正则表达式学习

正则表达式学习

正则简介

正则表达式（简称 regex或者regexp）允许开发人员根据模式匹配字符串、提取子匹配信息，或简单地测试字符串是否符合该模式。

可以用来：

（1）检查一个串中是否含有符合某个规则的子串，并且可以得到这个子串；

（2）根据匹配规则对字符串进行灵活的替换操作

一、正则基础

• 单词全写：匹配单词

  of 匹配含有of单词的内容
  

• .符号 : 匹配任意字符，除了换行符

• ^ 符号：字符串开始的地方匹配，不匹配任何字符

• $ 符号：字符串结束的地方匹配，不匹配任何字符

• \b ：匹配一个单词边界，也就是单词和空格之间的位置，不匹配任何字符

• [字符列表]：匹配字符集

  [bdf]eer 匹配beer deer feer
  [ab5@] 匹配 "a" 或 "b" 或 "5" 或 "@"
  

• [^字符列表] : 除字符集

  be[^ou]r 匹配be...r形式的内容中间不包含o,u的内容
  [^abc] 匹配 "a","b","c" 之外的任意一个字符
  [^A-F0-3] 匹配 "A"~"F","0"~"3" 之外的任意一个字符
  

• [起点字符-终点字符] ：字母范围

  [g-k] 匹配g-k任意字符
  [0-9] 匹配0-9任意数字，等价于 /\d/
  [f-k] 匹配 "f"~"k" 之间的任意一个字母
  

• 重复: + * ?{m,n}]

  +号  ：表示至少重复/出现一次，用于要标识的字符后面，相当于 {1,}，比如："a+b"可以匹配 "ab","aab","aaab".
  \*号 ：表示不出现或者出现一次或者并排出现多次，相当于 {0,}，比如："\^*b"可以匹配 "b","^^^b"
  ?号  ：表示可选，即可有可无，出现0次或者1次，相当于 {0,1}，比如："a[cd]?"可以匹配 "a","ac","ad"
  {n}  ：表示确切出现的次数，即准确次数匹配，比如："\w{2}" 相当于 "\w\w"；"a{5}" 相当于 "aaaaa"
  {m,} ：表示至少出现m次，比如："\w\d{2,}"可以匹配 "a12","_456","M12344"
  {m,n}：表示出现次数在m和n之间【闭区间】，比如："ba{1,3}"可以匹配 "ba"或"baa"或"baaa
  

• ()号：分组，或者捕获分组

  (haa)  表示对文本中的 haa 构造分组，为了给表达式分组，我们需要将文本包裹在 () 中
  (d)(\w+) "\w+" 将匹配第一个 "d" 之后的所有字符 "xxxdxxxd"
  (d)(\w+)(d) "\w+" 将匹配第一个 "d" 和最后一个 "d" 之间的所有字符 "xxxdxxx"。虽然 "\w+" 也能够匹配上最后一个 "d"，但是为了使整个表达式匹配成功，"\w+" 可以 "让出" 它本来能够匹配的最后一个 "d"
  
  (d)(\w+?) "\w+?" 将尽可能少的匹配第一个 "d" 之后的字符，结果是："\w+?" 只匹配了一个 "x"
  (d)(\w+?)(d) 为了让整个表达式匹配成功，"\w+?" 不得不匹配 "xxx" 才可以让后边的 "d" 匹配，从而使整个表达式匹配成功。因此，结果是："\w+?" 匹配 "xxx"
  

• (?: )：非捕获分组，可以对表达式进行分组，并确保它不被引用捕获，不会存储，优化性能

  例如，如果我们想匹配一个日期格式 2019-11-10 并分别获取年、月、日，我们可以使用捕获分组来实现
  (\d{4})-(\d{2})-(\d{2})
  这将创建三个捕获分组，分别保存年、月、日的匹配结果。
  但如果我们不需要单独引用这些分组中的数据，我们可以使用非捕获分组来改写表达式：
  (?:\d{4})-(?:\d{2})-(?:\d{2})
  这样，正则表达式仍然可以匹配相同的日期格式，但不会保存匹配的年、月、日到内存中。
  

