正则表达式笔记

一、界定符

表示一个正则表达式的开始和结束

（1）//
（2）##
（3）{}
例：'/[0-9]/'

二、原子

正则表达式中的最小匹配单位，通常它只是Unicode编码表中的某个字符
（1）可见原子：Unicode编码表中用键盘输出后肉眼可见的字符
例：
标点
英文字母数字
汉字、日文、阿拉伯文等其他语言文字
数理化公式符号
其他可见字符
（2）不可见原子：Unicode编码表中用键盘输出后肉眼不可见的字符
例：
换行符 \n
回车\r
制表符 \t
空格
其他不可见符号
patten中若有中文汉字，建议换成unicode编码

三、元字符

（1）定义原子的筛选方式
（2）把某一类原子，比较类似的原子(英文字母abcd和数字1234)进行归类，给出一个缩写来简化正则表达式的书写方式。

1、原子的筛选方式
（1）[] ：匹配出现在[]中的任意一个原子
（2）| ：或运算。匹配|符号左右两边的任意一个
（3）[^ ] ：取反。这里^必须和[紧挨着，才表示匹配除了[]里面任意原子的字符
注：[78^9]表示匹配，7、8、^、9任意一个
（4）. ：任意字符（除换行符外）

2、原子的集合
. 匹配出了换行符之外的任意字符
（1）\d 匹配任意一个十进制数字，即 [0-9]
（2）\D 匹配任意一个非十进制的数字，即 [^0-9]
（3）\s 匹配一个不可见原子，即 [\f\n\r\t\v]
（4）\S 匹配一个可见原子，即[^\f\n\r\t\v]
（5）\w 匹配任意一个数字、字母或下划线，即 [0-9a-zA-Z_]
（6）\W 匹配任意一个非数字、字母或下划线，即 [^0-9a-zA-Z_]

四、量词

（1）{n} 表示其前面的原子恰好出现n次。
（2）{n,} 表示其前面的原子最少出现n次。
（3）{n,m} 表示其前面的原子最少出现n次，最多出现m次。
（4）* 匹配0次，1次，多次其前面的原子，即{0,}。
（5）+ 匹配1次，多次其前面的原子，即{1,}。
（6）? 匹配0次，1次其前面的原子，即{0,1}。

五、边界控制

（1）^ ：匹配字符串开始的位置 ^string:只能匹配一开始就为string字符串，不能有空格
（2）$ ：匹配字符串结尾的位置

六、模式单元

() 括号的整体为一个原子

七、修正模式

标识：在正则表达式的末尾，也就是斜杠（/）的后面，加修正模式的标识
（1）u ：贪婪匹配，匹配结果存在歧义时，匹配结果越多越好。默认是贪婪模式。
例：'/[a-zA-Z0-9]+/'
（2）U ：懒惰匹配，匹配结果存在歧义时，匹配结果越少越好。
例：'/[a-zA-Z0-9]+/U'
（3）i ：忽略英文字母大小写
（4）x ：忽略空白
（5）s ：让元字符“.”匹配包括换行符在内的所有字符

八、实例

（1）非空：.+
（2）浮点：小数点后两位：\d+\.\d{2}$
（3）手机：^1[358]\d{9}$
（4）邮箱：^\w+(\.\w+)*@\w+(\.\w+)+$
（5）URL：^(https?://)?(\w+\.)+[a-zA-Z]+$

正则检测工具：http://tool.chinaz.com/regex/