正则匹配整数⼩数百分数_正则表达式汇总表
⼀、万能法则
贪婪与⾮贪婪匹配
如：str="ab123c"
  p1="ab.*?c"
p2="ab(.*?)c"
贪婪匹配：正则表达式⼀般趋向于最⼤长度匹配，也就是所谓的贪婪匹配。如上⾯使⽤模式p1匹配字符串str，结果就是匹配到：ab123c。⾮贪婪匹配：就是匹配到结果就好，就少的匹配字符。如上⾯使⽤模式p2匹配字符串str，结果就是匹配到：123。
注意：在实践中，正则没必要⼀⼝就吞个胖⼦，可以降阶匹配，少费点脑⼒，后⾯结合BeautifulSoup，就更简单啦。
多⾏匹配
re.S：.将会匹配换⾏符，默认.不会匹配换⾏符。(Python Cookbook的⽅法OUT啦)
>>>re.findall("a(\d+)b.+a(\d+)b", "a23b\na34b")
[]
>>>re.findall("a(\d+)b.+a(\d+)b", "a23b\na34b", re.S)
[('23', '34')]
re.M：^$标志将会匹配每⼀⾏，默认^和$只会匹配第⼀⾏：
>>>re.findall("^a(\d+)b", "a23b\na34b")
['23']
>>>re.findall("^a(\d+)b", "a23b\na34b", re.M)
['23', '34']
如果没有^标志：
>>>re.findall("a(\d+)b", "a23b\na23b")
['23', '23']
具体的例⼦稍后会⽤爬⾍实例进⾏解说。
⼆、校验数字表达式
1 数字：^[0-9]*$
2 n位的数字：^\d{n}$
3 ⾄少n位的数字：^\d{n,}$
4 m-n位的数字：^\d{m,n}$
5 零和⾮零开头的数字：^(0|[1-9][0-9]*)$
6 ⾮零开头的最多带两位⼩数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
7 带1-2位⼩数的正数或负数：^(\-)?\d+(\.\d{1,2})?$
8 正数、负数、和⼩数：^(\-|\+)?\d+(\.\d+)?$
9 有两位⼩数的正实数：^[0-9]+(.[0-9]{2})?$
10 有1~3位⼩数的正实数：^[0-9]+(.[0-9]{1,3})?$
11 ⾮零的正整数：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
12 ⾮零的负整数：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
13 ⾮负整数：^\d+$ 或 ^[1-9]\d*|0$
14 ⾮正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 ⾮负浮点数：^\d+(\.\d+)?$ 或^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
16 ⾮正浮点数：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
17 正浮点数：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 负浮点数：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮点数：^(-?\d+)(\.\d+)?$ 或^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
三、校验字符表达式
1 汉字：^[\u4e00-\u9fa5]{0,}$
2 英⽂和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3 长度为3-20的所有字符：^.{3,20}$
4 由26个英⽂字母组成的字符串：^[A-Za-z]+$
5 由26个⼤写英⽂字母组成的字符串：^[A-Z]+$
6 由26个⼩写英⽂字母组成的字符串：^[a-z]+$
7 由数字和26个英⽂字母组成的字符串：^[A-Za-z0-9]+$
8 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}$
9 中⽂、英⽂、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
10 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}$
11 可以输⼊含有^%&',;=?$\"等字符：[^%&',;=?$\x22]+
12  禁⽌输⼊含有~的字符：[^~\x22]+
四、特殊需求表达式
1 Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
2 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL：[a-zA-z]+://[^\s]* 或^([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
4 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}$
5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6 国内电话号码(0511-*******、021-********)：\d{3}-\d{8}|\d{4}-\d{7}
7 ⾝份证号(15位、18位数字)：^\d{15}|\d{18}$
8 短⾝份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9 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)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10 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)：^[a-zA-Z]\w{5,17}$