• ()-\n：引用组

  反向引用 \1, \2...
  举例 1：表达式 "('|")(.*?)(\1)" 在匹配 " 'Hello', "World" " 时，匹配结果是：成功；
  匹配到的内容是：" 'Hello' "。再次匹配下一个时，可以匹配到 " "World" "。
  
  举例 2：表达式 "(\w)\1{4,}" 在匹配 "aa bbbb abcdefg ccccc 111121111 
  999999999" 时，匹配结果是：成功；匹配到的内容是 "ccccc"。再次匹配下一个时，将得到
  999999999。这个表达式要求 "\w" 范围的字符至少重复 5 次，注意与 "\w{5,}" 之间的区别
  
  举例3：
  单词 ha 和 haa 分组如下：
  ha-ha,haa-haa
  第一组用 \1 来避免重复书写。这里的 1 表示分组的顺序。请在表达式的末尾键入 \2 以引用第二组：
  (ha)-\1,(haa)-\2
  

• |竖线：竖线允许一个表达式包含多个不同的分支。所有分支用 | 分隔，左右两边表达式之间 “或” 关系，匹配左边或者右边。

  下面的表达式同时匹配 cat 和 rat。请在末尾添加另一个 |，并输入 dog 以匹配所有单词。
  cat rat dog
  正则：
  (c|r)at|dog
  

• \转义符：当正则使用 { } [ ] / \ + * . $^ | ? 这些特殊字符 ，为了匹配这些特殊字符本身，我们需要通过 \ 将它们转义。

  \r 代表回车
  \n 代表换行符
  \t 代表制表符
  \\ 代表 "\" 本身
  \^ 匹配 ^ 符号本身
  \$ 匹配 $ 符号本身
  \* 匹配 * 符号本身
  \. 匹配 .$ 符号本身
  \[\] 匹配 [] 符号本身
  ...
  
  例如，要匹配文本中的 . 和 *，我们需要在它们前面添加一个 \。
  正则：
  (\*|\.)
  

• ^插入符: 匹配字符串的开始

  我们用 [0-9] 查找数字，若仅查找行首的数字，请在表达式前面加上 ^
  Basic Omellette Recipe
  1. 3 eggs, beaten
  2. 1 tsp sunflower oil
  3. 1 tsp butter
  正则：
  ^[0-9]
  

• $美元符号: 匹配字符串的结束

  例如在 html 的后面添加 $，来查找仅在行末出现的 html
  https://domain.com/what-is-html.html
  https://otherdomain.com/html-elements
  https://website.com/html5-features.html
  正则：
  html$
  

• 单词字符 \w: 字母、数字和下划线

• 非单词字符 \W

• 数字字符 \d

• 非数字字符 \D

• 空白符 \s

• 非空白符 \S

• \B 匹配非单词边界，即左右两边都是 “\w” 范围或者左右两边都不是 “\w” 范围时的字符缝隙

二、正则提升

• 零宽断言

  • 正向先行断言/正向预搜索: (?=)

    例如，我们要匹配文本中的小时值。为了只匹配后面有 PM 的数值，我们需要在表达式后面使用正向先行断言 (?=)，并在括号内的 = 后面添加 PM。
    文本：Date: 4 Aug 3PM
    正则：\d+(?=PM)
    结果：3
    

  • 负向先行断言/正向预搜索: (?!)

    例如，我们要在文本中匹配除小时值以外的数字。我们需要在表达式后面使用负向先行断言 (?!)，并在括号内的 ! 后面添加 PM，从而只匹配没有 PM 的数值。
    文本：Date: 4 Aug 3PM
    正则：\d+(?!PM)
    结果：4
    

  • 正向后行断言/反向预搜索: (?<=)

    例如，我们要匹配文本中的金额数。为了只匹配前面带有 $ 的数字。我们要在表达式前面使用正向后行断言 (?<=)，并在括号内的 = 后面添加 \$。
    文本：Product Code: 1064 Price: $5
    正则：(?<=\$)\d+
    结果：5
    

  • 负向后行断言/反向预搜索: (?<!)

