正则表达式使用
1. 常用元字符
| 元字符 | 说明 |
|---|---|
| . | 匹配除换行符以外的任意字符 |
| \w | 匹配字母或数字或下划线或汉字 |
| \s | 匹配任意的空白符 |
| \d | 匹配数字 |
| \b | 匹配单词的开始或结束 |
| ^ | 匹配字符串的开始 |
| $ | 匹配字符串的结束 |
- \b 代表着单词的开头或结尾,即单词的分界处.通常英文的单词是由空格,标点符号或者换行来分隔的,
但是\b并不匹配这些单词分隔字符中的任何一个,它只匹配一个位置. - . 点号也是一个元字符,匹配除换行符意外的任意任意字符.
- * 星号元字符,代表的不是字符,也不是位置,而是数量.它指定*前面的内容可以连续重复使用任意次数来使整个表达式得到匹配.
- .* 则表示匹配任意数量的不包含换行的字符
- \d 元字符,匹配一位数字
- \s 匹配任意的空白符,包括空格,制表符(Tab),换行符,中文全角空格等.
- \w 匹配字母,数字,下划线或汉字等.
- \d+ 匹配1个或者更多连续的数字
- + 与 * 的区别:
- * 匹配重复任意次,也可能是0次
- + 匹配重复1次或更多次
2. 字符转义
查找匹配.或或\等字符就得使用\来取消这些字符的特殊意义,因为它们会被解释成别的意思。
因此，应该使用.和\和\. 例如：C:\Windows匹配C:\Windows。
3. 重复匹配次数的限定符
| 代码/语法 | 说明 |
|---|---|
| * | 重复零次或更多次 |
| + | 重复一次或更多次 |
| ? | 重复零次或一次 |
| {n} | 重复n次 |
| {n,} | 重复n次或更多次 |
| {n,m} | 重复n到m次 |
4. 指定匹配范围
匹配在指定字符范围或集合中的一个字符,用[指定你的字符范围或集合]
如[aeiou] 匹配任何一个英文元音字母
[.?!] 匹配标点符号(.或?或!)
[0-9]代表的含意与\d就是完全一致的：匹配一位数字
5. 多条件匹配
多条件匹配,如果满足其中任意一个匹配条件则匹配,多个匹配条件使用|将多个匹配条件隔开.
注意: 使用多条件匹配要注意各个条件的顺序,多条件匹配是从左到右地测试每个条件，如果满足了某个条件，就不会去再管其它的条件了。
例如:
\d{5}-\d{4}|\d{5}这个表达式用于匹配美国的邮政编码。美国邮编的规则是5位数字，或者用连字号间隔的9位数字。
如果你把它改成\d{5}|\d{5}-\d{4}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。
6. 分组
重复单个字符: 直接在字符后面加上限定符
重复多个字符: 使用括号指定子表达式,再对这个子表达式加次数限定符
组号分配原则：
分组0对应整个正则表达式
实际上组号分配过程是要从左向右扫描两遍的：第一遍只给未命名组分配，第二遍只给命名组分配－－因此所有命名组的组号都大于未命名的组号
你可以使用(?:exp)这样的语法来剥夺一个分组对组号分配的参与权
例如:匹配IP
((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
常用分组语法:
| 分类 | 语法 | 说明 |
|---|---|---|
| 捕获 | (exp) | 匹配exp,并捕获文本到自动命名的组里 |
| 捕获 | (? |
匹配exp,并捕获文本到名称为name的组里，也可以写成(?’name’exp) |
| 捕获 | (?:exp) | 匹配exp,不捕获匹配的文本，也不给此分组分配组号 |
| 零宽断言 | (?=exp) | 匹配exp前面的位置 |
| 零宽断言 | (?<=exp) | 匹配 exp后面的位置 |
| 零宽断言 | (?!exp) | 匹配后面跟的不是exp的位置 |
| 零宽断言 | (?<!exp) | 匹配前面不是exp的位置 |
| 注释 | (?#comment) | 这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读 |
第三个(?:exp)不会改变正则表达式的处理方式，只是这样的组匹配的内容不会像前两种那样被捕获到某个组里面，也不会拥有组号。
7. 反义
有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况.
