最全详解 ! Python正则表达式

什么是正则表达式？

正则表达式（Regular Expression）通常被用来检索、替换那些符合某个模式(规则)的文本。

此处的Regular即是规则、规律的意思，Regular Expression即“描述某种规则的表达式”之意。

本文收集了一些常见的正则表达式用法，方便大家查询取用，并在最后附了详细的正则表达式语法手册。

案例包括：「邮箱、身份证号、手机号码、固定电话、域名、IP地址、日期、邮编、密码、中文字符、数字、字符串」

Python如何支持正则？

我用的是python来实现正则，并使用Jupyter Notebook编写代码。

Python通过re模块支持正则表达式，re 模块使 Python 语言拥有全部的正则表达式功能。

这里要注意两个函数的使用：

re.compile用于编译正则表达式，生成一个正则表达式（ Pattern ）对象;

.findall用于在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

# 导入re模块
import re

1.邮箱

包含大小写字母，下划线，阿拉伯数字，点号，中划线

表达式：

[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(?:\.[a-zA-Z0-9_-]+)

案例：

pattern = re.compile(r"[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(?:\.[a-zA-Z0-9_-]+)")

strs = '我的私人邮箱是zhuwjwh@outlook.com，公司邮箱是123456@qq.org，麻烦登记一下？'
result = pattern.findall(strs)

print(result)

['zhuwjwh@outlook.com', '123456@qq.org']

2. 身份证号

xxxxxx yyyy MM dd 375 0     十八位

• 地区：[1-9]\d{5}
  
• 年的前两位：(18|19|([23]\d))       1800-2399
  
• 年的后两位：\d{2}
  
• 月份：((0[1-9])|(10|11|12))
  
• 天数：(([0-2][1-9])|10|20|30|31)          闰年不能禁止29+
  
• 三位顺序码：\d{3}
  
• 两位顺序码：\d{2}
  
• 校验码：[0-9Xx]
  

表达式：

[1-9]\d{5}(18|19|([23]\d))\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\d{3}[0-9Xx]

案例：

pattern = re.compile(r"[1-9]\d{5}(?:18|19|(?:[23]\d))\d{2}(?:(?:0[1-9])|(?:10|11|12))(?:(?:[0-2][1-9])|10|20|30|31)\d{3}[0-9Xx]")

strs = '小明的身份证号码是342623198910235163，手机号是13987692110'
result = pattern.findall(strs)

print(result)

['342623198910235163']

3. 国内手机号码

手机号都为11位，且以1开头，第二位一般为3、5、6、7、8、9 ，剩下八位任意数字
例如：13987692110、15610098778

表达式：

1(3|4|5|6|7|8|9)\d{9}

案例：

pattern = re.compile(r"1[356789]\d{9}")

strs = '小明的手机号是13987692110，你明天打给他'
result = pattern.findall(strs)

print(result)

['13987692110']

4. 国内固定电话

区号3~4位，号码7~8位

例如：0511-1234567、021-87654321

表达式：

\d{3}-\d{8}|\d{4}-\d{7}

案例：

pattern = re.compile(r"\d{3}-\d{8}|\d{4}-\d{7}")

strs = '0511-1234567是小明家的电话，他的办公室电话是021-87654321'
result = pattern.findall(strs)

print(result)

['0511-1234567', '021-87654321']

5. 域名

包含http:\\或https:\\

表达式：

(?:(?:http:\/\/)|(?:https:\/\/))?(?:[\w](?:[\w\-]{0,61}[\w])?\.)+[a-zA-Z]{2,6}(?:\/)

案例：

pattern = re.compile(r"(?:(?:http:\/\/)|(?:https:\/\/))?(?:[\w](?:[\w\-]{0,61}[\w])?\.)+[a-zA-Z]{2,6}(?:\/)")

strs = 'Python官网的网址是https://www.python.org/'
result = pattern.findall(strs)

print(result)

['https://www.python.org/']

