常见的正则表达式解读释义
又名：写给正在学习前端的女友看的常见正则表达式解读。原文发布于 https://www.zybuluo.com/wddpct/note/728081 。
1. 归纳定义
对给定的字符集：Σ={c1,c2,c3,……,cn}
- 空串ε是一个正则表达式
- 对于任何的c∈Σ，c是正则表达式
- 如果M和N都是正则表达式，则以下也是正则表达式
- 选择 M|N =
- 连接 MN =
2. 保留字符
这节中的表格内容来自 正则表达式30分钟入门教程，对此表示感谢。
2.1 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 |
2.2 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 |
| 重复n次 | |
| 重复n次或更多次 | |
| 重复n到m次 |
2.3 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 |
2.4 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 |
2.5 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 |
3. 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：wddpct@gmail.com，wdd.pct@gmail.com,wddpct-pct@gmail.com
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*$。
