正则表达式（理论篇）

维基百科

正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

许多程序设计语言都支持利用正则表达式进行字符串操作。

元字符

.         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

^         匹配字符串的开始

$         匹配字符串的结束

转移字符（\）

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：deerchao\.net匹配deerchao.net，C:\\Windows匹配C:\Windows。

限定符

 

*         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

从给定范围匹配（[ ]）

例如：[abc]就匹配任何一个英文字母

分支条件（|）

0\d{2}-\d{8}|0\d{3}-\d{7}红色和绿色只匹配一种，如果直接匹配到红色，则会将绿色短路，所以此处要注意顺序

分组

可以用小括号来指定子表达式(也叫做分组)

例如：(\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})。

反义

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。

\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