5分钟，正则表达式不再是你的烦恼！

Posted 2021-05-02 小黑格子屋

。

作为猿族的大家应该都知道，正则表达式在匹配查询内容和匹配搜索方面还是较为常用的。今天小黑就来分享一篇关于正则表达式的干货给大家，希望对大家有所帮助~

其实五分钟想详细看完都困难，跟不说了如指掌了。我所表达的意思其实是，五分钟浏览一篇，喜欢收藏备用，感觉一般，浏览一遍能记多少就看自己咯~

1、元字符

常用的元字符

2、字符转义

如你要查找<code>.</code>，或者<code>*</code>,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用<code>\.</code>和<code> \* </code>。当然，要查找<code> \ </code>本身，你也得用<code>\\ </code>。

3、重复

常用的限定符

4、字符类

[“your set”]：如[aeiou]，则匹配<code>a</code>，<code>e</code>，<code>i</code>，<code>o</code>和<code>u</code>中的任意一个，同理[.?!]匹配标点符号(<code>.</code>或<code>?</code>或<code>!</code>)。

[0-9]：与<code>\d</code>就是完全一致，表示一位数字。

[a-zA-Z]：表示一个字母，[a-z0-9A-Z]等同于<code>\w</code>(当然值考虑英文的话)。

例4-1：\(?0\d{2}[)-]?\d{8}

【分析】

我们对它进行一些分析吧。

首先是一个转义字符<code>\(</code>，它能出现0次或1次<code>?</code>，然后是一个0，后面跟着2个数字<code>\d{2}</code>，然后是)或-或空格中的一个，它出现1次或不出现<code>?</code>，最后是8个数字<code>\d{8}</code>。

5、分枝条件

如果你认真去看例4-1，发现那个表达式也能匹配010)12345678或(022-87654321这样的“不正确”的格式。要解决这个问题，我们需要用到分枝条件。

正则表达式里的分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用<code>|</code>（竖线）把不同的规则分隔开

例5-1：0\d{2}-\d{8}|0\d{3}-\d{7}

【分析】

【注意】

使用分枝条件时，要注意各个条件的顺序。因为匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。如：<code>\d{5}-\d{4}|\d{5}</code>和<code>\d{5}|\d{5}-\d{4}</code>是不同的。

6、分组

我们已经提到了怎么重复单个字符（直接在字符后面加上限定符就行了）；但如果想要重复多个字符又该怎么办？你可以用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了。

例6-1：(\d{1,3}.){3}\d{1,3}

【分析】

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，这时需要用到反义。

常用的反义代码

8、反向引用

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。例如，<code>\1</code>代表分组1匹配的文本。

例8-1：\b(\w+)\b\s+\1\b

【分析】

可以匹配重复的单词，像go go, 或者kitty kitty。这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字<code>\b(\w+)\b</code>，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符<code>\s+</code>，最后是分组1中捕获的内容（也就是前面匹配的那个单词）<code>\1</code>。

常用分组语法

9、贪婪与懒惰

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。

有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。

现在看看懒惰版的例子吧：
a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。

【注意】最先开始的匹配拥有最高的优先权。

懒惰限定符

附表

<code>(pattern)</code> 匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '(' 或 ')'。

<code>(?:pattern)</code>    匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符“|”来组合一个模式的各个部分是很有用。

例如，“industr(?:y|ies)”就是一个比 “industry|industries” 更简略的表达式。

<code>(?=pattern)</code>   正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。

<code>(?!pattern)</code> 负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。

<code>x|y</code>匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。

<code>用户名</code>：^[a-z0-9_-]{3,16}$

<code>密码</code>：^[a-z0-9_-]{6,18}$

<code>十六进制值</code>：^#?([a-f0-9]{6}|[a-f0-9]{3})$

<code>电子邮箱</code>：^([a-z0-9_.-]+)@([\da-z.-]+).([a-z.]{2,6})$

<code>URL</code>：^(https?://)?([\da-z.-]+).([a-z.]{2,6})([/\w .-]*)*/?$

<code>html 标签</code>：<([a-z]+)([<]+)*(?:>(.*)</\1>|\s+/>)$

<code>Unicode编码中的汉字范围</code>：^[u4e00-u9fa5],{0,}$

<code>匹配中文字符的正则表达式</code>： [\u4e00-\u9fa5]

评注：匹配中文还真是个头疼的事，有了这个表达式就好办了

<code>匹配双字节字符</code>(包括汉字在内)：[^\x00-\xff]

评注：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）

<code>匹配空白行的正则表达式</code>：\n\s*\r

评注：可以用来删除空白行

<code>匹配HTML标记的正则表达式</code>：<(\S*?)[^>]*>.*?</\1>|<.*? />

评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

<code>匹配首尾空白字符的正则表达式</code>：^\s*|\s*$

评注：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

评注：表单验证时很实用

<code>匹配网址URL的正则表达式</code>：[a-zA-z]+://[^\s]*

评注：网上流传的版本功能很有限，上面这个基本可以满足需求

<code>匹配帐号是否合法</code>(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}$

评注：表单验证时很实用

评注：匹配形式如 0511-4405222 或 021-87888822

<code>匹配腾讯QQ号</code>：[1-9][0-9]{4,}

评注：腾讯QQ号从10000开始

<code>匹配中国大陆邮政编码</code>：[1-9]\d{5}(?!\d)

评注：中国大陆邮政编码为6位数字

<code>匹配身份证</code>：\d{15}|\d{18}

评注：中国大陆的身份证为15位或18位

<code>匹配特定数字</code>：

^[1-9]\d*$　 　 //匹配正整数

^-[1-9]\d*$ 　 //匹配负整数

^-?[1-9]\d*$　　 //匹配整数

^[1-9]\d*|0$　 //匹配非负整数（正整数 + 0）

^-[1-9]\d*|0$　　 //匹配非正整数（负整数 + 0）

^[1-9]\d*.\d*|0.\d*[1-9]\d*$　　 //匹配正浮点数

^-([1-9]\d*.\d*|0.\d*[1-9]\d*)$　 //匹配负浮点数

^-?([1-9]\d*.\d*|0.\d*[1-9]\d*|0?.0+|0)$　 //匹配浮点数

^[1-9]\d*.\d*|0.\d*[1-9]\d*|0?.0+|0$　　 //匹配非负浮点数（正浮点数 + 0）

^(-([1-9]\d*.\d*|0.\d*[1-9]\d*))|0?.0+|0$　　//匹配非正浮点数（负浮点数 + 0）

评注：处理大量数据时有用，具体应用时注意修正

<code>匹配特定字符串</code>：

^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串

^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串

^[a-z]+$　　//匹配由26个英文字母的小写组成的字符串

^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串

^\w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串

往期精选

END

小黑是个好人，只推送有用的东西。

▼

 长按左侧二维码关注

 微信ID：xhmsvip

 小黑QQ1：275326202(已满)

 小黑QQ2：3251175005

 小黑微博：小黑黑的格子屋