理论结合应用，帮你看懂正则表达式（转帖摘要）

通过了解以下并不太多的内容，能够帮助你看懂正则表达式！

 

要想真正的用好正则表达式，正确的理解元字符是最重要的事情。下表列出了所有的元字符和对它们的一个简短的描述。

 

元字符	描述
.点	匹配任何单个字符。例如正则表达式r.t匹配这些字符串：rat、rut、r t，但是不匹配root。
$	匹配行结束符。例如正则表达式weasel$ 能够匹配字符串"He's a weasel"的末尾 　　但是不能匹配字符串"They are a bunch of weasels."
^	匹配一行的开始。例如正则表达式^When in能够匹配字符串"When in the course of human events"的开始，但是不能匹配"What and When in the"
*	匹配0或多个正好在它之前的那个字符。例如正则表达式.*意味着能够匹配任意数量的任何字符。
/	这是引用符，用来将这里列出的这些元字符当作普通的字符来进行匹配。例如正则表达式/$被用来匹配美元符号，而不是行尾，类似的，正则表达式/.用来匹配点字符，而不是任何字符的通配符。
[ ] 　　[c1-c2] 　　[^c1-c2]	匹配括号中的任何一个字符。例如正则表达式r[aou]t匹配rat、rot和rut，但是不匹配ret。可以在括号中使用连字符-来指定字符的区间，例如正则表达式[0-9]可以匹配任何数字字符；还可以制定多个区间，例如正则表达式[A-Za-z]可以匹配任何大小写字母。另一个重要的用法是“排除”，要想匹配除了指定区间之外的字符——也就是所谓的补集——在左边的括号和第一个字符之间使用^字符，例如正则表达式[^269A-Z] 将匹配除了2、6、9和所有大写字母之外的任何字符。
/< />	匹配词（word）的开始（/<）和结束（/>）。例如正则表达式/<the/>能够匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。注意：这个元字符不是所有的软件都支持的。
/( /)	将 /( 和 /) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 /1 到/9 的符号来引用。
|	将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。
+	匹配1或多个正好在它之前的那个字符。例如正则表达式9+匹配9、99、999等。注意：这个元字符不是所有的软件都支持的。
?	匹配0或1个正好在它之前的那个字符。注意：这个元字符不是所有的软件都支持的。
/{i/} 　　/{i,j/}	匹配指定数目的字符，这些字符是在它之前的表达式定义的。例如正则表达式A[0-9]/{3/} 能够匹配字符"A"后面跟着正好3个数字字符的串，例如A123、A348等，但是不匹配A1234。而正则表达式[0-9]/{4,6/} 匹配连续的任意4个、5个或者6个数字字符。注意：这个元字符不是所有的软件都支持的。

 

常用的正则表达式主要有以下几种：

　　匹配中文字符的正则表达式： [/u4e00-/u9fa5]

　　评注：匹配中文还真是个头疼的事，有了这个表达式就好办了哦

　　获取日期正则表达式：/d{4}[年|/-|/.]/d{1,2}[月|/-|/.]/d{1,2}日?

　　评注：可用来匹配大多数年月日信息。

　　匹配双字节字符(包括汉字在内)：[^/x00-/xff]

　　评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

　　匹配空白行的正则表达式：/n/s*/r

　　评注：可以用来删除空白行

　　匹配HTML标记的正则表达式：<(/S*?)[^>]*>.*?</>|<.*? />

　　评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

　　匹配首尾空白字符的正则表达式：^/s*|/s*$

　　评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式

　　匹配Email地址的正则表达式：/w+([-+.]/w+)*@/w+([-.]/w+)*/./w+([-.]/w+)*

　　评注：表单验证时很实用

　　匹配网址URL的正则表达式：[a-zA-z]+://[^/s]*

　　评注：网上流传的版本功能很有限，上面这个基本可以满足需求

　　匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$

　　评注：表单验证时很实用

　　匹配国内电话号码：/d{4}-/d{7}|/d{3}-/d{8}

　　评注：匹配形式如 0511-4405222 或 021-87888822

　　匹配腾讯QQ号：[1-9][0-9]/{4,/}

　　评注：腾讯QQ号从10000开始

　　匹配中国邮政编码：[1-9]/d(?!/d)