常用到的反义：
| 语法 | 说明 |
|---|---|
| \W | 匹配任意不是字母，数字，下划线，汉字的字符 |
| \S | 匹配任意不是空白符的字符 |
| \D | 匹配任意非数字的字符 |
| \B | 匹配不是单词开头或结束的位置 |
例如:
[^x] 匹配除了x以外的任意字符
[^aeiou] 匹配除了aeiou这几个字母以外的任意字符
8. 后向引用
使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。后向引用用于重复搜索前面某个分组匹配的文本。
你也可以自己指定子表达式的组名。指定一个子表达式的组名语法：
(?
9. 注释
小括号的另一种用途是通过语法(?#comment)来包含注释
要包含注释的话，最好是启用“忽略模式里的空白符”选项，这样在编写表达式时能任意的添加空格，Tab，换行，而实际使用时这些都将被忽略。启用这个选项后，在#后面到这一行结束的所有文本都将被当成注释忽略掉。
例如，我们可以前面的一个表达式写成这样：
(?<= # 断言要匹配的文本的前缀
<(\w+)> # 查找尖括号括起来的字母或数字(即HTML/XML标签)
) # 前缀结束
.* # 匹配任意文本
(?= # 断言要匹配的文本的后缀
<\/\1> # 查找尖括号括起来的内容：前面是一个”/“，后面是先前捕获的标签
) # 后缀结束
10. 贪婪与懒惰
正则表达式通常的行为是贪婪匹配
贪婪匹配:一次匹配尽可能多的字符
懒惰匹配:一次匹配尽可能少的字符
贪婪匹配转懒惰匹配:只要在后面加上?
懒惰限定符:
| 语法 | 说明 |
|---|---|
| *? | 重复任意次，但尽可能少重复 |
| +? | 重复1次或更多次，但尽可能少重复 |
| ?? | 重复0次或1次，但尽可能少重复 |
| {n,m}? | 重复n到m次，但尽可能少重复 |
| {n,}? | 重复n次以上，但尽可能少重复 |
11. 处理选项
| 名称 | 说明 |
|---|---|
| IgnoreCase(忽略大小写) | 匹配时不区分大小写。 |
| Multiline(多行模式) | 更改^和$的含义,使它们分别在任意一行的行首和行尾匹配,而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置.) |
| Singleline(单行模式) | 更改.的含义，使它与每一个字符匹配（包括换行符\n）。 |
| IgnorePatternWhitespace(忽略空白) | 忽略表达式中的非转义空白并启用由#标记的注释。 |
| ExplicitCapture(显式捕获) | 仅捕获已被显式命名的组。 |
12. 递归匹配/平衡组
| 语法 | 说明 |
|---|---|
| (?’group’) | 把捕获的内容命名为group,并压入堆栈(Stack) |
| (?’-group’) | 从堆栈上弹出最后压入堆栈的名为group的捕获内容，如果堆栈本来为空，则本分组的匹配失败 |
| (?(group)yes|no) | 如果堆栈上存在以名为group的捕获内容的话，继续匹配yes部分的表达式，否则继续匹配no部分 |
| (?!) | 零宽负向先行断言，由于没有后缀表达式，试图匹配总是失败 |
我们需要做的是每碰到了左括号，就在压入一个”Open”,每碰到一个右括号，就弹出一个，到了最后就看看堆栈是否为空－－如果不为空那就证明左括号比右括号多，那匹配就应该失败。正则表达式引擎会进行回溯(放弃最前面或最后面的一些字符)，尽量使整个表达式得到匹配。
平衡组的一个最常见的应用就是匹配HTML,下面这个例子可以匹配嵌套的
13. 未详细讨论的语法
| 代码/语法 | 说明 | |
|---|---|---|
| \a | 报警字符(打印它的效果是电脑嘀一声) | |
| \b | 通常是单词分界位置，但如果在字符类里使用代表退格 | |
| \t | 制表符，Tab | |
| \r | 回车 | |
| \v | 竖向制表符 | |
| \f | 换页符 | |
| \n | 换行符 | |
| \e | Escape | |
| \0nn | ASCII代码中八进制代码为nn的字符 | |
| \xnn | ASCII代码中十六进制代码为nn的字符 | |
| \unnnn | Unicode代码中十六进制代码为nnnn的字符 | |
