正则表达式学习笔记
本文为阅读《正则表达式必知必会》(修订版) Ben Forta著 杨涛等译 总结所得，以备后用，内容来自此书。
正则表达式是一些用来匹配和处理文本的字符串。
正则表达式的两种基本用途：搜索和替换。
匹配单个字符
英文字符.来表示任意字符，特殊字符需要用反斜杠转义(\)
| 符号 | 作用 |
|---|---|
| [\b] | 回退Backspace |
| \f | 换页符 |
| \n | 换行符 |
| \r | 回车符 |
| \t | 制表符 |
| \v | 垂直制表符 |
| \r\n | windows系统文本行结束标识 |
| \d | 任何一个数字字符，等价于[0-9] |
| \D | 任何一个非数字字符，等价于[^0-9] |
| \w | 任何一个字母数字下划线，等价于[a-zA-Z0-9_] |
| \W | 任何一个非字母数字下划线，等价于[^a-zA-Z0-9_] |
| \s | 任何一个空白字符，等价于[\f\n\r\t\v]，退格符例外 |
| \S | 任何一个非空白字符，等价于[^\f\n\r\t\v]，退格符例外 |
匹配一组字符
利用[]表示字符集合，匹配之间的某一个字符
[]之间也可以放字符区间表示匹配范围内的某一个字符
| 符号 | 作用 |
|---|---|
| A-Z | 匹配从A到Z的所有大写字母 |
| a-z | 匹配从a到z的所有小写字母 |
| A-z | 匹配ASCII码从大写A到小写z之间的所有字符，不常用 |
可以定义多个区间[A-Za-z0-9]
取非匹配[^0-9]，表示匹配任何不是数字的字符
重复匹配
匹配重复的字符1个或多个用+号
匹配重复的字符0个或多个用*号
匹配0个或1个字符用?号
指定重复次数{次数}
指定匹配次数的变化区间{2，4}表示最少重复2次，最多重复4次；{3，}表示至少重复3次
元字符分为贪婪型元字符和懒惰型元字符，贪婪型匹配尽可能多的字符，懒惰型匹配尽可能多的字符，懒惰型元字符为贪婪型后加个?，如*为贪婪型字符，对应的懒惰型字符为*?，为了防止过度匹配，可以使用懒惰型元字符。
位置匹配
单词的边界 \b
字符串的 边界 ^和$ 以字符开始和结束
(?m)开头表示分行匹配
子表达式
子表达式必须用()括起来，子表达式允许嵌套，层数没有限制，表达式之间的或条件用 | 来表示
回溯引用
回溯引用允许正则表达式模式引用前面的匹配结果，模式的后半部分引用在前半部分中定义的子表达式，用\1 \2 ...来表示，1，2，3表示子表达式的位置，回溯表达式相当于引用变量。回溯表达式通常用1开始计数，在许多实现里，用0来代表整个正则表达式。
回溯替换操作
替换操作需要用到两个正则表达式：一个用来给出搜索模式，另一个用来给出匹配文本的替换模式。回溯引用可以跨模式使用，在第一个模式里被匹配的子表达式可以用在第二个模式里。
前后查找
| 操作符 | 作用 |
|---|---|
| (?=) | 正向前查找 |
| (?!) | 负向前查找 |
| (?<=) | 正向后查找 |
| (?<!) | 负向后查找 |
匹配网页标题
(?<=<[Tt][Ii][Tt][Ll][Ee]>).*(?=<[Tt][Ii][Tt][Ll][Ee]>)
嵌入条件
正则表达式里的条件用?来定义。
?匹配前一个字符或表达式，如果存在的话。
?=和?<=匹配前面或后面的文本，如果存在的话。
MySQL
MySQL对正则表达式的支持体现在允许在WHERE子句中使用如下格式的表达式：
REGEXP "expression"
功能有如下限制：
- 只提供搜索支持，不支持使用正则表达式进行替换操作。
- 默认搜索不区分字母大小写，需要在REGEXP和模式之间加BINARY关键字。
- [[:<:]]来匹配单词开头，用[[:>:]]匹配单词结束
- 不支持向前预测
- 不支持嵌入条件
- 不支持八进制字符搜索
- 不支持\a \b \e \f \v
- 不支持回溯引用
JAVA
Java中的正则表达式匹配功能主要是通过java.util.regex.Matcher类和以下这些方法实现的。
find(): 在一个字符串里寻找一个给定的模式匹配。
lookingAt(): 用一个给定的模式去尝试匹配一个字符串的开头。
matches(): 用一个给定的模式去尝试匹配一个完整的字符串。
replaceAll(): 进行替换操作，对所有匹配都进行替换。
replaceFirst(): 进行替换操作，只对第一个匹配进行替换。
java.util.regex.Pattern类提供了几个简单易用的包装器方法。
compile(): 把一个正则表达式编译成一个模式。
flags(): 返回某给定模式的匹配标志。
matches(): 在功能上等价于刚才介绍的matches()方法。
pattern(): 把一个模式还原为一个正则表达式。
split(): 把一个字符串拆分为子字符串。
java的正则表达式与Perl基本兼容，有几点需要注意。
- 不支持嵌入条件
- 不支持使用\E \l \L \u \U 进行字母大小写转换。
- 不支持使用[\b]匹配退格符。
- 不支持\z。
常见问题的正则表达式解决方案
IP地址
(((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))\.){3}((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))
URL地址
(https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]
电子邮件地址
(\w+\.)*\w+@(\w+\.)+[A-Za-z]+
HTML注释
<!-{2,}.*?-{2,}>
JavaScript注释
//.*
java调用示例
import java.util.regex.*;
public class RegTest{
public static void main(String[] args) {
// 要验证的字符串
String str = "baike.xsoftlab.net";
// 正则表达式规则
String regEx = "baike.*";
// 编译正则表达式
Pattern pattern = Pattern.compile(regEx);
// 忽略大小写的写法
// Pattern pat = Pattern.compile(regEx, Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(str);
// 查找字符串中是否有匹配正则表达式的字符/字符串
boolean rs = matcher.find();