　　评注：中国邮政编码为6位数字

　　匹配身份证：/d{17}[/d|X]|/d{15}

　　评注：中国的身份证为15位或18位

　　匹配ip地址：((2[0-4]/d|25[0-5]|[01]?/d/d?)/.){3}(2[0-4]/d|25[0-5]|[01]?/d/d?)。

　　评注：提取ip地址时有用

　　匹配特定数字：

　　^[1-9]/d*$　//匹配正整数

　　^-[1-9]/d*$ //匹配负整数

　　^-?[1-9]/d*$　//匹配整数

　　^[1-9]/d*|0$　//匹配非负整数（正整数 + 0）

　　^-[1-9]/d*|0$　//匹配非正整数（负整数 + 0）

　　^[1-9]/d*/./d*|0/./d*[1-9]/d*$　//匹配正浮点数

　　^-([1-9]/d*/./d*|0/./d*[1-9]/d*)$　//匹配负浮点数

　　^-?([1-9]/d*/./d*|0/./d*[1-9]/d*|0?/.0+|0)$　//匹配浮点数

　　^[1-9]/d*/./d*|0/./d*[1-9]/d*|0?/.0+|0$　//匹配非负浮点数（正浮点数 + 0）

　　^(-([1-9]/d*/./d*|0/./d*[1-9]/d*))|0?/.0+|0$　//匹配非正浮点数（负浮点数 + 0）

　　评注：处理大量数据时有用，具体应用时注意修正

　　匹配特定字符串：

　　^[A-Za-z]+$　//匹配由26个英文字母组成的字符串

　　^[A-Z]+$　//匹配由26个英文字母的大写组成的字符串

　　^[a-z]+$　//匹配由26个英文字母的小写组成的字符串

　　^[A-Za-z0-9]+$　//匹配由数字和26个英文字母组成的字符串

　　^/w+$　//匹配由数字、26个英文字母或者下划线组成的字符串

　　评注：最基本也是最常用的一些表达式

 

正则表达式匹配规则：

　　一切从最基本的开始。模式，是正规表达式最基本的元素，它们是一组描述字符串特征的字符。模式可以很简单，由普通的字符串组成，也可以非常复杂，往往用特殊的字符表示一个范围内的字符、重复出现，或表示上下文。例如：

　　^once

　　这个模式包含一个特殊的字符^，表示该模式只匹配那些以once开头的字符串。例如该模式与字符串"once upon a time"匹配，与"There once was a man from NewYork"不匹配。正如如^符号表示开头一样，$符号用来匹配那些以给定模式结尾的字符串。

　　bucket$

　　这个模式与"Who kept all of this cash in a bucket"匹配，与"buckets"不匹配。字符^和$同时使用时，表示精确匹配（字符串与模式一样）。例如：

　　^bucket$

　　只匹配字符串"bucket"。如果一个模式不包括^和$，那么它与任何包含该模式的字符串匹配。例如：模式

　　once

　　与字符串

　　There once was a man from NewYorkWho kept all of his cash in a bucket.

　　是匹配的。

　　在该模式中的字母(o-n-c-e)是字面的字符，也就是说，他们表示该字母本身，数字也是一样的。其他一些??表符等），要用到转义序列。所有的转义序列都用反斜杠(/)打头。制表符的转义序列是：/t。所以如果我们要检测一个字符串是否以制表符开头，可以用这个模式：

　　^/t

　　类似的，用/n表示“新行”，/r表示回车。其他的特殊符号，可以用在前面加上反斜杠，如反斜杠本身用//表示，句号.用/.表示，以此类推。