正则表达式入门学习

写在最前面

前两天我从CodeProject上翻译了一篇关于Javascript的文章《Javascript中的陷阱大集合》，初次翻译技术文章，可能有很多地方需要改进，我个人觉得最好的改进办法就是继续去翻译其他文章，取长补短，积极思考，呵呵。

今天翻译的这篇文章是关于正则表达式的，英文原文为Learn Regular Expressions (RegEx) with Ease。让我们来轻松学习这令人蛋疼无比的正则表达式吧。译文允许转载，转载请在页面明显处注明以下信息：

英文原文：Learn Regular Expressions (RegEx) with Ease
译文作者：王国峰
译文标题：轻松学习正则表达式【译】
译文链接：http://www.itivy.com/ivy/archive/2011/11/16/learn-regular-expressions-with-ease.html

谢谢合作！

译文如下：

点击下面的图片可以把你带进正则表达式的学习视频教程（译者云：国内youtube不太好上，所以还是老老实实跟着我的译文学习吧，哈哈）

开篇，谈谈本文的主要内容

编写验证规则最流行和最简单的方法就是正则表达式了，但唯一的一个问题是正则表达式的语法太隐晦了，让人蛋疼无比。很多开发者为了在项目中应用复杂的验证，经常要使用一些小抄来记住正则式的复杂语法和各种常用命令。

在这篇文章中，我将试图让大家明白什么是正则表达式，以及如何更轻松地学习正则表达式。

也许你是初学者，那以防万一，我先来讲讲什么是正则表达式吧：

正则表达式可以帮助我们更好的描述复杂的文本格式。一旦你描述清楚了这些格式，那你就可以利用它们对文本数据进行检索、替换、提取和修改操作。

下面有一个正则表达式的简单例子。第一步先要引入有关正则式的命名空间：

using System.Text.RegularExpressions;

　　

第二步就是用指定的正则式构建一个正则表达式对象,下面的正则式是用来搜索长度为10的a-z的英文字母:

Regex obj = new Regex(“[a-z]{10}”);

最后,根据正则式在指定数据中检索匹配项,如果匹配IsMatch方法就会返回true。

MessageBox.Show(obj.IsMatch(“shivkoirala”).ToString());

　　

3个重要的正则式命令

记住正则语法最好的办法就是记住这三样东西：Bracket（括号）, caret（插入符号）和Dollars（美元符号）。

 

B	在正则表达式中有3种类型的括号 方括号 “[“和花括号“{“ 。 方括号"["内是需要匹配的字符，花括号"{"内是指定匹配字符的数量。 圆括号“(“ 则是用来分组的。
C	插入符号 “^” 表示正则式的开始。
D	美元符号“$” 表示正则式的结束。

现在你知道上面的3个语法后，你就可以写世界上任何一条验证规则了。比如下面的例子就很好的说明了上面3条是如何协调运作的。

（译者注：上图有个错误，"()"应为"{}"）

• 上面的这条正则式只能匹配a-z的英文字母，同样是在中括号中标明匹配范围。
• 花括号中则是标明匹配字符串的最小长度和最大长度。
• 最后为了让表达式更规则，分别在开头和结尾加上了插入符号"^"和美元符号"$"。

好了，现在我们就用上面的3条语法来实现一些正则表达式的验证规则吧。

检查用户是否输入了shivkoirala？

让我们开始第一个验证，输入的字符在a-g之间？

[a-g]

输入的字符在a-g之间并且长度为3？

[a-g]{3}

　　

输入的字符在a-g之间并且最大长度为3最小长度为1？

[a-g]{1,3}

 如何在匹配像91230456, 01237648那样的固定8位数？

^[0-9]{8}$

　　

如何验证最小长度为3最大长度为7的数字，如：123, 1274667, 87654？

^[0-9]{3,7}$

如何验证像LJI10201020那样的发票编号，前3个是字母剩余为8位长度的数字？

前三个是字母：

^[a-z]{3}

后面是8位长度的数字：

[0-9]{8}

　　

所以整个表达式为：

^[a-z]{3}[0-9]{8}$

验证像INV19020303 或 inv82083003那样的前3位是不区分大小写的英文字母，剩余8位是数字

在前面的表达式中只能匹配前3个是小写英文字母的发票编号，如果我们输入大写字母那就不能匹配了。所以为了确保前3个字母是不区分大小写的，我们就要用表达式^[a-zA-Z]{3}。

完整的正则式如下：

^[a-zA-Z]{3}[0-9]{8}$

我们可以验证简单的网址URL格式吗？

第一步：检查是否存在www：

^www.

第二步：域名必须是长度在1-15的英文字母：

 [a-z]{1,15}

 

第三部：以.com或者.org结束：

(com|org)$

 

完整的表达式如下：

^www[.][a-z]{1,15}[.](com|org)$

 

让我们在来看看BCD（其实也就是上面说的3条基本语法）如何验证email格式

第一步：email开始是长度在1-10的英文字母，最后跟一个"@"：

^[a-zA-Z0-9]{1,10}@

 

第二步：@后面是长度在1-10的英文字母，后面跟一个"."：

[a-zA-Z]{1,10}.

