正则表达式

一. 正则表达式基础知识

1. 概念 

　　正则表达式是一种特殊的字符串模式，用于匹配一组字符串，就好比用模具做产品，而正则就是这个模具，定义一种规则去匹配符合规则的字符.

2. 应用领域

(1) 登录注册页的表单验证 web开发 要求简单语法

(2) 爬虫爬虫 把这个网页下载下来 从里面提取一些信息,找到我要的所有信息,做数据分析

(3) 自动化开发 日志分析

二. 正则表达式语法

字符

 

字符    描述
\    将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“n”匹配字符“n”。“\n”匹配一个换行符。串行“\\”匹配“\”而“\(”则匹配“(”。
^    匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。
$    匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。
*    匹配前面的子表达式零次或多次。例如，zo*能匹配“z”以及“zoo”。*等价于{0,}。
+    匹配前面的子表达式一次或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
?    匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“does”或“does”中的“do”。?等价于{0,1}。
{n}    n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}    n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}    m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
?    当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。
.    匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符，请使用像“(.|\n)”的模式。
(pattern)    匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“\(”或“\)”。
(?:pattern)    匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
(?=pattern)    正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)    正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始
(?<=pattern)    反向肯定预查，与正向肯定预查类拟，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。
(?<!pattern)    反向否定预查，与正向否定预查类拟，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。
x|y    匹配x或y。例如，“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。
[xyz]    字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]    负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“p”。
[a-z]    字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。
[^a-z]    负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b    匹配一个单词边界，也就是指单词和空格间的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
\B    匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
\cx    匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。
\d    匹配一个数字字符。等价于[0-9]。
\D    匹配一个非数字字符。等价于[^0-9]。
\f    匹配一个换页符。等价于\x0c和\cL。
\n    匹配一个换行符。等价于\x0a和\cJ。
\r    匹配一个回车符。等价于\x0d和\cM。
\s    匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S    匹配任何非空白字符。等价于[^ \f\n\r\t\v]。
\t    匹配一个制表符。等价于\x09和\cI。
\v    匹配一个垂直制表符。等价于\x0b和\cK。
\w    匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。
\W    匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
\xn    匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。.
\num    匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。
\n    标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。
\nm    标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。
\nml    如果n为八进制数字（0-3），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。
\un    匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（©）

 

 

 

 

1.元字符

     (1) 字符组[], [^], |, ()

  字符组 []   在一个字符的位置上能出现的内容

 

  　　[1bc]                       　　是一个范围
 　　 [0-9][A-Z][a-z]        　　匹配三个字符
  　　[abc0-9]                  　　匹配一个字符
  　　[0-9a-zA-Z]             　　匹配一个字符
  　　\d == [0-9]                    也示匹配一个字符,匹配的是一个数字
  　　\w == [0-9a-zA-Z_]       表示匹配一个数字字母下划线
 　　 \s == [\n \t]                   包括回车,空格和制表符tab
  　　\n 　　　　　　  　　　 匹配回车
   　　\t   　　 　　　　　　　匹配制表符
  　　\D     　　　　　　　　  匹配非数字
 　　 \W   　　　　　　　　   匹配非数字字母下滑线
  　　\S    　　　　　　　　   匹配非空白
  　　[\d\D] [\w\W] [\s\S]      匹配所有
  　　^           　　　　　　    匹配字符串的开始
 　　 S      　　　　　　　　   匹配字符串的结尾
 　　 .　　　　　　　　　　   匹配除换行符以外的任意字符

 

正则	待匹配字符	匹配结果	说明
[123456]	5	True	在一个字符组里枚举合法的所有字符，字符组里的任意一个字符和"待匹配字符"相同都视为可以匹配.
[0-9]	6	True	[0-9] 表示从0到9的10个数字. [a/A-z/Z]表示从a/A到z/Z
[^123456]	5	False	[^]里的^表示的是非的意思,匹配的是不在字符组里的字符
[123]|[456]	5	True	| 表示或的意思,两边都可以匹配
(123)	123	True	()代表一个整体,匹配的必须是和()里所有的字符
[123][456][123456]	255    428	True 　False	三个[]表示匹配三个字符,一一与待匹配字符相对应
\d	12259	True	\d表示匹配任意数字
\w	12ASxft	True	\w表示匹配任意数字和大小写字母,即[0-9a-zA-Z]
\s	234	False	匹配的字符包括回车,空格和制表符tab
海.	海燕海娇海东	海燕海娇海东	匹配所有"海."的字符
^海.	海燕海娇海东	海燕	只从开头匹配"海."
海.$	海燕海娇海东	海东	只匹配结尾的"海.$"

 

 

 

 

 

 

 

 

 

 

 

 

 

2. 量词

(1) *, +, ?

 (2) {n}, {n,}, {n,m}


　    *	　　　　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

 

　　正则	　　待匹配字符	　　匹配结果	　　　说明
　　\d*	    12345678	   12345678    从数字开始匹配,至少匹配0次
   \d+      12345678	   12345678    从数字开始匹配,至少匹配一次 

 \d{3,6}    123456 　　     123456      从数字开始匹配,至少匹配三次最多匹配6次 　　
 \d*(\.\d)? 123.456       123.456 　  　匹配正整数或者小数

  

? 的使用 :  在量词的后面跟了一个 ? 取消贪婪匹配 非贪婪(惰性)模式

3. 正则表达式的转义

'\('  表示匹配小括号
[()+*?/$.]   在字符组中一些特殊的字符会现出原形
所有的 \w \d \s(\n,\t, )  \W \D \S都表示它原本的意义
[-]只有写在字符组的首位的时候表示普通的减号
写在其他位置的时候表示范围[1-9]
如果就是想匹配减号 [1\-9]

 

常见的正则表达式

用户名    /^[a-z0-9_-]{3,16}$/
密码    /^[a-z0-9_-]{6,18}$/
十六进制值    /^#?([a-f0-9]{6}|[a-f0-9]{3})$/
电子邮箱    /^([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})$/
　　　　　　/^[a-z\d]+(\.[a-z\d]+)*@([\da-z](-[\da-z])?)+(\.{1,2}[a-z]+)+$/
URL       /^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$/
IP 地址    /((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)/
　　　　　　/^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$/
HTML 标签    /^<([a-z]+)([^<]+)*(?:>(.*)<\/\1>|\s+\/>)$/
删除代码\\注释    (?<!http:|\S)//.*$
Unicode编码中的汉字范围    /^[\u2E80-\u9FFF]+$/