正则表达式结合实例简单梳理

Posted 2020-11-09 Chellyyy

        正则表达式在所有语言中都是通用的，它使用一种特定的规则来匹配一个字符串，当满足这个规则，就认为此字符串匹配成功。结合各个语言中的不同方法，可以返回匹配成功true、false或者匹配的字符串等。

        本文对正则表达式做一个简单的知识梳理，结合一些小例子来加深印象。

        正则表达式的验证方法现在也多种多样，在这里就不推荐了，大家选择适合自己用得惯的就好。

 

常用元字符

        既然是特定的规则，那么在正则表达式中就有相对应的特殊符号，你不用去记它的名字是什么，只需要知道它做了什么。

.	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

　　这里分辨一下\\b与^、$的区别，\\b匹配的是单词的开始或结束，也就是说它匹配的是一个“单词”，而^与$是匹配字符串的开始或结束。看下面的例子

        

        图中，用\\b去匹配字符串的时候虽然设定的匹配条件是\\w.*匹配任意数量的字母数字汉字或下划线，□□□abc虽然不是以匹配条件开头，但对于\\b来说，a才是一个单词的开始。而^与$则是指定了必须要以匹配条件开头，所以□□□abc未能匹配。

        另外，对于单词界限通常认为是以空格，符号做分割。

        更多例子：

        \\ba\\w*\\b匹配以字母a开头的单词——先是某个单词开始处(\\b)，然后是字母a,然后是任意数量的字母或数字(\\w*)，最后是单词结束处(\\b)。

        ^\\d\\w*$匹配以1个数字开头，任意字母或数字结尾

常用反义字符

        与上述元字符所匹配的规则相反。这里的反义字符一般用于想匹配没有数字，或没有空白字符的情况，也就是限定条件唯一的情况下用比较方便（好吧，可能是我用这方面的功能比较多，其他功能大家可以自行去发掘~）

\\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

        需要注意的是，\\S匹配的并不是以空格分割的字符串，而是每个字符，也就是说匹配的是单个字符。

        更多例子：

        \\S+匹配不包含空白符的字符串。

        <a[^>]+>匹配用尖括号括起来的以a开头的字符串。

常用限定符

        个人理解限定符就相当于把原来的元字符从加法转换成了乘法。

*	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

        例如\\d\\d\\d\\d\\d匹配五个数字现在就可以写成\\d{5}。

        更多例子：

        abc\\d+匹配abc后面跟1个或更多数字

        ^\\w+匹配一行的第一个单词

分组

        重复单个字符很简单，那重复多个字符就需要用到分组了。分组就是在你需要重复的字符外加一个括号。这就像我们做四则运算时需要先算加法再算乘法的话，需要先把加法式子用括号括起来一样。

捕获
(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
零宽断言
(?=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
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

        在正则表达式中，用括号分组之后的匹配文本会被捕获到自动命名的组中，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。利用这个特点，我们可以给分组命名，这样就可以很方便地获得分组中的文本了。

        更多例子：

        \\b(\\w+)\\b\\s+\\1\\b匹配重复的文本。（括号中的文本被捕获成一个分组，后面\\1又匹配了一次第一个分组中的文本）

        (?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如\\b\\w+(?=ing\\b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I\'m singing while you\'re dancing.时，它会匹配sing和danc。

        (?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=\\bre)\\w+\\b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading。

其他小规则

|     分支
懒惰匹配
*?	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

        0\\d{2}-\\d{8}|0\\d{3}-\\d{7}这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)。分支的用法就相当于或，匹配 | 分割的任意一个规则。

        需要注意的是，分支也有短路现象。

        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。但我们有时候需要的是匹配尽可能短的字符，这个时候就需要用到懒惰匹配。

        a.*?b匹配最短的，以a开始，以b结束的字符串。当我们输入abbaab时，它会匹配ab和aab。

常用匹配规则

        以下整理自网络

匹配合法邮箱：
[\\w!#$%&\'*+/=?^_`{|}~-]+(?:\\.[\\w!#$%&\'*+/=?^_`{|}~-]+)*@(?:[\\w](?:[\\w-]*[\\w])?\\.)+[\\w](?:[\\w-]*[\\w])?
匹配网址URL：
[a-zA-z]+://[^\\s]*
匹配18位身份证号码：
^(\\d{6})(\\d{4})(\\d{2})(\\d{2})(\\d{3})([0-9]|X)$
匹配合法年月日：
([0-9]{3}[1-9]|[0-9]{2}[1-9][0-9]{1}|[0-9]{1}[1-9][0-9]{2}|[1-9][0-9]{3})-(((0[13578]|1[02])-(0[1-9]|[12][0-9]|3[01]))|((0[469]|11)-(0[1-9]|[12][0-9]|30))|(02-(0[1-9]|[1][0-9]|2[0-8])))

 

参考资料：

http://www.jb51.net/tools/zhengze.html

http://blog.sina.com.cn/s/blog_47664968010093q0.html