 

第三步：最后以.com或.org结束：

.(com|org)$

 

最后完整的表达式如下：

^[a-zA-Z0-9]{1,10}@[a-zA-Z]{1,10}.(com|org)$

 

验证值在0-25的数字：

^(([0-9])|([0-1][0-9])|([0-2][0-5]))$

 

验证格式为MM/DD/YYYY, YYYY/MM/DD and DD/MM/YYYY的日期：

步骤	正则式	描述说明
先来检查 DD. 首先DD的长度为1-29 ( 2月份) , 1-30 (月小) , 1-31 (月大) . 所以 DD 就是 1-9 或 01-09	[1-9]|0[1-9]	允许用户输入1-9或者01-09.
再为DD添加匹配10-19	[1-9]|1[0-9]	允许用户输入01-19.
再为DD添加匹配20-29	[1-9]|1[0-9]|2[0-9]	允许用户输入01-29.
i再为DD添加匹配30-31	[1-9]|1[0-9]|2[0-9]|3[0-1]	最后用户可以输入01-31.
再来匹配日期间的分隔符"/"，"-"	[/ . -]	允许用户输入日期分隔符.
MM也是类似的操作	[1-9]|0[1-9]|1[0-2]	让用户输入月份值01-12.
最后就是YY的操作	1[9][0-9][0-9]|2[0][0-9][0-9]	允许用户输入年份1900-2099.

最后DD/MM/YYYY格式的日期的正则表达式为：

最后DD/MM/YYYY格式的日期的正则表达式为：

^([1-9]|0[1-9]|1[0-9]|2[0-9]|3[0-1])[- / .]([1-9]|0[1-9]|1[0-2])[- / .](1[9][0-9][0-9]|2[0][0-9][0-9])$

 

MM/DD/YYYY格式的日期：

^([1-9]|0[1-9]|1[0-2])[- / .]([1-9]|0[1-9]|1[0-9]|2[0-9]|3[0-1])[- / .](1[9][0-9][0-9]|2[0][0-9][0-9])$

 

YYYY/MM/DD格式的日期：

^(1[9][0-9][0-9]|2[0][0-9][0-9])[- / .]([1-9]|0[1-9]|1[0-2])[- / .]([1-9]|0[1-9]|1[0-9]|2[0-9]|3[0-1])$

 

快捷命令

你也可以用以下的快捷命令来简化你的正则表达式

实际命令	快捷命令
[0-9]	\d
[a-z][0-9][_]	\w
0次或多次发生	*
至少一次发生	+
0次或1次发生	?

（译文完）

转载请注明英文原文链接和译文链接，谢谢合作。

最后说下快速测试的方法：使用谷歌浏览器如图:

例子(群里一个朋友问的问题 我正好借这个机会学习下)：

需求：

<option value="http://www.tongren.gov.cn/files/60gq/html/trdt/"><a href='http://www.tongren.gov.cn/files/60gq/html/trdt/' target='_blank'>铜仁人民广播电台</a> </option>

把所有option里面的a标签去掉 保留里面的文字 变成

<option value="http://www.tongren.gov.cn/files/60gq/html/trdt/">铜仁人民广播电台</option>

首先分析把这个问题拆分(学习oracle sql的时候讲师提供的思路) 我们学习不是为了答案 而是学习解决问题的思路和方法 这里我也分享下 说的不对的也请朋友指教

这个html有5个部分 ：

1：<option value="http://www.tongren.gov.cn/files/60gq/html/trdt/">
2：<a href=' http://www.tongren.gov.cn/files/60gq/html/trdt/' target='_blank'>
3：铜仁人民广播电台
4：</a>
5：</option>

也许你想到我们一次来匹配他们 没错 思路就是这样。

1：<option[^>]*> 当时我就在想花括号里面为什么是^>呢？我直接[\x]x代表是任意的除了换行 特殊的那些字符 如果这样就错了不加^>那就匹配到最后一个位置去了 明白 了吗？

如图：

2：?:<a[^>]*>   ?:非捕获组我们先不去理解他 是不是和上面的一样<a[^>]*> 

3：[^<]* 注意 这一次为什么又是^<呢？因为我们前面匹配了1 和2 答案说的很勉强啊！注意看html位置是不是在>的后面呢？仔细想想 原来真的是这样!

4：到这里就和上面的一样了原理?:<\/a> \是转义字符就是告诉编译器 \我后面的这个/不是正则里面的字符啊！

5：(.*<\/option>) 这个为什么要加.*呢 我也问了下朋友 他说</a>和</option>之间可能有空格 我试试 了 也对原来里面的注意 的问题还真的很多！

合起来就是 var sp=/(<option[^>]*>)(?:<a[^>]*>)([^<]*)(?:<\/a>)(.*<\/option>)/

测试的结果：

注意：[xx]就是匹配的内容 加^就是false的意思 不包括xx  ?：是非捕获组 .是任意的字符除了换行的 $1 $2 $3 这个看起来很奇怪啊 我看书也没看明白 最后才知道这个是占位符(联想c#) 感觉来了没！

哎 现在需求又来了 这这里就一个s 图里的var s=xxx 我要匹配的是整个页面的啊 程序员!! 改吧 学习的过程就是不断解决问题 

最后结果如下：

var r = /(<option[^>]*>)(?:<a[^>]*>)([^<]*)(?:<\/a>)([^<]*<\/option>)/g;
console.log(s.replace(r, function(str, a, b, c) {
return a + b + c;
}))  

其中abc就是我们前面的那5个没有加?:的  明白了吧？

测试：

 最后提一个问题？

正则在全角半角问题吧的情况下失效(就是能打中文的情况下怎么解决呢？)我无解 朋友你能告诉我吗？我网上也没查到