正则表达式基础总结

正则表达式的基础：

1、正则表达式的概念:
正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。
正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
给定一个正则表达式和另一个字符串，我们可以达到如下的目的：
1. 给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）；
2. 可以通过正则表达式，从字符串中获取我们想要的特定部分。
正则表达式的特点是：
1. 灵活性、逻辑性和功能性非常的强；
2. 可以迅速地用极简单的方式达到字符串的复杂控制。
2、什么时候会用到正则表达式
工作中经常会用正则表达式用来验证字符串是否符是一个电子邮箱、身份证号、电话号码等。正则表达式还可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。
以下举例说明正则表达式用来验证字符串是否符合某个模式：
例1:
Q：“^”的作用
A：匹配输入字符串开始的位置，比如^\d+$,匹配123，不匹配ww123 而\d+$,既匹配123，也匹配ww123.“$”同理匹配字符串结束的位置。

例2：
Q：只能输入一个数字
A：^[-]?\d$
数字可为正数也可为负数，则“-”可出现0次或1次，可用“？”或{0，1}修饰。

例3：
Q：简单说明下RegExp 对象的 Multiline 属性
A：regexp有3个常用的标志global、ignoreCase、multiline
g：执行一个全局匹配。简而言之，就是找到所有的匹配，而不是在找到第一个之后就停止。
i：执行大小写不敏感的匹配，之前我们介绍的大写就是大写，小写就是小写，如果加上i标志后，大小写通吃。如/^[a-z]+$/匹配person，不匹配Person 而/^[a-z]+$/i两种都匹配
m：多行模式，^匹配一行的开头和字符串的开头，$匹配一行的结尾或字符串的结尾 结合例子说明（匹配字符串开始或结束存在换行符）

例4：
Q：电子邮箱的正则表达式
A：/^\w+([.-]?\w+)@\w+([.-]?\w+)(.\w{2,3})+$/
说明：表达式\w 表示任意单一字符，包括a~z 、A~Z 、0~9 或下划线。电子邮件必须这些字符之一开头。
加号+ 表示我们要寻找前面条目的一次或多次出现。
园括号() 表示一个组，这意味着后面要引用圆括号中的所有内容，所以现在将它们放在一个组中。
放括号[] 用来表示可以出现其中的任意一个字符。在这个示例中，方括号内包含字符.- 。我们希望允许用户输入点号或连字符，但是点号对于正则表达式有特殊的意义，所以需要在它前面加上反斜杠, 在特殊字符前加反斜杠表示“对字符转义”，经转义后的字符表示其本身意义。因为有方括号，输入字符串在这个位置可以有一个点号或一个连字符，但是两种不能同时存在。
问号？表示前面的条目可以出现一次或不出现。所以电子邮件地址的第一部分中可以有一个点号或一个连字符，也可以没有。
在？后面，再次使用\w+ ，表示点号或连字符后面必须有其他字符。
在（）后面出现的* 号，表示前面的条目可以出现零次或多次。所以圆括号中的内容可以出现零次或多次。
@ 字符代表其本身，没有任何其他意义，这个字符位于电子邮件地址和域名之间。
@ 字符后再次出现\w+ ，表示@ 后必须出现字符。在此之后，再次出现([.-]?\w+)*, 表示电子邮件地址的后缀中允许出现点号或连字符。
然后，在一对圆括号中建立另一个组(.\w{2,3}), 表示我们希望找到一个点号，后面跟一些字符。在这个示例中，花括号中的数字表示前面的条目可以出现2 到3 次。在这个组的后面是一个+ 号，表示前面的条目（这个组）必须出现一次或多次。这会匹配.com 或.edu 之类的，也与ox.ac.uk 匹配。

例5：
Q：验证手机号的正则表达式，因手机号号段较多，仅取移动的几个号段来验证134.135.136.137.138.139.150.151.152.157.158.159.187.188
A：^1(3[4-9]|5[012789]|8[78])\d{8}$

例6：
Q：验证18位的身份证号码
A： ^\d{17}([0-9]|X)$
身份证最后一位可能是字母X

例7：
Q：匹配图片格式
A：/[^\s]+.(jpg|gif|png|bmp)/i 或/[\S]+.(jpg|gif|png|bmp)/i
\S匹配非空白字符

例8：
Q：[xyz]和[^xyz]浅析
A：[xyz]表示只要匹配其中的任一字符则返回true，而[^xyz]表示只要有一个字符不匹配给出的字符，不是不能包含其中任一个的意思。则返回true。如wen匹配[wsd]，wen也匹配[^wsd]。

