Python实用正则表达式归纳

实用正则表达式归纳
根据日常工作、学习经常用到的场景总结归纳如下表所示：

结合小示例如下：

匹配用户名

import re

user_names = ['abc123','user_name12','test-123','name@123', 'ab', 'User123']

pattern = re.compile('^[0-9a-z_-]{3,16}$')

for user in user_names:
    if pattern.match(user):
        print('matched: ', user)
    else:
        print('No matched!')

运行结果如下：
matched:  abc123
matched:  user_name12
matched:  test-123
No matched!
No matched!
No matched!

说明：这个正则表达式 ^[0-9a-z_-]{3,16}$ 的含义是：匹配长度在 3 到 16 之间的由数字、小写字母、下划线和短横线组成的字符串。

下面是一些匹配和不匹配的示例：

匹配：

• abc123
• user_name12
• test-123

不匹配：

• ab（长度不足）
• User123（包含大写字母）
• name@123（包含特殊字符）

这个正则表达式可用于验证用户注册名、用户名、密码等情况，要求长度在3到16位，并且只包含数字、小写字母、下划线和短横线。

匹配密码

import re


passwords = ['abc123','admin_12','password-1234','name@123', 'ab', 'Abc123']

pattern = re.compile('^[0-9a-z_-]{6,18}$')

for password in passwords:
    if pattern.match(password):
        print('matched: ', password)
    else:
        print('No matched!')


运行结果如下：
matched:  abc123
matched:  admin_12
matched:  password-1234
No matched!
No matched!
No matched!

说明：这个正则表达式 ^[a-z0-9_-]{6,18}$ 的含义是：匹配长度在 6 到 18 之间的由小写字母、数字、下划线和短横线组成的字符串。

以下是一些示例，说明哪些符合该正则表达式，哪些不符合：

匹配：

• abc123
• admin_12
• password-1234

不匹配：

• abc（长度不足）
• Abc123（包含大写字母）
• name@123（包含特殊字符）

这个正则表达式适用于验证密码、用户名等情况，要求长度在 6 到 18 位，并且只包含小写字母、数字、下划线和短横线。

手机号码

import re

mobile_nums = ['13612345678','+8613912345678','13888888888', '32345678901','+86111223344','1361234']

pattern = re.compile('^(?:\+86)?1[3-9]\d{9}$')

for mobile in mobile_nums:
    if pattern.match(mobile):
        print('matched: ', mobile)
    else:
        print('No matched!')

 运行结果如下：
matched:  13612345678
matched:  +8613912345678
matched:  13888888888
No matched!
No matched!
No matched!

说明：这个正则表达式 ^(?:+86)?1[3-9]\d{9}$ 的含义是：匹配中国大陆手机号码，可以带有国家代码 +86 或不带，在国家代码后面紧跟以 1 开头的手机号码，其中第二位为 3 到 9 之间的数字，后面跟着任意 9 个数字字符。

以下是一些示例，说明哪些符合该正则表达式，哪些不符合：

匹配：

• 13612345678
• +8613912345678
• 13888888888

不匹配：

• 32345678901（不是以 1 开头）
• +86111223344（号段不在 3 到 9 之间）
• 1361234（长度不足）

这个正则表达式适用于验证中国大陆手机号码格式，满足指定的要求。

颜色的十六进制

import re

colors = ['#ffffff','#123abc','abc','1234567','#12ab','#xyz123']

pattern = re.compile('^#?([a-f0-9]{6}|[a-f0-9]{3})$')

for color in colors:
    if pattern.match(color):
        print('matched: ', color)
    else:
        print('No matched!')

运行结果如下：
matched:  #ffffff
matched:  #123abc
matched:  abc
No matched!
No matched!
No matched!

