操作。

pattern可以理解为一个匹配模式，那么我们怎么获得这个匹配模式呢？很简单，我们需要利用re.compile方法就可以。例如:pattern = re.compile(r'hello')

在参数中我们传入了原生字符串对象，通过compile方法编译生成一个pattern对象，然后我们利用这个对象来进行进一步的匹配。

另外大家可能注意到了另一个参数 flags，在这里解释一下这个参数的含义：

参数flag是匹配模式，取值可以使用按位或运算符’|’表示同时生效，比如re.I | re.M。

可选值有:

• re.I(全拼：IGNORECASE): 忽略大小写（括号内是完整写法，下同）

• re.M(全拼：MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）

• re.S(全拼：DOTALL): 点任意匹配模式，改变'.'的行为

• re.L(全拼：LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定

     • re.U(全拼：UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性

• re.X(全拼：VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。

简单匹配 

    # _*_ coding: UTF-8 _*_

    import re

    pattern=re.compile(r'hello',re.IGNORECASE) # 将正则表达式编译成Pattern对象,不区分大小写re.IGNORECASE

    result1=re.match(pattern,'hello1')

    #或result1 = pattern.match('hello world!')

    if result1:

        print(result1.group())

    else:

        print('匹配失败'）

re.match和re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

    import re

    line = "Cats are smarter than dogs";

    matchObj = re.match( r'dogs', line, re.M|re.I)

    if matchObj:

       print "match --> matchObj.group() : ", matchObj.group()

    else:

       print "No match!!"

    matchObj = re.search( r'dogs', line, re.M|re.I)

    if matchObj:

       print "search --> matchObj.group() : ", matchObj.group()

    else:

       print "No match!!"

参考：[文章](https://www.cnblogs.com/cp-miao/p/5567115.html)

参考：[文章](https://cuiqingcai.com/977.html)

---