例9：
Q:^,$和\b的区别 A:^,$匹配的是首尾字符，而\b匹配的是首尾位置。如abc,用^a$会匹配失败，而\ba\b则会匹配成功返回a，即返回的是字符串开始的这个位置的字符。
3、贪心模式
正则表达式中经常会看到{n,}?, ?, +?, ??, {m,n}?这种写法，在正则中这叫贪心模式，先用一个例子解释下什么叫贪心模式，如^c{1,}$,去匹配ccc，返回匹配的结果为ccc，而^c{1,}?$ 返回匹配的结果为c,即正则表达式会尽量多去匹配字符串，这就叫贪心模式。若我们希望正则表达式尽量少匹配字符，则可以在表示数字的符号后加上?，如？，+?,??,{m,}?,{m,n}?.

4、反向引用
反向引用的表达式：/(子正则表达式)\1/

运用的场景：反向引用的作用通常是用来查找或限定重复、查找或限定指定标识配对出现等等。

源字符串：abcdebbcde
正则表达式：([ab])\1
对于正则表达式“([ab])\1”，捕获组中的子表达式“[ab]”虽然可以匹配“a”或者“b”，但是捕获组一旦匹配成功，反向引用的内容也就确定了。如果捕获组匹配到“a”，那么反向引用也就只能匹配“a”，同理，如果捕获组匹配到的是“b”，那么反向引用也就只能匹配“b”。由于后面反向引用“\1”的限制，要求必须是两个相同的字符，在这里也就是“aa”或者“bb”才能匹配成功。
考察一下这个正则表达式的匹配过程，在位置0处，由“([ab])”匹配“a”成功，将捕获的内容保存在编号为1的组中，然后把控制权交给“\1”，由于此时捕获组已记录了捕获内容为“a”，“\1”也就确定只有匹配到“a”才能匹配成功，这里显然不满足，“\1”匹配失败，由于没有可供回溯的状态，整个表达式在位置0处匹配失败。
正则引擎向前传动，在位置5之前，“([ab])”一直匹配失败。传动到位置5处时，，“([ab])”匹配到“b”，匹配成功，将捕获的内容保存在编号为1的组中，然后把控制权交给“\1”，由于此时捕获组已记录了捕获内容为“b”，“\1”也就确定只有匹配到“b”才能匹配成功，满足条件，“\1”匹配成功，整个表达式匹配成功，匹配结果为“bb”，匹配开始位置为5，结束位置为7。
简单的理解就是前面匹配并捕获的字符串会被后面的\1作为模式的一部分。

例10：
Q:正则表达式：(\w)((?=\1\1\1)(\1))+ 源字符串 ：wwwaaaaaccccccc11111111
A:用match方法返回的结果是：aaa,ccccc,111111。
“(\w)”匹配一个字符，占一位，“\1”是对“\w”匹配内容的引用，(?=\1\1\1)表示\w匹配的字符后面要连续出现3次，（“（?=pattern）”是非捕获匹配，即要足pattern的条件，但不捕获pattern匹配的字符，后面会介绍）搜索到第一个w时，后面没有连续的3个w，第一个w就不匹配，同理后面的两个w也不匹配，搜素到第一个a时，后面有连续的3个a，匹配，但后面的3个a只作为满足的条件，并不捕获输出，则（\1）匹配到第二个a，因为“+”的作用，会继续用(?=\1\1\1)(\1)去匹配，接着判断第二个a后面是否满足连续的3个a，满足则(\1)匹配到了第3个a；后面ccccc和111111的捕获同理。

5、（pattern）、(?:pattern)、（？=pattern）、（?!pattern）的理解。
（）有分组的意思，（pattern）在用exec或match方法时不仅会返回匹配的字符串，还会返回pattern匹配的字串
例11：
Q: /caadg(\d+)/去匹配dcaadg12344gcb，得出匹配的字符串
A:首先得到的是caadg12344这个字符串，这是由caadg(\d+)这个整体的模式匹配得到的，还会得到12344，这是由\d+匹配得到的。如果我不想得到捕获的子串，那我们就要用到（?=pattern）,即我要得到的字符串要满足pattern，但我不需要返回pattern匹配的字符串，上面给到的例子，将正则表达式换为/caadg(？=\d+)/,调用exec方法将得到的只有caadg。而（？！=pattern）则与（?=pattern）相反，即caadg后面的字符不与pattern匹配，上面给出的dcaadg12344gcb将不会匹配/caadg(？！=\d+)/，而dcaadgaaa12344gcb会匹配成功，匹配的字符串仍为caadg。