    例如，我们要在文本中匹配除价格外的数字。为了只匹配前面没有 $ 的数字，我们要在表达式前用负向后行断言 (?<!)，并在括号内的 ! 后面添加 \$。
    文本：Product Code: 1064 Price: $5
    正则：/(?<!\$)\d+/g
    结果：1064
    

• 标志/表达式属性：标志改变表达式的输出。这就是标志也称为 修饰符 的原因。标志决定表达式是否将文本视作单独的行处理，是否区分大小写，或者是否查找所有匹配项。

  • 全局标志 : /…/g：全局标志使表达式选中所有匹配项，如果不启用全局标志，那么表达式只会匹配第一个匹配项。
  • 多行标志 /…/gm：正则表达式将所有文本视作一行。但如果我们使用了多行标志，它就会单独处理每一行。
  • 忽略大小写标志/…/gmi：表达式不再大小写敏感,可以启用不区分大小写标志

• 贪婪匹配.*：正则表达式默认执行贪婪匹配。这意味着匹配内容会尽可能长。

  它匹配任何以 r 结尾的字符串，以及前面带有该字符串的文本，但它不会在第一个 r 处停止匹配。
  文本：ber beer beeer beeeer
  正则：/.*r/
  

• 懒惰匹配.*？：与贪婪匹配不同，懒惰匹配在第一次匹配时停止。

  在 * 之后添加 ?，将查找以 r 结尾且前面带有任意字符的第一个匹配项。这意味着本次匹配将会在第一个字母 r 处停止。
  文本：ber beer beeer beeeer
  正则：/.*?r/
  

三、使用案例

• 示例：^.{m,n}$

  匹配固定长度内容：^.{n}$，匹配任意开头但是长度n的内容
  匹配最小长度内容：^.{m,}$，匹配任意开头但是长度不低于m的内容
  匹配区间长度内容：^.{m,n}$，匹配任意开头但是长度在[m,n]之间的内容
  

• 示例：.*匹配

  在正则表达式的末尾添加 .* 来匹配以 how to write 开头的表达式，并匹配后面的所有内容。
  正则1：^how to write
  正则2：how to write.*
  
  在两个 .* 之间写上我们要查找的字段，以匹配包含该字段的所有的内容。例如匹配包含buy的内容
  正则：.*buy.*
  
  在.*\.和$之间加入想要作为结尾的字段，可以匹配以.XX格式结尾的内容，例如匹配.html文件
  正则：.*\.html$
  

• 匹配http、https

  匹配http或者https
  正则1：^http 或者 ^(http|https)【仅作为开头】
  正则2：http.*【不限于开头】
  
  匹配非https即只要http
  正则：http[^s].*
  
  URL：^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
  

• 域名

  域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+\.?
  

• 邮箱Email

  Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
  

• 手机号

  手机号码：^(13[0-9]|14[01456879]|15[0-35-9]|16[2567]|17[0-8]|18[0-9]|19[0-35-9])\d{8}$
  
  电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"等格式)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
  
  国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
  

• 身份证

  身份证号(15位、18位数字)，最后一位是校验位，可能为数字或字符X：(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)
  

• 密码

  强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z])[a-zA-Z0-9]{8,10}$
  强密码(必须包含大小写字母和数字的组合，可以使用特殊字符，长度8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
  

• QQ号

  腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
  

• 邮政编码

  中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
  

• Ipv4地址

  IPv4地址：((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}
  

• 其他

  空白行的正则表达式：\n\s*\r (可以用来删除空白行)
  HTML标记的正则表达式：<(\S*?)[^>]*>.*?|<.*? /> 
  首尾空白字符的正则表达式：^\s*|\s*$或(^\s*)|(\s*$) (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))
  

四、附录

• 参考