正则表达式（regular expression）是一种工具，一种广泛用于匹配字符串的工具。它用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如 表达式“ab+”描述的特征是“一个‘a‘和任意个‘b‘”，那么‘ab‘,‘abb‘,‘abbbbbbbbbb‘都符合这个特征。
在正式学习正则之前，你要牢记下面几个事项：
1.正则表达式本质上是一门语言，它不从属与 Python！Python 只是将他人写好的正则引擎集成到了语言内部，大多数编程语言都是这么干的！
2.正则表达式诞生的时间很长，应用非常广泛，是业界公认的字符串匹配工具。虽然有不同版本的内部引擎，但基本通用，也就是说，你在 Python 内写的正则表达式，可以移植到 Linux 的 shell，Java 语言等任何支持正则的场景中去。
3.正则表达式默认从左往右匹配。
4.正则表达式默认是贪婪模式。
5.正则表达式默认在匹配到了内容后，则终止匹配，不继续匹配。
6.对同一个问题，编写的正则表达式不是唯一的
一、普通字符
字母、数字、汉字、下划线、以及没有特殊定义的符号，都是"普通字符"。正则表达式中的普通字符，在匹配的时候，只匹配与自身相同的一个字符。
例如：表达式 c，在匹配字符串 abcde 时，匹配结果是：成功；匹配到的内容是 c；匹配到的位置开始于 2，结束于 3。（注：下标从 0 开始还是从 1 开始，因当前编程语言的不同而可能不同）
二、元字符
正则表达式中使用了很多元字符，用来表示一些特殊的含义或功能。
| 表达式 |
匹配 |
| . |
小数点可以匹配除了换行符n 以外的任意一个字符 |
| | |
逻辑或操作符 |
| [] |
匹配字符集中的一个字符 |
| [^] |
对字符集求反，也就是上面的反操作。尖号必须在方括号里的最前面 |
| - |
定义[]里的一个字符区间，例如[a-z] |
|
对紧跟其后的一个字符进行转义 |
| () |
对表达式进行分组，将圆括号内的内容当做一个整体，并获得匹配的值 |
?
?
?
?
?
?
?
例如：
a.c 匹配 abc
(a|b)c 匹配 ac 与 bc
[abc]1 匹配 a1 或者 b1 或者 c1
使用方括号[]包含一系列字符，能够匹配其中任意一个字符。用[^]包含一系列字符，则能够匹配其中字符之外的任意一个字符。
[[email?protected]]匹配 a 或 b 或 5 或@
[^abc]匹配 a,b,c 之外的任意一个字符
[f-k]匹配 f~k 之间的任意一个字母
[^A-F0-3]匹配 A~F 以及 0~3 之外的任意一个字符
三、转义字符
一些无法书写或者具有特殊功能的字符，采用在前面加斜杠""进行转义的方法。例如下表所示：
| 表达式 |
匹配 |
| r,n |
匹配回车和换行符 |
| t |
匹配制表符 |
|
匹配斜杠 |
| ^ |
匹配^符号 |
| $ |
匹配$符号 |
| . |
匹配小数点. |
?
?
?
?
?
?
尚未列出的还有问号？、星号*和括号等其他的符号。所有正则表达式中具有特殊含义的字符在匹配自身的时候，都要使用斜杠进行转义。这些转义字符的匹配方法与普通字符类似，也是匹配与之相同的一个字符。
例如表达式$d，在匹配字符串"abc$de"时，匹配结果是：成功；匹配到的内容是$d；匹配到的位置开始于 3，结束于 5。
四、预定义匹配字符集
正则表达式中的一些表示方法，可以同时匹配某个预定义字符集中的任意一个字符。比如，表达式d 可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。如下表所示，注意大小写：
| 表达式 |
匹配 |
| d |
任意一个数字，0~9 中的任意一个 |
| w |
任意一个字母或数字或下划线，也就是 A~Z,a~z,0~9,_ 中的任意一个 |
| s |
空格、制表符、换页符等空白字符的其中任意一个 |
| D |
d 的反集，也就是非数字的任意一个字符，等同于[^d] |
| W |
w 的反集，也就是[^w] |
| S |
s 的反集，也就是[^s] |
?
?
?
?
?
?
例如表达式dd，在匹配 abc123 时，匹配的结果是：成功；匹配到的内容是 12；匹配到的位置开始于 3，结束于 5。
五、重复匹配
前面的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。但是有时候我们需要对某个片段进行重复匹配，例如手机号码 13666666666，一般的新手可能会写成ddddddddddd（注意，这不是一个恰当的表达式），不但写着费劲，看着也累，还不一定准确恰当。这种情况可以使用表达式再加上修饰匹配次数的特殊符号{}，不用重复书写表达式就可以重复匹配。比如[abcd][abcd]可以写成[abcd]{2}。
| 表达式 |
匹配 |
| {n} |
表达式重复 n 次，比如d{2}相当于dd,a{3}相当于 aaa |
| {m,n} |
表达式至少重复 m 次，最多重复 n 次。比如 ab{1,3}可以匹配 ab 或 abb 或abbb |
| {m,} |
表达式至少重复 m 次，比如wd{2,}可以匹配 a12,_1111,M123 等等 |
| ? |
匹配表达式 0 次或者 1 次，相当于{0,1}，比如 a[cd]?可以匹配 a,ac,ad |
| + |
表达式至少出现 1 次，相当于{1,}，比如 a+b 可以匹配 ab,aab,aaab 等等 |
| * |
表达式出现 0 次到任意次，相当于{0,}，比如^*b 可以匹配 b,^^^b 等等 |
?
