正则表达式常用的匹配规则
模式描述****一般字符****.匹配除换行符"\n"和"\r"之外的任意字符，在re.S模式下则能匹配任意字符\转义字符，使下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符，如果原始字符串中含有* . ? + $ ^ [ ] ( ) { } | \，需要在前面加转义字符\才能正确表示，或者在字符串前面加个r房子转义[…]字符集，用来表示一组字符，对应的位置可以是字符集中任意一个字符，字符集中的字符可以逐个列出，也可以给出范围如[abc]或[a-c]，所有的特殊字符在字符集中都失去本原有的含义，需要加\进行转义；常见的字符集[0-9]、[a-z]、[A-Z]、^[\u4e00-\u9fa5]*$[^…]在字符集内的开头加入非，表示匹配不在字符集内的其他任意字符，如[^abc]表示匹配除abc之外的任意字符****预定义字符集（可以写在字符集[…]中）****\d匹配任意数字，等价于[0-9]\D匹配任意非数字的字符，等价于[^\d]\s匹配空白字符，等价于[\t\n\r\f]，如\t(Tab)、\r(回车)、’ '(空格)、\f(换页符)、\n(换行符)、\v(垂直制表符)\S匹配非空白字符，等价于[^\s]\w匹配字母数字及下划线，等价于[A-Za-z0-9_]\W匹配非字母数字及下划线的其他字符，等价于[^A-Za-z0-9_]****数量词（用在字符或(…)之后）*****匹配前一个字符、子表达式0次或多次，例如abc*能匹配ab，也能匹配abc、abcc，*等价于{0,}+匹配前一个字符、子表达式1次或多次，例如abc+，能匹配abc、abcc，但是不能匹配到ab，+号前的字符至少要匹配一次，+等价于{1,}?匹配前一个字符、子表达式0次或1次，例如do(es)?可以匹配到do或does，?等价于{0,1}{n}精确匹配前一个字符、子表达式n次，例如ab{2}c可以匹配到abbc，n为非负整数{n,}匹配前一个字符、子表达式至少n次(即[n,+∞])，例如ab{2,}c可以匹配到abbc或abbbbbbbc，n为非负整数{,n}匹配前一个字符、子表达式至多n次(即[0,n])，例如ab{,2}c可以匹配到ac、abc或abbc，n为非负整数{n,m}匹配前一个字符、子表达式最少匹配n次，最多m次(即[n,m])，例如ab{1,2}c可以匹配到abc或abbc，n, m为非负整数，且n<=m*?, +?, ??默认情况下*、+和?的匹配模式是贪婪模式，即会尽可能对的匹配符合规则的字符，*?、+?和??表示启用对应的非贪婪模式。如对于字符串"Pythonnn"，正则表达式Python+能匹配大整个字符串，而Python+?则匹配Python{n,m}?同上，启用非贪婪模式，即只匹配n次，n, m为非负整数，且n<=m****边界匹配（不消耗待匹配字符串中的字符）****^匹配字符串的开头，在多行模式下(re.M)匹配每一行的开头，如^abc可以匹配abc$匹配字符串的末尾，在多行模式下(re.M)匹配每一行的末尾，如abc$可以匹配abc\A仅匹配字符串开头，如\Aabc可以匹配abc\Z仅匹配字符串末尾，如果存在换行，只匹配到换行前的结束字符串，如abc\Z可以匹配abc\z仅匹配字符串末尾，如果存在换行，同时还会匹配到换行符\b匹配单词边界，也就是指单词和空格间的位置，如er\b可以匹配到never中的er，但不能匹配到verb中的er\B匹配非单词边界，也就是指单词和空格间的位置，如er\B可以匹配到verb中的er，但不能匹配到never中的er，等价于[^\b]\G匹配最后匹配完成的位置****逻辑、分组****|左右表达式任意匹配一个，类似于"或"。总是先尝试匹配左边的表达式，一旦成功匹配就跳过匹配右边的表达式；如果|没有被包括在()中，则它的范围是整个表达式。如123|456能匹配到123、456(…)匹配圆括号中的正则表达式，或者指定一个子组的开始和结束位置，被括起来的表达式将作为分组，从表达式的左边开始每遇到一个分组的左括号’(’，编号+1；另外分组表达式作为一个整体，后面可以接数量词；表达式中的|也只能在该组中生效。如(abc){2}能匹配到abcabc，而a(123|456)c能匹配到a123c、a456c(?P<name>...)给分组命名，除了愿有你的编号外在指定一个额外的别名，通过分组名字name既可以访问到子组匹配的字串，例如(?P<id>abc){2}能够匹配到abcabc\<number>引用序号为<number>对应的子组所匹配到的字符串，子组的序号从1开始计算；如果序号以0开头，或者3个数字的长度，那么不会被引用对应的子组，而是用于匹配八进制数字所表示的ASCII码值所对应的字符。例如(.+) \1会匹配"python python" 或 “66 66”，但不会匹配holysll"(?P=name)引用别名为<name>的分组匹配到的字符串，如(?P<id>\d)abc(?P=id)能够匹配到1abc1、5abc5****特殊构造（不作为分组）****(?:...)