正则表达式的一些基本使用总结,可以当一个字典来使用。
一、元字符
1. \b 元字符 开头和结尾
2. . 元字符 匹配除了换行符以外的任意字符
3. * 元字符 指定*前边的内容可以连续重复使用任意次以使整个表达式得到匹配(0次或多次)
4. \d 元字符 匹配一位数字
5. - 匹配连字符本身
6. 字符串 匹配字符串本身
7. \d\d\d\d\d\d 等同于 \d{6}
8. \s 元字符 匹配任意的空白符,包括空格,制表符(Tab),换行符,中文全角空格
9. \w 元字符 匹配字母或数字或下划线或汉字
10. + 元字符 匹配1个或更多(1次或多次)
11. ^ 元字符 匹配字符串的开始
12. $ 元字符 匹配字符串的结束
(^$与\b的区别是:前者,必须这个字符串完全符合^$中间的规则。后者,这个字符串只要有匹配的部分就可以)
13. ? 元字符 匹配零次或一次(0或1)
14. {n} {n,} {n,m} 指定重复次数(左闭右闭区间)
15. [] 元字符?
16. () 元字符
二、字符转义
查找元字符本身,需要使用\来解释元字符,\可以取消元字符的特殊意义
三、字符类
使用[]包含想要匹配的字符串
[0-9]代表\d
[a-z0-9A-Z_]也完全等同于\w(如果只考虑英文的话)
四、分枝条件(|)
|
使用分枝条件时,要注意各个条件的顺序
匹配分枝条件时,将会从左到右地测试每个条件,如果满足了某个分枝的话,就不会去再管其它的条件了
五、分组
()
(\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式
六、反义
\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
七、后向引用
使用小括号指定一个子表达式后,匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下,每个分组会自动拥有一个组号,规则是:从左向右,以分组的左括号为标志,第一个出现的分组的组号为1,第二个为2,以此类推。
后向引用用于重复搜索前面某个分组匹配的文本。例如,\1代表分组1匹配的文本
分组0对应整个正则表达式
实际上组号分配过程是要从左向右扫描两遍的:第一遍只给未命名组分配,第二遍只给命名组分配--因此所有命名组的组号都大于未命名的组号
你可以使用(?:exp)这样的语法来剥夺一个分组对组号分配的参与权.
八、常用分组语法
分类 代码/语法 说明
捕获 (exp) 匹配exp,并捕获文本到自动命名的组里
(?<name>exp) 匹配exp,并捕获文本到名称为name的组里,也可以写成(?'name'exp)
(?:exp) 匹配exp,不捕获匹配的文本,也不给此分组分配组号
零宽断言 (?=exp) 匹配exp前面的位置
(?<=exp) 匹配exp后面的位置
(?!exp) 匹配后面跟的不是exp的位置
(?<!exp) 匹配前面不是exp的位置
注释 (?#comment) 这种类型的分组不对正则表达式的处理产生任何影响,用于提供注释让人阅读
九、零宽断言
\b\w+(?=ing\b) 匹配以ing结尾的单词的前面部分(除了ing以外的部分)
(?<=\bre)\w+\b 匹配以re开头的单词的后半部分(除了re以外的部分)
负向零宽断言
(?<=<(\w+)>).*(?=<\/\1>) 匹配不包含属性的简单HTML标签内里的内容
十、注释
(?#comment)来包含注释。例如:2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。
十一、贪婪与懒惰
贪婪 匹配尽可能多
a.*b
懒惰 匹配尽可能少
a.*?b 即数量符号后面加上?
十二、处理选项
IgnoreCase(忽略大小写) 匹配时不区分大小写。
Multiline(多行模式) 更改^和$的含义,使它们分别在任意一行的行首和行尾匹配,而不仅仅在整个字符串的开头和结尾匹配。(在此模式 下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置.)
Singleline(单行模式) 更改.的含义,使它与每一个字符匹配(包括换行符\n)。
IgnorePatternWhitespace(忽略空白) 忽略表达式中的非转义空白并启用由#标记的注释。
ExplicitCapture(显式捕获) 仅捕获已被显式命名的组。
十三、平衡组/递归匹配
匹配HTML <div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>
附录:常见正则表达式
1、js端
// [^\da-zA-Z0-9\u4e00-\u9fa5_-]表示除了【数字中文字大小写字母_-】外的任意字符 /g是替换的意思
// 此句完整意思就是 替换value中所有非【数字中文字大小写字母_-】的字符为【""】
var temp = value.replace(/[^\da-zA-Z0-9\u4e00-\u9fa5_-]/g, "");
2、java端
\u00A0和\u3000分别代表着半角和全角空格
(\d{1,3}\.){3}\d{1,3} IP地址
^([^\.]*([a-zA-Z0-9\u4e00-\u9fa5]+\.)*[^\.]*)*$ IP地址加强版