正则表达式小结

# 正则表达式
‘‘‘
 用于处理字符串的强大工具
 Python的re模块拥有全部的正则表达式的功能
 python中的正则表达式是一个特殊的字符序列，
 检查一个字符串是否与某种模式匹配
‘‘‘

# 元字符 ：
#  .   ^   $   *   +   ?   {}  []   \   |   ()

‘‘‘
大多数字母和字符会匹配它们自身，
有少数特殊字符我们称为元字符，
它们不能匹配自身，它们定义了字符类、
子组匹配和模式重复次数等
。
‘‘‘
# 元字符的使用
‘‘‘
    .    匹配除换行符之外的所有的字符 
  \d  匹配0~9的数字   
  \s   匹配任意的空白符，包括空格，制表符(Tab)，换行符等
  \w 匹配字母或数字或下划线或汉字等  
  \b  表示单词的边界
  ^    脱字符，匹配输入字符串的开始的位置
    $   匹配输入字符串的结束位置
  解除元字符的特殊功能例
    \.   表示匹配点号本身
   \D、\S、\W、\B是与小写的相反的作用
‘‘‘
# 匹配次数
‘‘‘
 {M,N}   M和N 为非负整数，其中M<=N 表示前面的匹配M~N次
 {M，}   表示需要匹配M次
 {，N}    等价于{0~N}
 {N}          表示需要匹配N次
 *      匹配前面的子表达式零次或多次，等价于{0，}
 +      匹配前面的子表达式一次或多次，等价于{1，} 
 ？   匹配前面的子表达式零次或一次，等价于{0,1}
注：*？、+？、{n,m}?  贪婪与懒惰

‘‘‘
# 子组匹配
‘‘‘
 [ ]   字符类，将要匹配的一类字符集放在[]里面
 例如:
 [ . ? * ( ) {} ]     匹配里面的这些符号
 [0-9]                 匹配0到9的数字相当于\d
 [^\d]                  匹配除数字以外的字符，相当于\D
 [a-z]                  匹配所有的小写字母
 [^a-z]                 匹配非小写字母
    |                       相当于或（or）分支条件
例如：
 A | B                 匹配字母A或者B 与[AB]是一样的
‘‘‘
# 分组
‘‘‘
 ()  分组，将要匹配的一类字符集放在()组成一个小组 
例如:
 (\d){3} 匹配一个三位数
 a(bc)*匹配一个a和0个或多个bc
 a(b|c) 匹配ab或者ac
‘‘‘
# re模块
‘‘‘
re.compile() 编译正则表达式为模式对象
re模块的常用方法
match()
判断一个正则表达式是否从开始处匹配字符串
search()   遍历字符串，找到正则表达式匹配的第一个位置
findall()     遍历字符串，找到正则表达式匹配的所有位置并
以列表的形式返回
查看匹配对象中的信息
group() 返回匹配到的字符串
star()返回匹配的开始位置
end()返回匹配的结束位置
span()  返回一个元组表示匹配位置（开始，结束）
‘‘‘

非负整数：^\d+$
 
正整数：^[0-9]*[1-9][0-9]*$
 
非正整数：^((-\d+)|(0+))$
 
负整数：^-[0-9]*[1-9][0-9]*$
 
整数：^-?\d+$
 
非负浮点数：^\d+(\.\d+)?$
 
正浮点数 : ^((0-9)+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)$
 
非正浮点数：^((-\d+\.\d+)?)|(0+(\.0+)?))$
 
负浮点数：^(-((正浮点数正则式)))$
 
英文字符串：^[A-Za-z]+$
 
英文大写串：^[A-Z]+$
 
英文小写串：^[a-z]+$
 
英文字符数字串：^[A-Za-z0-9]+$
 
英数字加下划线串：^\w+$
 
E-mail地址：^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$
 
URL：^[a-zA-Z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\s*)?$ 
 或：^http:\/\/[A-Za-z0-9]+\.[A-Za-z0-9]+[\/=\?%\-&_~`@[\]\‘:+!]*([^<>\"\"])*$
 
邮政编码：^[1-9]\d{5}$
 
中文：^[\u0391-\uFFE5]+$
 
电话号码：^((\(\d{2,3}\))|(\d{3}\-))?(\(0\d{2,3}\)|0\d{2,3}-)?[1-9]\d{6,7}(\-\d{1,4})?$
 
手机号码：^((\(\d{2,3}\))|(\d{3}\-))?13\d{9}$
 
双字节字符(包括汉字在内)：^\x00-\xff
 
匹配首尾空格：(^\s*)|(\s*$)（像vbscript那样的trim函数）
 
匹配HTML标记：<(.*)>.*<\/\1>|<(.*) \/>
 
匹配空行：\n[\s| ]*\r
 
提取信息中的网络链接：(h|H)(r|R)(e|E)(f|F)  *=  *(‘|")?(\w|\\|\/|\.)+(‘|"|  *|>)?
 
提取信息中的邮件地址：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
 
提取信息中的图片链接：(s|S)(r|R)(c|C)  *=  *(‘|")?(\w|\\|\/|\.)+(‘|"|  *|>)?
 
提取信息中的IP地址：(\d+)\.(\d+)\.(\d+)\.(\d+)
 
提取信息中的中国手机号码：(86)*0*13\d{9}
 
提取信息中的中国固定电话号码：(\(\d{3,4}\)|\d{3,4}-|\s)?\d{8}
 
提取信息中的中国电话号码（包括移动和固定电话）：(\(\d{3,4}\)|\d{3,4}-|\s)?\d{7,14}
 
提取信息中的中国邮政编码：[1-9]{1}(\d+){5}
 
提取信息中的浮点数（即小数）：(-?\d*)\.?\d+
 
提取信息中的任何数字 ：(-?\d*)(\.\d+)? 
 
IP：(\d+)\.(\d+)\.(\d+)\.(\d+)
 
电话区号：/^0\d{2,3}$/
 
腾讯QQ号：^[1-9]*[1-9][0-9]*$
 
帐号(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}$
 
中文、英文、数字及下划线：^[\u4e00-\u9fa5_a-zA-Z0-9]+$
 
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：/<(.*)>.*<\/\1>|<(.*) \/>/
 
sql语句：^(select|drop|delete|create|update|insert).*$
 
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+)*