6. IP地址

IP地址的长度为32位(共有2^32个IP地址)，分为4段，每段8位，用十进制数字表示
每段数字范围为0～255，段与段之间用句点隔开　

表达式：

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

案例：

pattern = re.compile(r"((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))")

strs = '''请输入合法IP地址，非法IP地址和其他字符将被过滤！
增、删、改IP地址后，请保存、关闭记事本！
192.168.8.84
192.168.8.85
192.168.8.86
0.0.0.1
256.1.1.1
192.256.256.256
192.255.255.255
aa.bb.cc.dd'''

result = pattern.findall(strs)

print(result)

['192.168.8.84', '192.168.8.85', '192.168.8.86', '0.0.0.1', '56.1.1.1', '192.255.255.255']

7. 日期

常见日期格式：yyyyMMdd、yyyy-MM-dd、yyyy/MM/dd、yyyy.MM.dd

表达式：

\d{4}(?:-|\/|.)\d{1,2}(?:-|\/|.)\d{1,2}

案例：

pattern = re.compile(r"\d{4}(?:-|\/|.)\d{1,2}(?:-|\/|.)\d{1,2}")

strs = '今天是2020/12/20，去年的今天是2019.12.20，明年的今天是2021-12-20'
result = pattern.findall(strs)

print(result)

['2020/12/20', '2019.12.20', '2021-12-20']

8. 国内邮政编码

我国的邮政编码采用四级六位数编码结构
前两位数字表示省（直辖市、自治区）
第三位数字表示邮区；第四位数字表示县（市）
最后两位数字表示投递局（所）

表达式：

[1-9]\d{5}(?!\d)

案例：

pattern = re.compile(r"[1-9]\d{5}(?!\d)")

strs = '上海静安区邮编是200040'
result = pattern.findall(strs)

print(result)

['200040']

9. 密码

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)

表达式：

[a-zA-Z]\w{5,17}

强密码(以字母开头，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)

表达式：

[a-zA-Z](?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}

pattern = re.compile(r"[a-zA-Z]\w{5,17}")

strs = '密码：q123456_abc'
result = pattern.findall(strs)

print(result)

['q123456_abc']

pattern = re.compile(r"[a-zA-Z](?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}")

strs = '强密码：q123456ABc，弱密码：q123456abc'
result = pattern.findall(strs)

print(result)

['q123456ABc，']

10. 中文字符

表达式：

[\u4e00-\u9fa5]

案例：

pattern = re.compile(r"[\u4e00-\u9fa5]")

strs = 'apple：苹果'
result = pattern.findall(strs)

print(result)

['苹', '果']

11. 数字

• 验证数字：^[0-9]*$
• 验证n位的数字：^\d{n}$
• 验证至少n位数字：^\d{n,}$
• 验证m-n位的数字：^\d{m,n}$
• 验证零和非零开头的数字：^(0|[1-9][0-9]*)$
• 验证有两位小数的正实数：^[0-9]+(.[0-9]{2})?$
• 验证有1-3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
• 验证非零的正整数：^\+?[1-9][0-9]*$
• 验证非零的负整数：^\-[1-9][0-9]*$
• 验证非负整数（正整数 + 0） ^\d+$
• 验证非正整数（负整数 + 0） ^((-\d+)|(0+))$
• 整数：^-?\d+$
• 非负浮点数（正浮点数 + 0）：^\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（负浮点数 + 0） ^((-\d+(\.\d+)?)|(0+(\.0+)?))$
• 负浮点数 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
• 浮点数 ^(-?\d+)(\.\d+)?$

12. 字符串

• 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]+

附：正则表达式语法详解

优先权

推荐阅读

1. 说说心里话
   

2. 写给所有数据人。

3. 从留存率业务案例谈0-1的数据指标体系

4. NB，真PDF神处理工具！

5. 超级菜鸟如何入门数据分析？
   

欢迎长按扫码关注「数据管道」