介绍
正则表达式是用来简介表达一组字符串的表达式，是一种通用的字符串表达框架。
正则表达式是一种正对字符串表达“简洁”和“特征”思想的工具，正则表达式可以用来判断某字符串的特征归属。
正则表达式在在文本处理中十分常用：
- 表达文本类型的特征(病毒、入侵等)
- 同时查找或替换一组字符串
- 匹配字符串的全部或部分(最主要是应用到字符串匹配中)
- 。。。。。。
使用
1.将符合正则表达式语法的字符串转换成正则表达式特征
>>> regex = ‘P(Y|YT|YTH|YTHO)?N’
>>> p = re.compile(regex)
2.正则表达式常用操作符
.//表示任何单个字符;
[]//字符集，对单个字符给出排除范围，例：[abc] 表示 a、b、c，[a-z]表示a到z单个字符;
[^ ]//非字符集，对单个字符给出排除范围，例：[^abc] 表示 非a或b或c的单个字符;
*//前一个字符0次或无限次扩展，例：abc* 表示 ab、abc、abcc、abccc等;
+//前一个字符1次或无限次扩展，例：abc+ 表示 abc、abcc、abccc等;
?//前一个字符0次或1次扩展，例：abc? 表示 ab、abc;
|//左右表达式任意一个，例：abc|def 表示abc、def;
{m}//扩展前一个字符m次，例：ab{2} 表示 abbc;
{m,n}//扩展前一个字符m至n次(含n)，例：ab{1,2}c 表示 abc、abbc;
^//匹配字符串开头，例：^abc 表示 abc且在一个字符串的开头;
$//匹配字符串的结尾，例：abc$ 表示 abc且在一个字符串的结尾;
\d//数字，等价[0-9];
\w//单词字符，等价于[A-Za-z0-9];
( )//分组标记，内部只能使用 | 操作符，例：(abc) 表示abc，(abc|def) 表示 abc，def;
'(?P...)' 分组匹配 re.search("(?P[0-9]{4})(?P[0-9]{2})(?P[0-9]{4})","371481199306143242").groupdict("city") 结果{'province': '3714', 'city': '81', 'birthday': '1993'}
3.最小匹配操作符
#只要长度输出可能不同的，都可以在操作符后增加?变成最小匹配
*？//前一个字符0次或无限次扩展，最小匹配;
+？//前一个字符1次或无限次扩展，最小匹配;
？？//前一个字符0次或1次扩展，最小匹配;
{m,n}?//扩展前一个字符m至n次(含n)，最小匹配;
4.re的匹配函数
re.search(pattern, string, flags=0)//在一个字符串中搜索匹配正则表达式的第一位置，返回match对象
pattern：正则表达式的字符串或原生字符串表示
string：待匹配字符串
flags：正则表达式使用时的控制标记
re.match(pattern, string, flages=0)//从一个字符串串起始位置起匹配正则表达式，返回match对象
re.findall(pattern, string, flags=0)//搜索字符串，以列表类型返回全部能匹配的子串
re.split(pattern, string, maxsplit=0, flags=0) //将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
maxsplit：最大分割数，剩余部分最为最后一个元素输出
re.finditer(pattern, string, flags=0) //搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象
re.sub(pattern, repl, string, count=0, flags=0) //在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串
repl：替换匹配字符串的字符串
count：匹配的最大替换次数
5.常用标记
re.I re.IGNORECASE//忽略正则表达式的大小写，[A-Z]能匹配小写字符;
re.M re.MULTILINE//正则表达式中的^操作符能够给定字符串的每行当作匹配开始;
re.S re.DOTALL//正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符;
5.Match对象
Match对象是一次匹配的结果，包含匹配的很多信息
>>> import re
>>> match = re.search(r'[1-9]\d{5}', 'BIT 100081')
>>> if match:
print(match.group(0))
100081
>>> type(match)
<type '_sre.SRE_Match'>
Match对象的属性：
.string//待匹配的文本;
.re//匹配时使用的patter对象(正则表达式);
.pos//正则表达式搜索文本的开始位置;
.endpos//正则表达式搜索文本的结束位置;
Match对象的方法：
.group(0)//获得匹配后的字符串;
.start()//匹配字符串在原始字符串的开始位置;
.end()//匹配字符串在原始字符串的结束位置;
.span()//返回(.start(), .end());
-------------------------------------------------------------------------------------->
>>> import re
>>> m = re.search(r'[1-9]\d{5}', "BIT100081 TSU10084")
>>> m.string
'BIT100081 TSU10084'
>>> m.pos
0
>>> m.endpos
18
>>> m.re
<_sre.SRE_Pattern object at 0x03483448>
>>> m.group(0)
'100081'
>>> m.start()
3
>>> m.end()
9
>>> m.span()
(3, 9)
7.R库的另一种等级方法
>>> rst = re.search(r' [1-9]\d{5}', 'BIT 10981)#函数式用法：一次性操作
︿
等||等
价||价
﹀
>>> pat = re.compile(r [1-9]\d{5} )#面向对象用法: 编译后的多次操作
>>> rst = pat.search( BIT 10008 1')
8.经典正则表达式实例
^[A- za- z] +$//由26个字母组成的字符串
^[A- Za- z0- 9] +$//由26个字母和数字组成的字符串
^-?\d+$//整数形式的字符串
^[o-9]*[1-9][e-9]*$//正整数形式的字符串
[1-9]\d{5}//中国境内邮政编码，6位
[\u4e00-\u9fa5 ]//匹配中文字符
\d{3}-\d{8}\d{4}-\d{7} //国内电话号码，010-68913536
匹配IP地址的正则表达式
IP地址字符串形式的正则表达式(IP地址分4段，每段8-255 )
\d+.\d+.\d+.\d+ 或\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}
精确写法
0-99 : [1-9]?\d;
100-199 : 1\d{2};
200- 249 : 2[0-4]\d;
250-255 : 25[0-5];
(([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5])
9.最全的常用正则表达式大全——包括校验数字、字符、一些特殊的需求等等
作者：zxin，出处：博客园：http://zxin.cnblogs.com/
链接：http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html
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：
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]*$
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]*)$
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]*)$
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]+)?$
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})?$
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})?$
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})?$
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})?$
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]$
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*?)[^>]*>.*?|<.*? /> (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)) (由@飞龙三少 提供,感谢共享)