说明：这个正则表达式 ^#?([a-f0-9]{6}|[a-f0-9]{3})$ 的含义是：匹配十六进制颜色代码，可以以 # 开头或不以 # 开头，后面跟着 3 位或者 6 位由 0-9 和 a-f 组成的字符。

以下是一些示例，说明哪些符合该正则表达式，哪些不符合：

匹配：

- #ffffff
- #123abc

abc
不匹配：

- 1234567（超过 6 位）
- #12ab（未满足 3 或 6 位）
- #xyz123（包含非法字符）

这个正则表达式适用于验证十六进制颜色代码的格式，确保符合指定的长度和字符范围。

电子邮箱

import re

emails = ['example123@email.com','user.name123@example.co.uk','user+test@sub.domain.com','invalid.email@domain','email@domain..com','user name@email.com']

pattern = re.compile('\w[-\w.+]*@([A-Za-z0-9][-A-Za-z0-9]+\.)+[A-Za-z]{2,14}')

for email in emails:
    if pattern.match(email):
        print('matched: ', email)
    else:
        print('No matched!')


运行结果如下：
matched:  example123@email.com
matched:  user.name123@example.co.uk
matched:  user+test@sub.domain.com
No matched!
No matched!
No matched!

说明：这个正则表达式 \w[-\w.+]*@([A-Za-z0-9][-A-Za-z0-9]+.)+[A-Za-z]{2,14} 的含义是匹配标准的邮箱地址格式。下面是一些示例说明：

• 用户名部分 `\w[-\w.+]*：允许包含字母、数字以及一些特殊字符（例如点号、下划线、百分号、加号和减号）。
• @符号 @：必须包含 @ 符号。
• 域名部分 [A-Za-z0-9][-A-Za-z0-9]+.：可以包含字母、数字以及连字符和点号（用于子域名）。
• 顶级域名 [A-Za-z]{2,14}：至少包含两个字母，用于匹配常见的顶级域名（如com、net、org等）。

匹配：

• example123@email.com
• user.name123@example.co.uk
• user+test@sub.domain.com

不匹配：

• invalid.email@domain（顶级域名不足两个字符）
• email@domain..com（连续的点号）
• user name@email.com（包含空格）

该正则表达式能够有效匹配常见的邮箱地址格式，确保符合用户名、@符号、域名和顶级域名的标准。

URL

import re

pattern = re.compile('^(https?:\/\/)?([a-z\d-]+\.)+[a-z]{2,}(\/[\w\d%+\-./]*)*$')


url_lst = ['https://www.example.com','http://subdomain.domain.co.uk/page1','https://www.example.com/path/to/page.html''ftp://example.com','https://www.example.com?query=123','http://www.example.invalid']


for url in url_lst:
    if pattern.match(url):
        print('matched: ', url)
    else:
        print('No matched!')

 运行结果如下：
matched:  https://www.example.com
matched:  http://subdomain.domain.co.uk/page1
No matched!
No matched!
matched:  http://www.example.invalid

说明：这个正则表达式 ^(https?:\/\/)?([a-z\d-]+.)+[a-z]{2,}(\/[\w\d%+-./])$ 用于匹配常见的 URL 格式。以下是一些示例说明：

匹配：

• https://www.example.com
• http://subdomain.domain.co.uk/page1
• https://www.example.com/path/to/page.html

不匹配：

• ftp://example.com（不匹配所支持的协议）
• https://www.example.com?query=123（未考虑查询字符串）

这个正则表达式能够有效匹配常见的 URL 格式，包括协议、域名、顶级域名和路径部分，但可能需要根据具体需求进一步调整以包含更多可能的情况。

IP地址

import re

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


ipv4_lst = ['192.168.1.1','255.255.255.0','10.0.0.1','256.168.1.1','192.168.1.','1.1.1']

for ip in ipv4_lst:
    if pattern.match(ip):
        print('matched: ', ip)
    else:
        print('No matched!')


运行结果如下：
matched:  192.168.1.1
matched:  255.255.255.0
matched:  10.0.0.1
No matched!
No matched!
No matched!

