正则表达式入门

Posted 2021-05-02 高斯程序设计

正则表达式: 又称正规表示法、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。

1. 正则表达式介绍

1.1 概念解释

正则表达式: 又称正规表示法、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些符合某个模式的文本。

1.2 引擎

DFA
传统型NFA
POSIX NFA
详细介绍还是继续看百度百科吧 (＞﹏＜)

2. 正则表达式使用

2.1 表达式总览

参考百度百科:https://baike.baidu.com/item/%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F/1700215?fr=aladdin

2.2 常用元字符

2.2.1 内容性字符

字符	理解
.(点)	匹配任意单个字符。
\w	单词字符，大多数情况下可等同[A-Za-z0-9_],有得引擎可匹配中文，有的不可以，如果在特殊情况下需要进行测试
\d	数字，等同[0-9]
\b	单词边界，即排除\w以外的字符

\W \D \w, \d 互斥集合
\s 空白字符，等价与[\f\n\r\t\v], 互斥集合\S

2.2.2 功能性字符

字符	理解
[]	区间段，比如[A-Fa-f0-7]、[aui391]，前后字符ascii码值大小不可颠倒。
^	匹配字符开始的位置。 如果在[]里使用则表示匹配字符不再区间内，例如[^\d]标识匹配除\d以外的字符。
$	匹配字符的结束位置。
+	表示表达式出现1次或重复多次;
?	表示表达式出现0次或1次;
*	表示表达式出现任意次数
{n}	表示出现n次，
{n, m}	表示出现n到m次，
{n,}	出现大于n次
\	转义符
()	分组获取，可使用1…99(最大数百度百科上是9)获取到分组匹配的结果，具体可以看总览表。
逻辑或	表达式的顺序会影响匹配结果，会将最先匹配到的结果返回
(?=pattern)	非获取匹配，匹配单词中的一部分，该匹配部分紧邻后部分需要符合pattern表达式
(?!pattern)	非获取匹配，匹配单词中的一部分，该匹配部分紧邻后部分不符合pattern表达式
(?<=pattern)	非获取匹配，匹配单词中的一部分，该匹配部分紧邻前部分需要符合pattern表达式
(?	非获取匹配，匹配单词中的一部分，该匹配部分紧邻前部分不符合pattern表达式

2.3 使用技巧

正则表达式不支持逻辑计算。
编写正则表达式的思路：

1. 观察需要匹配的文本特点和规律。

2. 尝试性编写正则表达式，由简入深的编写。

3. 反复测试正则表达式和完善表达式。

单词匹配
单词列表

1 2 3 4 5 6 7 8 9 10 11 12 13

house write first so these her long picture point animal again us try

查找长度5，第二个字符是o的单词

.o…
(这样匹配的时候会匹配上部分文本，以下有解决方法)

第二位是o或i的单词

.[oi]…
该表达式会匹配picture、animal的部分，解决这个问题可以在表达式两边加上\b, 结果
\b.[oi]…\b

子表达式和重复匹配

子表达式是表示一个复杂匹配的单元，使用()括起来的一组复杂的正则表达式。

1 2	((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.)((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.)((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.)(25[0-5]|1\d\d|2[0-4]\d|[12]\d|\d)等价于 ((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.){3}(25[0-5]|1\d\d|2[0-4]\d|[12]\d|\d)

以上(\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])和((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5]).)是子表达式。

回溯引用

回溯引用需要将要匹配的表达式分组。以下给出两个示例。
匹配html的中的h标签的文本段落

1 2 3 4

<h1>h1段落</h1> <h1>h1段落</H1> <h2>h21段落</h1> <h2>h2段落</h2>

正确匹配的正则表达式<([Hh][1-6])>.*</\1> 其中\1就是回溯的([Hh][1-6])表达式。

查找文本中的相邻重复单词
文本

1 2	This is a block of of text, serveral words here are are repeated, and and they should not be.

表达式[ ](\w+)[ ]+\1，会 将以上文本中的of of 、 are are和and and查找出来。

回溯替换，以下使用js代码作为示例了

1 2 3 4

var str = '2016-02-16'; var reg = /(\d{4})-(\d{2})-(\d{2})/; var ret = str.replace(reg, "$1-$3-$2"); console.log(ret);

贪婪匹配和非贪婪匹配

贪婪匹配，尽可能多的匹配文本，正则表达式默认启用的就是贪婪模式， +和都是贪婪匹配的字符；而非贪婪匹配，则是尽可能少的匹配文本，启用非贪婪模式则使用*?。

文本aaaaa
使用a+（贪婪模式）则会匹配整段文本
而使用a+?只则匹配文本中的单个a字符;

1 2 3

html <div>第一段文本html内容</div><div>第二段html内容</div> <div>.*</div>表达式会匹配整段代码，即贪婪模式。 <div>.*?</div>表达式只会匹配 <div>第一段文本html内容</div>，即非贪婪模式。

3常用正则表达式

规则	正则表达式语法
一个或多个汉字	^[\u0391-\uFFE5]+$
邮政编码	^[1-9]\d{5}$
QQ号码	^[1-9]\d{4,10}$
邮箱	1 ^[a-zA-Z_]{1,}[0-9]{0,}@(([a-zA-z0-9]-*){1,}\.){1,3}[a-zA-z\-]{1,}$
用户名 （字母开头 + 数字/字母/下划线）	1 ^[A-Za-z][A-Za-z1-9_-]+$
手机号码	1 2 ^1[3|4|5|8][0-9]\d{8}$ URL ^((http|https)://)?([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
18位身份证号	1 ^(\d{6})(18|19|20)?(\d{2})([01]\d)([0123]\d)(\d{3})(\d|X|x)?$

-------------感谢您的阅读祝您生活愉快!-------------