11 强密码(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)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
12 ⽇期格式：^\d{4}-\d{1,2}-\d{1,2}
13 ⼀年的12个⽉(01～09和1～12)：^(0?[1-9]|1[0-2])$
14 ⼀个⽉的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
15 钱的输⼊格式：
15-1.有四种钱的表⽰形式我们可以接受:"10000.00" 和"10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$
15-2.这表⽰任意⼀个不以0开头的数字，但是，这也意味着⼀个字符"0"不通过，所以我们采⽤下⾯的形式：^(0|[1-9][0-9]*)$
15-3.⼀个0或者⼀个不以0开头的数字.我们还可以允许开头有⼀个负号：^(0|-?[1-9][0-9]*)$
15-4.这表⽰⼀个0或者⼀个可能为负的开头不为0的数字.让⽤户以0开头好了.把负号的也去掉，因为钱总不能是负的吧.下⾯我们要加的是说明可能的⼩数部分：^[0-9]+(.[0-9]+)?$
15-5.必须说明的是,⼩数点后⾯⾄少应该有1位数，所以"10."是不通过的，但是 "10" 和 "10.2" 是通过的：^[0-9]+(.[0-9]{2})?$
15- 6.这样我们规定⼩数点后⾯必须有两位，如果你认为太苛刻了，可以这样：^[0-9]+(.[0-9]{1,2})?$
15-7.这样就允许⽤户只写⼀位⼩数.下⾯我们该考虑数字中的逗号了，我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
15-8.1到3个数字，后⾯跟着任意个 逗号+3个数字，逗号成为可选,⽽不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
*备注：这就是最终结果了，别忘了"+"可以⽤"*"替代如果你觉得空字符串也可以接受的话(奇怪，为什么?)最后，别忘了在⽤函数时去掉去掉那个反斜杠,⼀般的错误都在这⾥
16 xml⽂件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
17 中⽂字符的正则表达式：[\u4e00-\u9fa5]
18 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))
19 空⽩⾏的正则表达式：\n\s*\r (可以⽤来删除空⽩⾏)
20 HTML标记的正则表达式：]*>.*?\1>|<.> (⽹上流传的版本太糟糕，上⾯这个也仅仅能部分，对于复杂的嵌套标记依旧⽆能为⼒)
21 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)，⾮常有⽤的表达式)
22 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
23 中国：[1-9]\d{5}(?!\d) (中国为6位数字)
24 IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址时有⽤)
25 IP地址：((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))
实例：⽤python爬取⽹站数据1.运⾏环境和python库
先说下运⾏环境：
python3.5
windows7， 64位系统python库
本次智联招聘的⽹站爬取，主要涉及以下⼀些python库：
requests
BeautifulSoup
multiprocessing
pymongo
itertools
2.爬取的主要步骤
根据关键字、城市、以及页⾯编号⽣成需要爬取的⽹页链接
⽤requests获取相应的⽹页内容
⽤BeautifulSoup解析，获取需要的关键信息
将爬取的信息存⼊MongoDB数据库中，插⼊新记录或更新已有记录
⽤multiprocessing启动多进程进⾏爬取，提⾼运⾏效率
3.⽂件组成
信息配置⽂件“zhilian_kw_config.py”
爬⾍主运⾏⽂件“zhilian_kw_spider.py”
在配置⽂件中设置需要爬取的信息，然后运⾏主程序进⾏内容抓取。
配置⽂件“zhilian_kw_config.py”的内容如下：
#Code based on Python 3.x
正则表达式提取中文字符#_*_ coding: utf-8 _*_
#__Author: "LEMON"
TOTAL_PAGE_NUMBER= 90  # PAGE_NUMBER: total number ofpages，可进⾏修改KEYWORDS= ['⼤数据', 'python', '投资经理'] # 需爬取的关键字可以⾃⼰添加或修改
#爬取主要城市的记录
ADDRESS= ['全国', '北京', '上海', '⼴州', '深圳',
'天津', '武汉', '西安', '成都', '⼤连',
'长春', '沈阳', '南京', '济南', '青岛',
'杭州', '苏州', '⽆锡', '宁波', '重庆',
'郑州', '长沙', '福州', '厦门', '哈尔滨',
'⽯家庄', '合肥', '惠州', '太原', '昆明',
'烟台', '佛⼭', '南昌', '贵阳', '南宁']
MONGO_URI= 'localhost'
MONGO_DB= 'zhilian'
爬⾍主运⾏⽂件“zhilian_kw_spider.py”的内容如下：
#Code based on Python 3.x

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。