| \cN | ASCII控制字符。比如\cC代表Ctrl+C | |
| \A | 字符串开头(类似^，但不受处理多行选项的影响) | |
| \Z | 字符串结尾或行尾(不受处理多行选项的影响) | |
| \z | 字符串结尾(类似$，但不受处理多行选项的影响) | |
| \G | 当前搜索的开头 | |
| \p{name} | Unicode中命名为name的字符类，例如\p{IsGreek} | |
| (?>exp) | 贪婪子表达式 | |
| (?\ |
平衡组 | |
| (?im-nsx:exp) | 在子表达式exp中改变处理选项 | |
| (?im-nsx) | 为表达式后面的部分改变处理选项 | |
| (?(exp)yes\ | no) | 把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no |
| (?(exp)yes) | 同上，只是使用空表达式作为no | |
| (?(name)yes\ | no) | 如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no |
| (?(name)yes) | 同上，只是使用空表达式作为no |
14. 常用正则表达式
说明：正则表达式通常用于两种任务：1.验证，2.搜索/替换。
用于验证时，通常需要在前后分别加上^和$，以匹配整个待验证字符串；
搜索/替换时是否加上此限定则根据搜索的要求而定，
此外，也有可能要在前后加上\b而不是^和$。
此表所列的常用正则表达式，除个别外均未在前后加上任何限定，请根据需要，自行处理。
| 说明 | 正则表达式 | ||||
|---|---|---|---|---|---|
| 网址（URL） | [a-zA-z]+://[^\s]* | ||||
| IP地址(IP Address) | ((2[0-4]\d | 25[0-5] | [01]?\d\d?).){3}(2[0-4]\d | 25[0-5] | [01]?\d\d?) |
| 电子邮件(Email) | \w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)* | ||||
| QQ号码 | [1-9]\d{4,} | ||||
| HTML标记(包含内容或自闭合) | <(.)(.)>.*<\/\1> | <(.*) \/> | |||
| 密码(由数字/大写字母/小写字母/标点符号组成，四种都必有，8位以上) | (?=^.{8,}$)(?=.\d)(?=.\W+)(?=.[A-Z])(?=.[a-z])(?!.\n).$ | ||||
| 日期(年-月-日) | (\d{4} | \d{2})-((1[0-2]) | (0?[1-9]))-(([12][0-9]) | (3[01]) | (0?[1-9])) |
| 日期(月/日/年) | ((1[0-2]) | (0?[1-9]))/(([12][0-9]) | (3[01]) | (0?[1-9]))/(\d{4} | \d{2}) |
| 时间(小时:分钟, 24小时制) | ((1 | 0?)[0-9] | 2[0-3]):([0-5][0-9]) | ||
| 汉字(字符) | [\u4e00-\u9fa5] | ||||
| 中文及全角标点符号(字符) | [\u3000-\u301e\ufe10-\ufe19\ufe30-\ufe44\ufe50-\ufe6b\uff01-\uffee] | ||||
| 中国大陆固定电话号码 | (\d{4}- | \d{3}-)?(\d{8} | \d{7}) | ||
| 中国大陆手机号码 | 1\d{10} | ||||
| 中国大陆邮政编码 | [1-9]\d{5} | ||||
| 中国大陆身份证号(15位或18位) | \d{15}(\d\d[0-9xX])? | ||||
| 非负整数(正整数或零) | \d+ | ||||
| 正整数 | [0-9][1-9][0-9] | ||||
| 负整数 | -[0-9][1-9][0-9] | ||||
| 整数 | -?\d+ | ||||
| 小数 | (-?\d+)(.\d+)? | ||||
| 不包含abc的单词 | \b((?!abc)\w)+\b |
说明:该文章参考正则表达式教程