(…)的不分组版本，用于使用| 或后接数量词。如(?:abc){2}能匹配abcabc(?aiLmsux)aiLmsux的每个字符代表一种匹配模式，(? 后可以紧跟着 ‘a’，‘i’，‘L’，‘m’，‘s’，‘u’，‘x’ 中的一个或多个字符，只能在正则表达式的开头使用，如(?i)abc匹配模式是忽略大小写，能够匹配abc、Abc、aBc、abC、ABc、AbC、aBC、ABC(?#...)#后的内容将作为主食被忽略，如abc(?#comment)123能够匹配abc123(?=...)之后的字符串内容需要匹配表达式才能匹配成功，不消耗字符创的内容。如a(?=\d)能匹配后面全是数字的a(?!...)之后的字符串内容需要不匹配表达式才能匹配成功，不消耗字符创的内容。如a(?!\d)能匹配后面不是数字的a(?<=...)之前的字符串内容需要匹配表达式才能匹配成功，不消耗字符创的内容。如a(?<=\d)能匹配前面是数字的a(?<!...)之前的字符串内容需要不匹配表达式才能匹配成功，不消耗字符创的内容。如a(?<!\d)能匹配后面不是数字的a(?(id/name)yes-pattern|no-pattern)如果序号为id/别名为name的组匹配到字符，则需要尝试yes-patteren匹配规则，否则需要尝试no-pattern匹配规则，no-pattern是可选可省略。如(<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$) 是一个邮件格式的正则表达式，可以匹配<lucy@outlook.com>和lucy@outlook.com，但不会匹配<lucy@outlook.com或lucy@outlook.com>正则表达式的匹配模式：
flags描述re.I(IGNORECASE)忽略大小写，使匹配对大小写不敏感re.L(LOCALE)做本地化识别（locale-aware）匹配re.M(MULTILINE)多行匹配模式，影响^ 和 $re.S(DOTALL)使 . 匹配包括换行在内的所有任意字符re.U根据Unicode字符集解析字符，这个标志影响\w、\W、\b、\B、\d、\D、\s、\Sre.X(VERBOSE)该标志通过给予更灵活的格式以便将正则表达式更易于理解，详细表达式re.A只匹配ASCII字符re分组匹配对象的方法：
方法描述group([group1, …])用于获得一个或者多个分组匹配的字符串，当要获得整个匹配的子串时，使用group()或group(0)；groups()等价于(group(1), group(2), …)start([group])用于获取分组匹配的子串在整个字符串的起始位置（子串第一个字符的索引），参数值默认为0end([group])用于获取分组匹配的子串在整个字符串的结束位置（子串最后一个字符的索引+1），参数值默认为0span([group])返回(start(group), end(group))；span(0) 返回匹配成功的整个子串的索引；span(1) 返回第一个分组匹配成功的子串的索引re模块中一些重要的函数：
search：扫描整个字符串并返回第一个成功的匹配，匹配成功返回一个匹配的对象，否则返回None。search()函数语法：re.search(pattern, string[, flags]) 其中，参数pattern是匹配的正则表达式；参数string是需要匹配的字符串；参数flags是标志位，用于控制正则表达式的匹配模式。
import re res = re.search(r'www\.(.*)\.(.{3})', 'www.baidu.com', re.I) # 忽略大小写 if res: print(res.groups()) # 从分组1算起 print("分组0：") print(res.group()) print(res.group(0)) print("分组1：") print(res.group(1)) print(res.start(1)) print(res.end(1)) print(res.span(1)) print("分组2：") print(res.group(2)) print(res.start(2)) print(res.end(2)) print(res.span(2)) # 结果 ''' ('baidu', 'com') 分组0： www.baidu.com www.baidu.com 分组1： baidu 4 9 (4, 9) 分组2： com 10 13 (10, 13) ''' match：尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。match()函数语法：re.match(pattern, string[, flags])其中，参数pattern是匹配的正则表达式；参数string是需要匹配的字符串；参数flags是标志位，用于控制正则表达式的匹配模式。
