Python-正则练习

1、IP地址

1.1、题目

匹配合法的IP地址
192.168.1.150
0.0.0.0
255.255.255.255
17.16.52.100
172.16.0.100
400.400.999.888
001.022.003.000
257.257.255.256

1.2、解答

(\d{1,3}\.){3}\d{1,3}
(?:\d{1,3}\.){3}\d{1,3} # 400.400.999.888

对于ip地址验证的问题
可以把数据提出来后，交给IP地址解析库 处理，如果解析异常，就说明有问题，正则的验证只是一
个初步的筛选，把明显错误过滤掉。
可以使用复杂的正则表达式验证地址正确性
前导0是可以的

import socket
nw = socket.inet_aton('192.168.05.001') # 错了抛异常
print(nw, socket.inet_ntoa(nw))


分析：
每一段上可以写的数字有1、01、001、000、23、023、230、100，也就说1位就是0-9,2位每一位也是
0-9,3位第一位只能0-2，其余2位都可以0-9
(?:([0-2]\d{2}|\d{1,2})\.){3}([0-2]\d{2}|\d{1,2}) # 解决超出200的问题，但是256
呢？
200是特殊的，要再单独分情况处理
25[0-5]|2[0-4]\d|[01]?\d\d? 这就是每一段的逻辑
(?:(25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)

2、提取文件名

2.1、题目

选出含有ftp的链接，且文件类型是gz或者xz的文件名

ftp://ftp.astron.com/pub/file/file-5.14.tar.gz
ftp://ftp.gmplib.org/pub/gmp-5.1.2/gmp-5.1.2.tar.xz
ftp://ftp.vim.org/pub/vim/unix/vim-7.3.tar.bz2
http://anduin.linuxfromscratch.org/sources/LFS/lfs-packages/conglomeration//iana-etc/iana-etc-2.30.tar.bz2
http://anduin.linuxfromscratch.org/sources/other/udev-lfs-205-1.tar.bz2
http://download.savannah.gnu.org/releases/libpipeline/libpipeline-1.2.4.tar.gz
http://download.savannah.gnu.org/releases/man-db/man-db-2.6.5.tar.xz
http://download.savannah.gnu.org/releases/sysvinit/sysvinit-2.88dsf.tar.bz2
http://ftp.altlinux.org/pub/people/legion/kbd/kbd-1.15.5.tar.gz
http://mirror.hust.edu.cn/gnu/autoconf/autoconf-2.69.tar.xz
http://mirror.hust.edu.cn/gnu/automake/automake-1.14.tar.xz

2.2、解答

.*ftp.*\.(?:gz|xz)
.*ftp.*/([^/]+(?:.xz|.gz))$   # 后面的分组就是文件名
(?<=.*ftp.*/)[^/]*\.(?:gz|xz) # 断言文件名前一定还有ftp，python的re模块不支持断言中
使用*、+或{3,4}等不固定长度的匹配

3、匹配邮箱地址

3.1、题目

test@hot-mail.com
v-ip@magedu.com
web.manager@magedu.com.cn
super.user@google.com
a@w-a-com

3.2、解答

确定规则，邮箱名为字母、数字、下划线、减号、点号，域名一样

\w[\w.-]*@([\w-]+\.)+\w+

@前至少一个字符开头，可以有字母、数字、下划线、减号、点号
@后至少有一个字符后跟点，重复至少1次，最后以1个字符串结尾

4、匹配html标记

4.1、题目

提取href中的链接url，提取文字“test”

<a href='http://www.test.com/index.html' target='_blank'>test</a>

4.2、解答

有的时候可以这样写 <a href=http://www.magedu.com/index.html target='_blank'>马哥教育
</a> ，属性attr不标准的写法不写单双引号，这个一般交给浏览器可以正常处理。

href=['"]?([^'"\s]*)

提取内容时，要考虑一下情况
<a href='http://www.mtest.com/index.html' target='_blank'>test</a><a>test1</a>

<a.*?>[^<>]*

a标签要到第一个右尖括号结束，不能贪婪。内容是其之后第一个左尖括号之前

5、匹配URL

5.1、题目

http://www.test.com/index.html
https://login.test.com
file:///ect/sysconfig/network

5.2、解答

(\w+)://(\S*)

6、匹配二代中国身份证ID

6.1、题目

321105700101003
321105197001010030
11210020170101054X
17位数字+1位校验码组成
前6位地址码，8位出生年月，3位数字，1位校验位（0-9或X）

6.2、解答

身份证验证
身份证验证需要使用公式计算，最严格的应该实名验证。
\d{17}[0-9xX]|\d{15}