常用正则表达式：
1。^\d+$　　//匹配非负整数（正整数 + 0）
2。^[0-9][1-9][0-9]$//匹配正整数 3。^((-\d+)|(0+))$　　//匹配非正整数（负整数 + 0）
4。^-[0-9][1-9][0-9]$//匹配负整数 5。^-?\d+$　　　　//匹配整数
6。^\d+(.\d+)?$　　//匹配非负浮点数（正浮点数 + 0）
7。^(([0-9]+.[0-9][1-9][0-9])|([0-9][1-9][0-9].[0-9]+)|([0-9][1-9][0-9]))$//匹配正浮点数 8。^((-\d+(.\d+)?)|(0+(.0+)?))$　　//匹配非正浮点数（负浮点数 + 0）
9。^(-(([0-9]+.[0-9][1-9][0-9])|([0-9][1-9][0-9].[0-9]+)|([0-9][1-9][0-9])))$//匹配负浮点数 10。^(-?\d+)(.\d+)?$　　//匹配浮点数
11。^[A-Za-z]+$//匹配由26个英文字母组成的字符串 12。^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串
13。^[a-z]+$//匹配由26个英文字母的小写组成的字符串 14。^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串
15。^\w+$//匹配由数字、26个英文字母或者下划线组成的字符串 16。^[\w-]+(.[\w-]+)*@[\w-]+(.[\w-]+)+$　　　　//匹配email地址
17。^[a-zA-z]+://匹配(\w+(-\w+))(.(\w+(-\w+)))(\?\S)?$　　//匹配url
18。匹配中文字符的正则表达式： [\u4e00-\u9fa5]
19。匹配双字节字符(包括汉字在内)：[^\x00-\xff]
20。应用：计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）
String.prototype.len=function(){return this.replace([^\x00-\xff]/g,”aa”).length;}
21。匹配空行的正则表达式：\n[\s| ]*\r
22。匹配HTML标记的正则表达式：/<(.)>.<\/\1>|<(.*) \/>/
23。匹配首尾空格的正则表达式：(^\s*)|(\s*$)

• 正则表达式用例
• 1、^\S+[a-z A-Z]$ 不能为空 不能有空格 只能是英文字母
• 2、\S{6,} 不能为空 六位以上
• 3、^\d+$ 不能有空格 不能非数字
• 4、(.*)(.jpg|.bmp)$ 只能是jpg和bmp格式
• 5、^\d{4}-\d{1,2}-\d{1,2}$ 只能是2004-10-22格式
• 6、^0$ 至少选一项
• 7、^0{2,}$ 至少选两项
• 8、^[\s|\S]{20,}$ 不能为空 二十字以上（应该是所有字符20字以上，包含空）
• 9、^+?a-z0-9*@([a-z0-9]+(.|-))+[a-z]{2,6}$邮件
• 10、\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)([,;]\s\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)) 输入多个地址用逗号或空格分隔邮件
• 11、^(([0-9]+))?[0-9]{7,8}$电话号码7位或8位或前面有区号例如（022）87341628
• 12、^[a-z A-Z 0-9 ]+@[a-z A-Z 0-9 ]+(.[a-z A-Z 0-9 ]+)+(,[a-z A-Z 0-9 ]+@[a-z A-Z 0-9 ]+(.[a-z A-Z 0-9 ]+)+)*$
• 只能是字母、数字、下划线；必须有@和.同时格式要规范 邮件
• 13 ^\w+@\w+(.\w+)+(,\w+@\w+(.\w+)+)*$上面表达式也可以写成这样子，更精练。
  14 ^\w+((-\w+)|(.\w+))\@\w+((.|-)\w+).\w+$

C#中正则表达式的用法
1、 引入System.Text.RegularExpressions命名空间。
2、 正则表达式构造一个Regex类。
3、 使用Regex类的IsMatch方法验证匹配。Regex类的IsMatch()方法返回一个bool值，如果有匹配项，返回true，否则返回false。

PS：正则，有个好用的测试工具：RegexTester