元字符是正则表达式中具有特殊意义的专用字符,用来规定其前导字符(即位于元字符前面的字符)在目标对象中的出现模式。
下面列举下一常用的元字符
元字符 | 描述 |
. | 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 |
- | 表示范围 |
[] | 匹配括号中的任意一个字符 |
*、+、? | 量词 |
例子:
1、匹配以字母h开头的单词:
\bh\w*\b
以上表示先是某个单词开始处(\b),然后是字母h,接着是任意数量的字母或数字(\w*),最后是单词结束处(\b),匹配的单词如:h,he,heard,hour,heart
2、匹配1个或更多连续的数字
\d+
以上表达式可以匹配到0、1、666、8888等。这里的元字符+和*类似,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。
3、匹配刚好6个字符的单词
\bw{6}\b
以上表达式可以匹配到action、12456、ste_ph等。ps:正则表达式里的单词指不少于1个的连续字母和数字
4、匹配指定个数的字符串
0\d{2}-\d{8}
以上表达式可以匹配到010-1245678等。这里的表示以0开头,然后是2个数字,1个连接符,最后是8个数字,\d是元字符,可以匹配到1位数字(0,1,2......)。-不是元字符,只是匹配它本身的连字符(或称减号,中横线都行)
起始和结束元字符
一个是^:匹配字符串的开始,另一个是$:匹配字符串的结束。
比如在要求QQ号必须为5~11位数字时,就可以使用^\d{5,11}$
这里的{5,11}表示重复次数不能少于5次,不能多于11次,不然则匹配不成功,因为使用了^跟$,所以输入的整个字符串都要跟\d{5,11}匹配
点号
点号(.)是使用频率最高的元字符。例如在做采集时抓取页面,匹配div中的内容就可以采用点号来匹配
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="zh-CN" lang="zh-CN">
<head>
<title>csdn博客</title>
<meta http-equiv="Content-Type" content="text/html; charset=GBK" />
<meta http-equiv="Content-Language" content="zh-CN" />
则可以使用<title>.*</title>来匹配
量词
正则表达式中的量词
限定符代码/语法 | 描述 |
* | 重复0次或更多次 |
+ | 重复1次或更多次 |
? | 重复0次或1次 |
{n} | 重复n次 |
{n,} | 重复n次或更多次 |
{n,m} | 重复n到m次 |
1、匹配v后面跟1个或者更多数字
v\d+
2、匹配index后面紧跟0个或1个数字
index\d?
这个可以匹配到index0,index1,index9这些,但匹配不到index10,indexa。
3、匹配一行第一个单词
^\w+