常用正则表达式—想说爱你不容易

到底什么是正则表达式？

在编写处理字符串的程序或网页时，经常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。换句话说，正则表达式就是记录文本规则的代码。

常用元字符

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
\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

常用限定符

代码/语法	说明
*	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

常用反义词

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

本文的实例不一定是相关问题的终极答案。事实上，与正则表达式有关的问题很少会有一个终极答案。更常见的情况时同时存在多种答案，它们没有对错之分，它们之间的区别只体现在你希望你的匹配操作严格到什么程度。

R1.匹配中文字符

1	`[\u4e00-\u9fa5]`

解析：使用utf-8编码时汉字的范围是u4e00-u9fa5

R2.匹配双字节字符（包括汉字）

1	`[^\x00-\xff]`

解析：\x00-\xff使用8位也就是单字节来表示字符，^是取非，也就是说除了单字节的字符，剩下就是双字节的字符了。

R3.匹配空白符

r3.1匹配首尾空白符

1	`^\s+\|\s+$`

解析：^匹配字符串开头，$匹配字符串结尾，\s+匹配空格出现一次或者多次。

R4匹配邮箱

1	`(\w+\.)*\w+@(\w+\.)+[A-Za-z]+`

解析：(\w+\.)*\w+负责匹配电子邮件地址的用户名部分（@之前的文本）：(\w+\.)*匹配一些由.结束的文字的零次或多次重复出现，\w+匹配比不可少的文本。接下来，@匹配字符本身，(\w+\.)+匹配至少一个以.结束的字符串，[A-Za-z]+匹配顶级域名。

R5匹配URL地址

1	`https?://[-\w.]+(:\d+)?(/([\w/_.]*)?)?`

解析：https?://匹配http://或https:// (?使得字符s是可选的)。[-\w.]+匹配主机名。(:\d+)?匹配一个可选的端口号。(/([\w/_.]*)?)?负责匹配一个文件路径。

R6匹配国内手机号码

1	`(13\|14\|15\|17\|18)[0-9]{9}`

解析：国内手机号码开头两位数字一般是固定的几位，接下来就是9个数字。

R7匹配国内固话号码

1	`$?0\d{2,4}$?[- ]?[2-9]\d{2,3}[- ]?\d{4}`

解析：我国的固定电话号码的规律是，最开始的位一定是0，表示长途，接着是两到四位数字组成的区号，然后是7到8位的电话号码，其中首位不为1.习惯格式有：029 8845 7890，029-88457890，(029) 88457890,029-8845-7890等。

R8匹配中国邮政编码

1	`\d(9\|[0-7])\d{4}`

解析：我国的邮政编码规则是，前两位表示省、市、自治区，第三位代表邮区，第四位表示县、市，最后两位表示投递邮局。共六位数字，其中第二位不为8（港澳前两位为99，其余省市为0-7）。

R9匹配IP地址

\b(((\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]))\b

解析： IP地址由4个字节构成（取值范围是0~255）IP地址通常被写成4组以.字符隔开的整数，每个整数由1~3位数字构成。正则表达式首尾的\b用来匹配单词的边界，接下来由4个子表达式构成(((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))\.)：其中(\d{1,2})匹配任意一位或者两位数字；(1\d{2})匹配以1开头的任意三位数字；(2[0-4]\d)匹配整数200~249；(25[0-5])匹配整数250~255.这几个子表达式通过|操作符结合为一个更大的子表达式。随后的\.用来匹配.字符，它与前4个子表示构成的大子表达式再次构成更大的子表达式，{3}表明重复3次。因为第四个字节是没有.结尾的，所以最后把前面的四个小的子表达式组成的大表达式重复一次即可。