System.out.println(rs);
}
}
三 常用正则表达式
1. 匹配中文字符的正则表达式： [u4e00-u9fa5] 评注：匹配中文还真是个头疼的事，有了这个表达式就好办了
2. 匹配双字节字符(包括汉字在内)：[^x00-xff] 评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）
3. 匹配空白行的正则表达式：ns*r 评注：可以用来删除空白行
4. 匹配HTML标记的正则表达式：<(S*?)[^>]*>.*?|<.*? />
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力
5. 匹配首尾空白字符的正则表达式：^s*|s*$ 评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式
6. 匹配Email地址的正则表达式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)* 评注：表单验证时很实用
7. 匹配网址URL的正则表达式：[a-zA-z]+://[^s]* 评注：网上流传的版本功能很有限，上面这个基本可以满足需求
8. 匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$ 评注：表单验证时很实用
9. 匹配国内电话号码：d{3}-d{8}|d{4}-d{7} 评注：匹配形式如 0511-4405222 或 021-87888822
10. 匹配腾讯QQ号：[1-9][0-9]{4,} 评注：腾讯QQ号从10000开始
11. 匹配中国邮政编码：[1-9]d{5}(?!d) 评注：中国邮政编码为6位数字
12. 匹配身份证：^(\d{6})(18|19|20)?(\d{2})([01]\d)([0123]\d)(\d{3})(\d|X|x)?$ 评注：中国的身份证为15位或18位
13. 匹配ip地址：d+.d+.d+.d+ 评注：提取ip地址时有用
14. 手机号：^1[3|4|5|8][0-9]\d{8}$
15. URL：^((http|https)😕/)?([\w-]+.)+[\w-]+(/[\w-./?%&=]*)?$
16. 匹配特定数字：
^[1-9]d*$ //匹配正整数
^-[1-9]d*$ //匹配负整数
^-?[1-9]d*$ //匹配整数
^[1-9]d*|0$ //匹配非负整数（正整数 + 0）
^-[1-9]d*|0$ //匹配非正整数（负整数 + 0）
^[1-9]d*.d*|0.d*[1-9]d*$ //匹配正浮点数
^-([1-9]d*.d*|0.d*[1-9]d*)$ //匹配负浮点数
^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$ //匹配浮点数
^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$ //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0+|0$ //匹配非正浮点数（负浮点数 + 0）
评注：处理大量数据时有用，具体应用时注意修正
17. 匹配特定字符串：
^[A-Za-z]+$ //匹配由26个英文字母组成的字符串
^[A-Z]+$ //匹配由26个英文字母的大写组成的字符串
^[a-z]+$ //匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$ //匹配由数字和26个英文字母组成的字符串
^w+$ //匹配由数字、26个英文字母或者下划线组成的字符串
18. 在使用RegularExpressionValidator验证控件时的验证功能及其验证表达式介绍如下:
只能输入数字：^[0-9]*$
只能输入n位的数字：^d{n}$
只能输入至少n位数字：^d{n,}$
只能输入m-n位的数字：^d{m,n}$
只能输入零和非零开头的数字：^(0|[1-9][0-9]*)$
只能输入有两位小数的正实数：^[0-9]+(.[0-9]{2})?$
只能输入有1-3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
只能输入非零的正整数：^+?[1-9][0-9]*$
只能输入非零的负整数：^-[1-9][0-9]*$
只能输入长度为3的字符：^.{3}$
只能输入由26个英文字母组成的字符串：^[A-Za-z]+$
只能输入由26个大写英文字母组成的字符串：^[A-Z]+$
只能输入由26个小写英文字母组成的字符串：^[a-z]+$
只能输入由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
只能输入由数字、26个英文字母或者下划线组成的字符串：^w+$
验证用户密码:^[a-zA-Z]w{5,17}$ 正确格式为：以字母开头，长度在6-18之间，只能包含字符、数字和下划线。
验证是否含有^%&'',;=?$"等字符：[^%&'',;=?$x22]+
只能输入汉字：^[u4e00-u9fa5],{0,}$
验证Email地址：^w+[-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$
验证InternetURL：^http://([w-]+.)+[w-]+(/[w-./?%&=]*)?$
验证电话号码：^((d{3,4})|d{3,4}-)?d{7,8}$
正确格式为：“XXXX-XXXXXXX”，“XXXX-XXXXXXXX”，“XXX-XXXXXXX”，“XXX-XXXXXXXX”，“XXXXXXX”，“XXXXXXXX”。
验证身份证号（15位或18位数字）：^d{15}|d{}18$
验证一年的12个月：^(0?[1-9]|1[0-2])$ 正确格式为：“01”-“09”和“1”“12”
验证一个月的31天：^((0?[1-9])|((1|2)[0-9])|30|31)$ 正确格式为：“01”“09”和“1”“31”。
匹配中文字符的正则表达式：[u4e00-u9fa5]
匹配双字节字符(包括汉字在内)：[^x00-xff]
匹配空行的正则表达式：n[s| ]*r
匹配HTML标记的正则表达式：/<(.*)>.*|<(.*) />/
匹配首尾空格的正则表达式：(^s*)|(s*$)
匹配Email地址的正则表达式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
匹配网址URL的正则表达式：http://([w-]+.)+[w-]+(/[w- ./?%&=]*)?
