常见正则表达式使用

• time: 2016-11-23 14:00

---

正则表达式是什么？

    在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。

    快速理解：为了提高工作效率，比如你想在几千万个姓名中寻找一个叫徐瘦婷的人，但是你把这个瘦字忘掉了，用正则表达式可以这样写

	徐.*?婷

这样就可以把所有第一个字为徐，最后一个字为婷的用户列出来，比如：

徐大婷
徐小婷
徐胖婷
.......

好了，下面整理的一些常用正则表达式的使用语法～

一.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（位置）
^	匹配字符串的开始（位置）
$	匹配字符串的结束（位置）
＊	指定*前边的内容可以连续重复使用任意次（次数）

举几个例子说明一下使用方法：

• \b ：  是正则表达式规定的一个特殊代码,代表着单词的开头或结尾，也就是单词的分界处。
• \d+ ：  匹配1个或更多连续的数字。这里的+是和＊类似的元字符，不同的是＊匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次。
• \b\w{5}\b ：  匹配刚好 5 个字符的单词。
• \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)。
• 0\d\d-\d\d\d\d\d\d\d\d ：  匹配这样的字符串：以 0 开头，然后是两个数字，然后是一个连字号 “-”，最后是 8 个数字(也就是电话号码).简写为0\d{2}-\d{8} 。
• \bYou\b.*\bHappy\b ：  先是匹配一个单词 You，然后是任意个任意字符(但不能是换行)，最后是 Happy 这个单词。
• ^ \d{5,12}$：  要求数字必须为5位到12位。

注意问题:字符转义

     如果你想查找元字符本身的话，比如你查找 . 或者 *，就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\ 来取消这些字符的特殊意义。因此，你应该使用 \ . 和 \ * 。当然，要查找 \ 本身，你也得用 \。

例如：unibetter\.com 匹配unibetter.com，C:\\Windows 匹配 C:\Windows

二.反义字符

    有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义：

• 常用的反义代码

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

举例：\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。

三.常用限定符

1.重复

代码	说明
＊	重复零次或多次
＋	重复一次或更多次
s	匹配任意的空白符
？	重复零次会一次
{n}	重复n次
{n,}	重复n次或更多次
$	匹配字符串的结束（位置）
{n,m}	重复n到m次

	举例说明：load\d+ 匹配 load后面跟 1 个或更多数字
	^\w+ 匹配一行(或一个字符串)的第一个单词

2.分组（重复多个字符）

    举例：(\d{1,3}\.){3}\d{1,3} 是一个简单的IP地址匹配表达式。要理解这个表达式，请按下列顺序分析它：

\d{1,3} 匹配 1 到 3 位的数字，(\d{1,3}\.){3} 匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复 3 次，最后再加上一个一到三位的数字 (\d{1,3})。

• 常用分组语法

分类	代码/语法	说明
捕获	(exp)	匹配exp,并捕获文本到自动命名的组里
捕获	(?< 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)
捕获	(?: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
零宽断言	(?<=exp)	匹配exp后面的位置
零宽断言	(?!exp)	匹配后面跟的不是exp的位置
零宽断言	(?<=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

(注：零宽断言
    像 \b , ^ , $ 那样用于指定一个位置，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。)

3.后向引用

    使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。

    后向引用用于重复搜索前面某个分组匹配的文本。例如，\b(\w+)\b\s+\1\b 可以用来匹配重复的单词，像 go go, 或者 kitty kitty。

这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字 (\b(\w+)\b)，这个单词会被捕获到编号为 1 的分组中，然后是 1 个或几个空白符 (\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。</br>

4.贪婪与懒惰限定符

• 贪婪限定符：最长匹配（匹配尽可能多的字符）。

   举例：a.*b，它将会匹配最长的以 a 开始，以 b 结束的字符串。如果用它来搜索 aabab 的话，它会匹配整个字符串 aabab。
  

• 懒惰匹配：最短匹配（匹配尽可能少的字符）。

    举例：a.*?b ，以 a 开始，以 b 结束的字符串。如果把它应用于 aabab的话，它会匹配 aab（第一到第三个字符）和 ab（第四到第五个字符）。
  

• 常用懒惰限定符

代码/语法	说明
*?	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
??	重复n到m次，但尽可能少重复
{n,m}?	匹配不是单词开头或结束的位置
{n,}?	重复n次以上，但尽可能少重复

四.其他常用语法

代码/语法	说明
\a	报警字符(打印它的效果是电脑嘀一声)
\t	制表符，Tab
\r	回车/td>
\v	竖向制表符
\f	换页符
\n	换行符
\e	escape
\0nn	ASCII代码中八进制代码为nn的字符
\xnn	ASCII代码中十六进制代码为nn的字符
\unnnnr	Unicode代码中十六进制代码为nnnn的字符
\G	当前搜索的开头

    介绍比较简单，详细用法可参考关于正则表达式语言元素的MSDN在线文档:https://msdn.microsoft.com/zh-cn/library/az24scfc.aspx

五.补充几个正则表达式编辑器(本小白也没用过，有待进一步探索)：

Debuggex ：https://www.debuggex.com/

PyRegex：http://www.pyregex.com/

Regexper：http://www.regexper.com/