?
?
?
?
?
其中有些例子一定要注意！比如 ab{1,3}中重复的是 b 而不是 ab，(ab){1,3}这样重复的才是 ab。表达式^*b 中重复的是^而不是^，要从左往右读正则表达式，转义符号有更高的优先级，需要和后面的字符整体认读。表达式d+.?d*在匹配 It costs $12.5 时，匹配的结果是：成功；匹配到的内容是12.5；匹配到的位置开始于 10，结束于 14。表达式 go{2,8}gle 在匹配 Ads by goooooogle 时，匹配的结果是：成功；匹配到的内容是 goooooogle；匹配到的位置开始于 7，结束于 17。
六、位置匹配
有时候，我们对匹配出现的位置有要求，比如开头、结尾、单词之间等等。
| 表达式 |
匹配 |
| ^ |
在字符串开始的地方匹配，符号本身不匹配任何字符 |
| $ |
在字符串结束的地方匹配，符号本身不匹配任何字符 |
| b |
匹配一个单词边界，也就是单词和空格之间的位置，符号本身不匹配任何字符 |
| B |
匹配非单词边界，即左右两边都是w 范围或者左右两边都不是w 范围时的字符缝隙 |
?
?
?
?
例如表达式^aaa 在匹配 xxx aaa xxx 时，匹配结果是：失败。因为^要求在字符串开始的地方匹配。
表达式 aaa$在匹配 xxx aaa xxx 时，匹配结果是：失败。因为$要求在字符串结束的地方匹配。
表达式.b.在匹配@@@abc 时，匹配结果是：成功；匹配到的内容是@a；匹配到的位置开始于 2，结束于 4。
表达式bendb 在匹配 weekend,endfor,end 时，匹配结果是：成功；匹配到的内容是end；匹配到的位置开始于 15，结束于 18。
七、常用正则表达式
下面是网络上收集的一些常用正则表达式，请参考使用。 PS:各位在复制粘贴的时候务必要小心前后多余的空格！
校验数字的相关表达式：
| 功能 |
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*$ |
| 非零的负整数 |
^-[1-9]d*$ |
| 非负整数 |
^d+$ |
| 非正整数 |
^-[1-9]d*|0$ |
| 非负浮点数 |
^d+(.d+)?$ |
| 非正浮点数 |
^((-d+(.d+)?)|(0+(.0+)?))$ |
| 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*)$ |
| 浮点数 |
^(-?d+)(.d+)?$ |
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
校验字符的相关表达式：
| 功能 |
表达式 |
| 汉字 |
^[u4e00-u9fa5]{0,}$ |
| 英文和数字 |
^[A-Za-z0-9]+$ |
| 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+$ |
| 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]+$ |
| 可以输入含有^%&’,;=?$”等字符 |
[^%&’,;=?$x22]+ |
| 禁止输入含有~的字符 |
[^~x22]+ |
?
?
?
?
?
?
?
?
?
?
?
特殊场景的表达式:
| 功能 |
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})+/.? |
| InternetUR |
[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}$ |
| 国内电话号码 |
d{3}-d{8}|d{4}-d{7}(0511-4405222、021-87888822) |
| 身份证号 |
^d{15}|d{18}$(15 位、18 位数字) |
| 短身份证号码 |
^([0-9]){7,18}(x|X)?$ 或 ^d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$(数字、字母 x 结尾) |
| 帐号是否合法 |
^[a-zA-Z][a-zA-Z0-9_]{4,15}$(字母开头，允许 5-16 字节，允许字母数字下划线) |
| 密码 |
^[a-zA-Z]w{5,17}$(以字母开头，长度在 6~18 之间，只能包含字母、数字和下划线) |
| 强密码? |
^(?=.*d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$(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) |
| 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)$ |
| xml 文件 |
^([a-zA-Z]+-?)+[a-zA-Z0-9]+.[x|X][m|M][l|L]$ |
| 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 |
ns*r (可以用来删除空白行) |
| HTML 标记的正则表达式 |
<(S*?)[^>]*>.*?</1>|<.*? />(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)) |
| 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 地址提取 |
d+.d+.d+.d+ (提取 IP 地址时有用) |
| IP 地址合法性判断 |
((?:(?:25[0-5]|2[0-4]d|[01]?d?d).){3}(?:25[0-5]|2[0-4]d|[01]?d?d)) |
