常见正则表达式

Posted 忆往昔

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了常见正则表达式相关的知识,希望对你有一定的参考价值。

1. 常用的元字符

代码说明
. 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
\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

2. 常用的限定符

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

3. 常用的反义词

代码/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
[^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

4. 懒惰限定符

代码/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

5. 常用分组语法

 

代码/语法说明
(exp) 匹配exp,并捕获文本到自动命名的组里
(?< name >exp) 匹配exp,并捕获文本到名称为name的组里,也可以写成(?‘name‘exp)
(?:exp) 匹配exp,不捕获匹配的文本,也不给此分组分配组号
(?=exp) 匹配exp前面的位置
(?<=exp) 匹配exp后面的位置
(?!exp) 匹配后面跟的不是exp的位置
(?< !exp) 匹配前面不是exp的位置
(?#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

常用正则表达式

1. 匹配中文字符

正则表达式:[\u4e00-\u9fa5]

说明:目前主流计算机底层的编码系统都是Unicode,而在Unicode标准中,汉字表的第一个编码为U+4e00,最后一个编码为U+9fa5,所以[\u4e00-\u9fa5]就代表匹配任意一个Unicode编码表中存在的汉字。

2.匹配双字节字符

正则表达式:[^\x00-\xff]

说明:\x代表十六进制形式,2个字节长度的十六进制最大范围为00-ff,所以[^\x00-\xff]表示匹配长度为双字节的字符。

3. 匹配空白行

正则表达式:\n\s*\r

说明:这个表达式表示匹配内容中的空白行,比如一个txt由多行文字组成,并且句子与句子之间存在空白行,这个正则表达式便能加以区分。

首先,\n表示匹配一个换行符,而\s*代表匹配任意的空白符,\r表示匹配任意的回车符。

示例如下。

public class Program
    {
        static void Main(string[] args)
        {
            string[] sentences =
            {
                @"C# code

",
                @"Chapter 2: 

Writing Code",
                @"Unicode",
                @"match

here"
            };

            string sPattern = @"\n\s*\r";
            foreach (string s in sentences)
            {
                if (System.Text.RegularExpressions.Regex.IsMatch(s, sPattern, System.Text.RegularExpressions.RegexOptions.IgnoreCase))
                {
                    System.Console.WriteLine("  (match for ‘{0}‘ found)", s);
                }
                else
                {
                    System.Console.WriteLine();
                }
            }
        }
    }

4. 匹配Email地址

[\w!#$%&‘*+/=?^_`{|}~-]+(?:\.[\w!#$%&‘*+/=?^_`{|}~-]+)*@(?:[\w](?:[\w-]*[\w])?\.)+[\w](?:[\w-]*[\w])?

示例:[email protected][email protected],[email protected]

5. 匹配URL

正则表达式:[a-zA-Z]+:\/\/[^\s]*

说明:[a-zA-Z]+表示匹配任意长度字符串,并且字符串包含的字符只能是a和z或者A和Z之间的字母。‘:\/\/’表示匹配“://”字符串。[^\s]*表示匹配任意长度的不包含非空字符的字符串。

当然了,日常生活中见到的网址URL大多以http或https开头,所以匹配以http或者https开发的网址也十分简单,笔者随手写了两个以供参考,比如 (http|https)://[^\s]*或者http[s]?://[^\s]*

6. 匹配国内电话号码

正则表达式:\d{3}-\d{8}|\d{4}-\d{7,8}

说明:‘|’将匹配条件分为两部分。\d{3}-\d{8}代表匹配xxx-xxxxxxxx数字形式的号码。右边的\d{4}-\d{7,8}代表匹配xxxx-xxxxxxx或者xxxx-xxxxxxxx数字形式的号码。

示例:0577-12345678

7. 匹配腾讯qq号

正则表达式:[1-9][0-9]{4,}

说明:这个正则EXP十分容易理解,[1-9]表示匹配QQ号首位不为零的任意数字,[0-9]{4,}表示匹配从第二位开始最小长度为4的任意数字的字符串。

示例:1242450501

8. 匹配中国邮政编码

正则表达式:[1-9]\d{5}(?!\d)

说明:[1-9]表示匹配不为零的任意数字,(?!)表示零宽断言的一种语法,又称零宽度负预测先行断言,表示位置的后面不能匹配表达式,所以\d{5}(?!\d)表示匹配5位数字,而且这5位数字的后面不能是数字。

示例:325800,325800编码

9. 匹配18位身份证

正则表达式:^(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)$

说明:这段正则虽然很长,其实表达的意思也非常简单。\d{6}代表匹配6位数字,\d{4}代表匹配4位数字,\d{2}代表匹配2位数字,\d{3}代表匹配3位数字,最后的[0-9]|X代表匹配0到9的任意数字,或者匹配X字母,正巧,笔者的身份证最后一位就是X。

示例: 65900719951006773X

10. 匹配正整数

正则表达式:^[1-9]\d*$

说明:[1-9]表示首位匹配1到9的任意数字,\d*代表从第二位开始可以为空,不为空时必须为数字。由此正则推广开来,匹配负整数的表达式格式应该为 ^-[1-9]\d*$ 。

11. 匹配整数

正则表达式:^-?[1-9]\d*$

说明:后面的[1-9]\d*和匹配正整数的表达式一致,所以只要看懂-?代表整数的符号位可以有‘-’即可。

12. 匹配非负整数

正则表达式:^[1-9]\d*|0$

说明:[1-9]\d*和匹配正整数的表达式一致,|0表示可为0。同理,表示非正整数的表达式应该是 ^-[1-9]\d*|0$ 。

13. 匹配正浮点数

正则表达式:^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$

说明:[1-9]\d*\.\d*代表匹配格式形如“正整数.数字”的字符串,0\.\d*[1-9]\d*$ 代表匹配格式形如“0.数字”的字符串。中间用|代表或条件。所以同理,匹配负浮点数的正则为^-[1-9]\d*\.\d*|-0\.\d*[1-9]\d*$

以上是关于常见正则表达式的主要内容,如果未能解决你的问题,请参考以下文章

markdown 正则表达式模式片段

正则表达式匹配特定的 URL 片段而不是所有其他 URL 可能性

常见正则表达式

循环通过 python 正则表达式匹配

正则表达式的常见用法-读取豆瓣图书信息

15个常见正则表达式