import re res = re.search(r'baidu', 'www.baidu.com', re.I) if res: print("search匹配成功") print(res.group()) else: print("search匹配失败") rem = re.match(r'baidu', 'www.baidu.com', re.I) if rem: print("match匹配成功") print(rem.group()) else: print("match匹配失败") # 结果 ''' search匹配成功 baidu match匹配失败 ''' compile：用于编译正则表达式，生成一个正则表达式(pattern)对象，供match()和search()这两个函数使用。compile()函数语法：re.compile(pattern[, flags])其中，参数pattern是匹配的正则表达式；可选参数flags是匹配模式，用于控制正则表达式的匹配模式。
import re pattern = re.compile(r'\w+', re.I) res = pattern.search('www.baidu.com') if res: print("compile search匹配成功") print(res.group(0)) print(res.start(0)) print(res.end(0)) print(res.span(0)) else: print("compile search匹配失败") rem = pattern.match('www.baidu.com', 4, 8) if rem: print("compile match匹配成功") print(rem.group(0)) print(rem.start(0)) print(rem.end(0)) print(rem.span(0)) else: print("compile match匹配失败") # 结果 ''' compile search匹配成功 www 0 3 (0, 3) compile match匹配成功 baidu 4 9 (4, 9) ''' findall：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。match 和 search 是匹配一次 findall 匹配所有。findall()函数语法：re.findall(pattern, string[, flags])其中，参数pattern是匹配的正则表达式；参数string是需要匹配的字符串；参数flags是标志位，用于控制正则表达式的匹配模式。
import re res = re.findall(r'\w+', 'Hello World!', re.I) print(res) # 返回的是一个列表 # 结果 ''' ['Hello', 'World'] ''' # 通过compile编译正则表达式 pattern = re.compile(r'\w+', re.I) rec = re.findall(pattern, 'Hello World!') print(rec) # 结果 ''' ['Hello', 'World'] ''' sub：将字符串中与模式pattern匹配的子串都替换为repl。sub()函数语法：re.sub(pattern, repl, string[, count=0, flags])其中，参数pattern是匹配的正则表达式；参数repl是替换的字符串，也可以是一个函数；参数string是需要匹配的字符串；可选参数count是模式匹配后替换的最大次数，默认0表示替换所有的匹配项；可选参数flags是标志位，用于控制正则表达式的匹配模式。
import re res0 = re.sub(r'\D', '', 'abc123#￥@', 0, re.I) # 把非数字部分删除 res1 = re.sub(r'\D', '', 'abc123#￥@', 1, re.I) res2 = re.sub(r'\D', '', 'abc123#￥@', 3, re.I) print(res0) print(res1) print(res2) # 结果 ''' 123 bc123#￥@ 123#￥@ ''' # 通过compile编译正则表达式 pattern = re.compile(r'\D', re.I) res = re.sub(pattern, '', 'abc123#￥@', 0) # 这时，不能传入flags匹配模式，而要在compile里传入 print(res) # 结果 ''' 123 ''' # repl是一个函数时，将匹配到的数字乘以2 def double(num): print(num.group('value')) value = int(num.group('value')) return str(value * 2) result = re.sub(r'(?P<value>\d+)', double, 'a1B23C456d7890') print(result) # 结果 ''' 1 23 456 7890 a2B46C912d15780 ''' split：按照能够匹配的子串将字符串分割后返回列表。