大家好,我是宝器! 这篇文章给大家介绍下正则表达式的10多个应用场景,重点是场景,脚本可自行用SQL对比实现.
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。
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。
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：
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：
表达式：
1(3|4|5|6|7|8|9)\d{9}
案例：
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：
包含http:\\或https:\\
表达式：
(?:(?:http:\/\/)|(?:https:\/\/))?(?:[\w](?:[\w\-]{0,61}[\w])?\.) [a-zA-Z]{2,6}(?:\/)
案例：
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：
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：`[^%&’,;=?$\x22] `禁止输入含有~的字符：[^~\x22] 附：正则表达式语法详解字符描述\将下一个字符标记为一个特殊字符（File Format Escape，清单见本表）、或一个原义字符（Identity Escape，有^$()* ?.[{|共计12个)、或一个向后引用（backreferences）、或一个八进制转义符。例如，“n”匹配字符“n”。“\n”匹配一个换行符。序列“\\”匹配“\”而“\(”则匹配“(”。^匹配输入字符串的开始位置$匹配输入字符串的结束位置*匹配前面的子表达式零次或多次。例如，zo*能匹配“z”、“zo”以及“zoo”。*等价于{0,}。 匹配前面的子表达式一次或多次。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“does”中的“do”和“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}m和n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。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。?非贪心量化（Non-greedy quantifiers）：当该字符紧跟在任何一个其他重复修饰符（*, ,?，{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的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o ?”将匹配单个“o”，而“o ”将匹配所有“o”。.匹配除“\r”“\n”之外的任何单个字符。要匹配包括“\r”“\n”在内的任何字符，请使用像“(.\|\r\|\n)”的模式。(pattern)匹配pattern并获取这一匹配的子字符串。该子字符串用于向后引用。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“\(”或“\)”。可带数量后缀。(?:pattern)匹配pattern但不获取匹配的子字符串（shy groups），也就是说这是一个非获取匹配，不存储匹配的子字符串用于向后引用。这在使用或字符“(\|)”来组合一个模式的各个部分是很有用。例如“industr(?:y\|ies)”就是一个比“industry\|industries”更简略的表达式。(?=pattern)正向肯定预查（look ahead positive assert），在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，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)正向否定预查（negative assert），在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，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”。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)反向（look behind）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”。(?<!pattern)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”。x\|y没有包围在()里，其范围是整个正则表达式。例如，“z\|food”能匹配“z”或“food”。“(?:z\|f)ood”则匹配“zood”或“food”。[xyz]字符集合（character class）。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。特殊字符仅有反斜线\保持特殊含义，用于转义字符。其它特殊字符如星号、加号、各种括号等均作为普通字符。脱字符^如果出现在首位则表示负值字符集合；如果出现在字符串中间就仅作为普通字符。连字符 – 如果出现在字符串中间表示字符范围描述；如果如果出现在首位（或末尾）则仅作为普通字符。右方括号应转义出现，也可以作为首位字符出现。[^xyz]排除型字符集合（negated character classes）。匹配未列出的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。[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。[^a-z]排除型的字符范围。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。[:name:]增加命名字符类（named character class）中的字符到表达式。只能用于「方括号表达式」。[=elt=]增加当前locale下排序（collate）等价于字符“elt”的元素。例如，[=a=]可能会增加??、á、à、??、??、??、??、??、??、??、??、??、??、ǎ、??、??、??、??、??、??、??、??、ā、??、??、??、??、??、??、??、??、??、??、ɑ 。只能用于方括号表达式。[.elt.]增加排序元素elt到表达式中。这是因为某些排序元素由多个字符组成。例如，29个字母表的西班牙语， “CH”作为单个字母排在字母C之后，因此会产生如此排序“cinco, credo, chispa”。只能用于方括号表达式。\b匹配一个单词边界，也就是指单词和空格间的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。\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。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。控制字符的值等于x的值最低5比特（即对3210进制的余数）。例如，\cM匹配一个Control-M或回车符。\ca等效于\u0001, \cb等效于\u0002, 等等…\d匹配一个数字字符。等价于[0-9]。注意Unicode正则表达式会匹配全角数字字符。\D匹配一个非数字字符。等价于[^0-9]。\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匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。注意Unicode正则表达式会匹配全角空格符。\S匹配任何非空白字符。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。等价于“[A-Za-z0-9_]”。注意Unicode正则表达式会匹配中文字符。\W匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。\xnn十六进制转义字符序列。匹配两个十六进制数字nn表示的字符。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向后引用（back-reference）一个子字符串（substring），该子字符串与正则表达式的第num个用括号围起来的捕捉群（capture group）子表达式（subexpression）匹配。其中num是从1开始的十进制正整数，其上限可能是9、31、99，甚至无限。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。\nm3位八进制数字，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n和m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（0-3），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。\unUnicode转义字符序列。其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配著作权符号（??）。优先权优先权符号最高\高()、(?:)、(?=)、[]中*、 、?、{n}、{n,}、{n,m}低^、$、中介字符次最低串接，即相邻字符连接在一起最低\|
PS.已整理好本文代码及正则表达式丰富资料（PDF版）资料获取方式：链接：
https://pan.baidu.com/s/1PGDU66-5ZhwlH2iIUQof8w
提取码：gjo4
·················END·················推荐阅读
说说心里话
写给所有数据人。
从留存率业务案例谈0-1的数据指标体系
NB，真PDF神处理工具！
超级菜鸟如何入门数据分析？
