正则表达式

正则表达式

定义##

是用来操作和检验字符串数据的一种强大工具，是采用某种模式去匹配一类字符串的一个公式。
用正则表达式可以用来方便地验证字符串是否符合指定特征、查找和提取相应字符串、替换文本等等。

规则

1. 若表达式只使用单一普通字符，表达式只匹配与之相同地一个字符(字母,数字,汉字,下划线,以及没 有特殊定义的标点符号)。
2. 若需要匹配多种字符，可以使用\d,\w,\w,.等表达式来匹配。值得注意的是当需要匹配的字符为特殊字符，需要使用转义字符“\”，在前面加""后，代表该符号代表本身。
3. 第三种方式是自定义规则，使用方括号[]包含一系列字符可以匹配其中任意一个字符；用[^]包含一系列字符，则能够匹配[]其中字符之外的任意一个字符。
4. 当需要匹配的字符串是重复出现的，具有相同规律的。这时候可以使用第三条规则中[bcd][bcd]来匹配bcdbcd，而这样表达式显得臃肿不方便，所有在表达式后面可以加{2}来表示重复匹配的次数。{n},{m,n}{m,}这三种表达式表示重复n次至少m次，至多n次。至少重复m次。?,+这两种表达式相当于{0，1}，{1，}。*表达式表示不出现或出现任意次。这里先有印象。
5. 正则表达式中还可以加逻辑表达式"|"表示或者的意思，^表示与字符串开始的地方匹配，不匹配字符；$表示与字符串结束的地方匹配，不匹配字符；（）有两种含义：（1）在被修饰匹配次数的时候，括号中的表达式可以作为整体被修饰(2). 取匹配结果的时候，括号中的表达式匹配到的内容可以被单独得到。
6. 在修饰匹配次数的特殊符号后再加上"?"号，可以使匹配次数不定的表达式尽可能少的匹配。
7. 反向引用"\1"引用第1对括号内匹配到的字符串.

正如所看到的一样，正则表达式的规则有很多，有简单匹配的，贪婪与非贪婪模式的，反向引用》>的。需要多次练习，熟能生巧。以后可以对照下图来练习。

练习

QQ号码

首先尝试写一个qq号码匹配，考虑号码的组成为纯数字，最少为4位并且不能从0开始。这三种属性可以根据规则2，3，4，写为[1-9][0-9]{4,}或者[1-9]/d{4,}

HTML标记

Html标记的特点为两边为<,>，内部可为，这里属性可为多个比如还可设置id、class等等。所以用（\S?）可以匹配角标内内容。此时写出的正则式为 <(\S?)>，这样可以匹配出。考虑html中可以多重嵌套，例如

,写出正则式为<(\S)[^>]>。

URL

网络上有很多不同版本，比如[a-zA-z]+://[^\s]*，但是在stackoverflow有一个比较好的版本，IP地址、前后有汉字、带参数的。(https?|ftp|file)😕/[-A-Za-z0-9+&@#/%?=_{_|!:,.;]+[-A-Za-z0-9+&@#/%=}_|]。