正则表达式

元字符

常用的元字符	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或汉字
\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

• \bhi\b: 由两个字符组成，前一个字符是h,后一个是i
• \bhi\b.*\bLucy\b: 先是一个单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词
• 0\d{2}-\d{8}: 以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字
• \ba\w*\b: 以字母a开头的单词——先是某个单词开始处(\b)，然后是字母a,然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)
• \d+: 1个或更多连续的数字, 这里的+是和类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次
• \b\w{6}\b :匹配刚好6个字符的单词
• ^\d{5,12}$: 5到12个数字

转义字符

如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义

• deerchao\.cn : 匹配deerchao.cn
• C:\\Windows: C:\Windows

限定符

常用的限定符	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

• Windows\d+: 匹配Windows后面跟1个或更多数字

字符类

[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号(.或?或!) ，[]中括号中代表任意一个都行

• \(?0\d{2}[) -]?\d{8}: 匹配几种格式的电话号码 ，像(010)88886666，或022-22334455，或02912345678等。

  首先是一个转义字符(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\d{8})。

  也能匹配010)12345678或(022-87654321这样的“不正确”的格式

分枝条件

不幸的是，刚才那个表达式也能匹配010)12345678或(022-87654321这样的“不正确”的格式。要解决这个问题，我们需要用到分枝条件。正则表达式里的分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开。

• 0\d{2}-\d{8}|0\d{3}-\d{7}: 匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)
• \(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}: 匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔

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

• \d{5}-\d{4}|\d{5}: 规则是5位数字，或者用连字号间隔的9位数字
• \d{5}|\d{5}-\d{4}: 只会匹配5位的数字(以及9位数字的前5位)

分组

重复多个字符，用小括号来指定子表达式

• (\d{1,3}\.){3}\d{1,3}: \d{1,3}匹配1到3位的数字，(\d{1,3}\.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3})
• ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?): IP地址， 每个数字都不能大于255， 01.02.03.04 这样前面带有0的数字也是正确的

反义

取反的意思， 想查找除了数字以外，其它任意字符都行的情况

常用的反义代码	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
• \S+: 不包含空白符的字符串
• <a[^>]+>: 用尖括号括起来的以a开头的字符串

零宽断言

代码	说明
(?=exp)	匹配exp前面的位置，断言自身出现的位置的后面能匹配表达式exp
(?<=exp)	匹配exp后面的位置，断言自身出现的位置的前面能匹配表达式exp
(?!exp)	匹配后面跟的不是exp的位置
(?<!exp)	匹配前面不是exp的位置

• \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)，如查找I'm singing while you're dancing.时，它会匹配sing和danc
• (?<=\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)，例如在查找reading a book时，它匹配ading
• (?<=\s)\d+(?=\s): 匹配以空白符间隔的数字(再次强调，不包括这些空白符)

贪婪与懒惰

当正则表达式中包含能接受重复的限定符时，通常的行为是(在使整个表达式能得到匹配的前提下)匹配尽可能多的字符。以这个表达式为例：a.b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪*匹配。

有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复

懒惰限定符	说明
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

更多

代码	说明
\a	报警字符(打印它的效果是电脑嘀一声)
\b	通常是单词分界位置，但如果在字符类里使用代表退格
\t	制表符，Tab
\r	回车
\v	竖向制表符
\f	换页符
\n	换行符
\e	Escape
\0nn	ASCII代码中八进制代码为nn的字符
\xnn	ASCII代码中十六进制代码为nn的字符
\unnnn	Unicode代码中十六进制代码为nnnn的字符
\cN	ASCII控制字符。比如\cC代表Ctrl+C
\A	字符串开头(类似^，但不受处理多行选项的影响)
\Z	字符串结尾或行尾(不受处理多行选项的影响)
\z	字符串结尾(类似$，但不受处理多行选项的影响)
\G	当前搜索的开头
\p{name}	Unicode中命名为name的字符类，例如\p{IsGreek}
(?>exp)	贪婪子表达式
(?<x>-<y>exp)	平衡组
(?im-nsx:exp)	在子表达式exp中改变处理选项
(?im-nsx)	为表达式后面的部分改变处理选项
(?(exp)yes|no)	把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no
(?(exp)yes)	同上，只是使用空表达式作为no
(?(name)yes|no)	如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no
(?(name)yes)	同上，只是使用空表达式作为no

---

正则表达式30分钟入门教程 (deerchao.cn)