【自然语言处理】正则表达式

mac2024-01-25  35

文章目录一瞥

python 中常用的正则表达式字符数量词边界匹配逻辑、分组(自动编号)特殊构造常用的正则表达式(转)常用正则表达式

python 中常用的正则表达式

验证网址regexr 正则式高尔夫

(…).\1 ——在后面重复一遍,分组,模式匹配,不连续的字符 () 是为了提取匹配的字符串。表达式中有几个()就有几个相应的匹配字符串。 (\s)表示连续空格的字符串。 []是定义匹配的字符范围。比如 [a-zA-Z0-9] 表示相应位置的字符要匹配英文字符和数字。[\s*]表示空格或者号。 {}一般用来表示匹配的长度,比如 \s{3} 表示匹配三个空格,\s[1,3]表示匹配一到三个空格。 (0-9) 匹配 '0-9′ 本身。 [0-9] 匹配数字(注意后面有 *,可以为空)[0-9]+ 匹配数字(注意后面有 +,不可以为空){1-9} 写法错误。 [0-9]{0,9} 表示长度为 0 到 9 的数字字符串。

字符

数量词

边界匹配

逻辑、分组(自动编号)

特殊构造

https://www.runoob.com/regexp/regexp-syntax.html

^ 表示匹配字符串的开始位置 (例外 用在中括号中[ ] 时,可以理解为取反,表示不匹配括号中字符串)

$ 表示匹配字符串的结束位置

* 表示匹配 零次到多次

+ 表示匹配 一次到多次 (至少有一次)

? 表示匹配零次或一次

. 表示匹配单个字符

| 表示为或者,两项中取一项]

( ) 小括号表示匹配括号中全部字符

[ ] 中括号表示匹配括号中一个字符 范围描述 如[0-9 a-z A-Z]

{ } 大括号用于限定匹配次数 如 {n}表示匹配n个字符 {n,}表示至少匹配n个字符 {n,m}表示至少n,最多m

\ 转义字符 如上基本符号匹配都需要转义字符 如 * 表示匹配*号

\w 表示英文字母和数字 \W 非字母和数字

\d 表示数字 \D 非数字


常用的正则表达式(转)

匹配中文字符的正则表达式: [\u4e00-\u9fa5] 匹配双字节字符(包括汉字在内):[^\x00-\xff] 匹配空行的正则表达式:\n[\s| ]\r 匹配HTML标记的正则表达式:/<(.)>.</\1>|<(.) />/ 匹配首尾空格的正则表达式:(^\s*)|(\s*KaTeX parse error: Undefined control sequence: \d at position 18: …匹配IP地址的正则表达式:/(\̲d̲+)\.(\d+)\.(\d+… 1、非负整数:^\d+$ 2、正整数:1[1-9][0-9]$ 3、非正整数:^((-\d+)|(0+))$ 4、负整数:^-[0-9][1-9][0-9]$ 5、整数:^-?\d+$ 6、非负浮点数:^\d+(.\d+)?$ 7、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]))$ 8、非正浮点数:^((-\d+.\d+)?)|(0+(.0+)?))$ 9、负浮点数:^(-((正浮点数正则式)))$ 10、英文字符串:2+$ 11、英文大写串:3+$ 12、英文小写串:4+$ 13、英文字符数字串:5+$ 14、英数字加下划线串:^\w+$ 15、E-mail地址:6+(.[\w-]+)@[\w-]+(.[\w-]+)+$ 16、URL:7+://(\w+(-\w+))(.(\w+(-\w+)))(?\s*)?$ 或:http://[A-Za-z0-9]+.[A-Za-z0-9]+[/=?%-&_~`@[]’:+!]*([<>""])$ 17、邮政编码:8\d{5}$ 18、中文:9+$ 19、电话号码:^((\d2,3)|(\d{3}-))?(0\d2,3|0\d{2,3}-)?[1-9]\d{6,7}(-\d{1,4})?$ 20、手机号码:^((\d2,3)|(\d{3}-))?13\d{9}$ 21、双字节字符(包括汉字在内):^\x00-\xff 22、匹配首尾空格:(^\s)|(\s*KaTeX parse error: Undefined control sequence: \/ at position 44: …TML标记:<(.*)>.*<\̲/̲\1>|<(.*) \/> …/ 37、腾讯QQ号:10[1-9][0-9]$ 38、帐号(字母开头,允许5-16字节,允许字母数字下划线):11[a-zA-Z0-9_]{4,15}$ 39、中文、英文、数字及下划线:12+$

常用正则表达式

业务上常用正则匹配手机号,邮箱等,我们把这些常用的拿出来,省的自己写了。

https://c.runoob.com/front-end/854 刚才的验证网站下有一些常用正则表达式,还可以参考Unicode中文和特殊字符的编码范围 , 下面列出了常用正则: 匹配中文字符的正则表达式: [\u4e00-\u9fa5] 匹配双字节字符(包括汉字在内):[^\x00-\xff]) 匹配空白行的正则表达式:\n\s*\r 匹配HTML标记的正则表达式:<(\S*?)[^>]>.?</>|<.? /> 匹配首尾空白字符的正则表达式:^\s|\s*$ 匹配Email地址的正则表达式:\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*

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):13[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):14\w{5,17}$

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}$

It never ends – $ not allowed Match all of these… and none of these… 答案是u\b, 本质上还是b结尾的单词,只是不可用$

12✔fu ✔tofu ✔snafu✕futz ✕fusillade ✕functional ✕discombobulated

0-9 ↩︎

A-Za-z ↩︎

A-Z ↩︎

a-z ↩︎

A-Za-z0-9 ↩︎

\w- ↩︎

a-zA-Z ↩︎

1-9 ↩︎

\u0391-\uFFE5 ↩︎

1-9 ↩︎

a-zA-Z ↩︎

\u4e00-\u9fa5_a-zA-Z0-9 ↩︎

a-zA-Z ↩︎

a-zA-Z ↩︎

最新回复(0)