说明：这个正则表达式 ((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) 用于匹配 IPv4 地址格式，其中每个数字范围是从 0 到 255。以下是一些示例说明：

匹配：

• 192.168.1.1
• 255.255.255.0
• 10.0.0.1

不匹配：

• 256.168.1.1（超出了允许的范围）
• 192.168.1.（末尾缺少数字）
• 1.1.1（缺少完整的四组数字）

这个正则表达式能够有效匹配符合标准 IPv4 地址格式的字符串，确保每个数字在 0 到 255 的范围内。

这个正则表达式 ((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) 的语法可以解释如下：

( 和 )：用于分组，将其中的内容视为一个整体。
(2[0-4]\d|25[0-5]|[01]?\d\d?)：表示匹配 0 到 255 之间的数字。具体说明如下：
2[0-4]\d：匹配 200 到 249 之间的数字。
25[0-5]：匹配 250 到 255 之间的数字。
[01]?\d\d?：匹配 0 到 199 之间的数字，包括各种可能的组合（如 01、10、100 等）。
(2[0-4]\d|25[0-5]|[01]?\d\d?).：匹配三组符合上述范围内的数字后跟一个点号。
{3}：指定前面的分组恰好重复三次。
(2[0-4]\d|25[0-5]|[01]?\d\d?)：匹配最后一组符合条件的数字。
这个正则表达式的结构设计得很巧妙，能够有效地匹配符合 IPv4 地址格式的字符串，确保每个数字在正确的范围内，并使用点号作为分隔符。

HTML标签

import re

pattern = re.compile('^<([a-z]+)([^<])*(?:>(.*)<\\/\\1>)$')

html_lst = ['<div>Hello</div>','<p>This is a paragraph</p>','<span class="highlight">Highlighted text</span>','<strong>Bold text','<ul><li>Item 1</li></ul>','<a href="example.com">Link</a>']

for html in html_lst:
    if pattern.match(html):
        print('matched: ', html)
    else:
        print('No matched!')

运行结果如下：
matched:  <div>Hello</div>
matched:  <p>This is a paragraph</p>
matched:  <span class="highlight">Highlighted text</span>
No matched!
matched:  <ul><li>Item 1</li></ul>
matched:  <a href="example.com">Link</a>

说明：这个正则表达式 ^<([a-z]+)([^<])(?:>(.)<\/\1>)$ 用于匹配简单的 HTML 标签。以下是一些示例说明：

匹配：

• Hello

• This is a paragraph

• Highlighted text
• • Item 1
• Link

不匹配：

• Bold text

在上述示例中，只有与正则表达式匹配的 HTML 标签会被识别，因为正则表达式要求标签要有正确的开头和闭合，并且内容要符合标签名称。

utf-8编码下的汉字范围
import re

pattern = re.compile('^[\u2E80-\u9FFF]+')


utf_lst = ['你好世界, 中文测试','Hello 你好, 12345']

for utf in utf_lst:
    if pattern.match(utf):
        print('matched: ', utf)
    else:
        print('No matched!')

运行结果如下：
matched:  你好世界, 中文测试
No matched

说明：这个正则表达式 ^[\u2E80-\u9FFF]+ 用于匹配中文字符范围（包括繁体字），Unicode 范围为 \u2E80 到 \u9FFF。这表示匹配从中文第一个汉字（四角号码为2000）到最后一个汉字（四角号码为9FFF）之间的所有字符。

这个正则表达式将只匹配完全由中文字符组成的字符串，而不会匹配包含其他类型字符的字符串。

示例：

• 匹配：你好世界, 中文测试
• 不匹配：Hello 你好, 12345

总体来说，这个正则表达式适用于需要验证输入是否仅包含中文字符的情况。

1. 0-9a-z_- ↩︎
2. a-z0-9_- ↩︎
3. \u2E80-\u9FFF ↩︎