split()函数语法：re.split(pattern, string[, maxsplit=0, flags=0])其中，参数pattern是匹配的正则表达式；参数string是需要匹配的字符串；可选参数maxsplit是分割次数，默认为0表示不限制次数；可选参数flags是标志位，用于控制正则表达式的匹配模式。
import re res1 = re.split('\W+', 'www.baidu.com') res2 = re.split('(\W+)', 'www.baidu.com') res3 = re.split('\W+', 'www.baidu.com', 1) # 分割一次 res4 = re.split('p*', 'www.baidu.com') # 匹配不到的正则表达式 print(res1) print(res2) print(res3) print(res4) # 结果 ''' ['www', 'baidu', 'com'] ['www', '.', 'baidu', '.', 'com'] ['www', 'baidu.com'] ['', 'h', 'e', 'l', 'l', 'o', ' ', 'w', 'o', 'r', 'l', 'd', ''] ''' escape：将字符串中所有的特殊字正则表达式字符转义，当大量主要加反斜杠\进行转义时，这个函数很有用，避免一些不必要的错误，实际上功能有点类似正则表达式前面加r。escape()函数语法：re.escape(pattern)
import re res = re.escape('www.python.org') print(res) result = re.findall(re.escape('.py'), "python www.python.org proxy.py") print(result) # 结果 ''' www\.python\.org ['.py', '.py'] '''手写正则邮箱地址：
import re email_addr = 'Please reply this email to <abc23@sample.com.cn>' # tool.chinaz.com给出的是：\w[-\w.+]*@([A-Za-z0-9][-A-Za-z0-9]+\.)+[A-Za-z]{2,14} pattern = re.compile(r'([\w\.-]+)@([\w\.-]+)(\.[\w\.]+)') res = re.search(pattern, email_addr) if res: print(res.group) else: print("匹配失败") # 结果 ''' abc23@sample.com.cn '''常用正则表达式
目标表达式中文字符[\u4e00-\u9fa5]双字节字符(包括汉字在内)[^\x00-\xff]空白行\n\s*\rEmail地址\w[-\w.+]*@([A-Za-z0-9][-A-Za-z0-9]+\.)+[A-Za-z]{2,14}网址URL[a-zA-z]+://[^\s]* 或 ^((https|http|ftp|rtsp|mms)?:\/\/)[^\s]+国内电话号码[0-9-()（）]{7,18}国内手机号码0?(13|14|15|17|18|19)[0-9]{9}QQ号码[1-9]([0-9]{5,11})邮政编码\d{6}身份证号^(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)$日期格式\d{4}(\-|\/|.)\d{1,2}\1\d{1,2}IP地址(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)\.(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)\.(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)\.(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)整数-?[1-9]\d*正整数[1-9]\d*负整数-[1-9]\d*正浮点数[1-9]\d*.\d*|0.\d*[1-9]\d*负浮点数-([1-9]\d*.\d*|0.\d*[1-9]\d*)用户名(字母、数字、下划线、-、以及中文)[A-Za-z0-9_\-\u4e00-\u9fa5]+