规则
符号 | 说明 |
---|---|
[abc] | a、b或 c |
[^abc] | 任何字符,除 a、b、c(否定) |
[a-zA-Z] | a 到 z(范围) |
[a-b[m-p]] | a 到 b 或 m 到 p(并集) |
[m-p[n-w]] | m 到 w 任一个(交集) |
[a-dm-p] | |
[a-z&&[def]] | d、e、f(交集) |
[a-z&&[^bc]] | a 到 z,除 b、c |
[a-z&&[^m-p]] | a 到 z,且非 m 到 p |
^ | 匹配一行的开端 |
$ | 匹配一行的结束字符串 |
* | 零次或多次 |
? | 零次或一次 |
+ | 一次或多次 |
{n} | 恰好 n 次 |
{n,} | 至少 n 次 |
{n,m} | 至少 n 次,至多 m 次 |
\d | 数字[0-9] |
\D | 非数字[^0-9] |
\s | 空白字符[\t\n\x0B\f] |
\S | 非空白字符[^\s] |
\w | 单词字符[a-zA-Z_0_9] |
\W | 非单词字符[^\w] |
\ | 转义 |
. | 除\n 外任何单个字符 |
\(...\) | 匹配圆括号 |
`x | y` |
[\s\S]* | 任意内容 |
[\w\W]* | 任意内容 |
规则
元字符表格
元字符 | 描述 |
---|---|
\ | 将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如,“\n”匹配\n。“\n”匹配换行符。序列“\”匹配“\”而“(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。 |
^ | 匹配输入字行首。如果设置了RegExp对象的Multiline属性,^也匹配“\n”或“\r”之后的位置。 |
$ | 匹配输入行尾。如果设置了RegExp对象的Multiline属性,$也匹配“\n”或“\r”之前的位置。 |
* | 匹配前面的子表达式任意次。例如,zo能匹配“z”,也能匹配“zo”以及“zoo”。等价于{0,}。 |
+ | 匹配前面的子表达式一次或多次(大于等于1次)。例如,“zo+”能匹配“zo”以及“zoo”,但不能匹配“z”。+等价于{1,}。 |
? | 匹配前面的子表达式零次或一次。例如,“do(es)?”可以匹配“do”或“does”。?等价于{0,1}。 |
{n} | n是一个非负整数。匹配确定的n次。例如,“o{2}”不能匹配“Bob”中的“o”,但是能匹配“food”中的两个o。 |
{n,} | n是一个非负整数。至少匹配n次。例如,“o{2,}”不能匹配“Bob”中的“o”,但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。 |
{n,m} | m和n均为非负整数,其中n<=m。最少匹配n次且最多匹配m次。例如,“o{1,3}”将匹配“fooooood”中的前三个o为一组,后三个o为一组。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。 |
? | 当该字符紧跟在任何一个其他限制符(,+,?,{*n},{n,},{n,m})后面时,匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串,而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如,对于字符串“oooo”,“o+”将尽可能多地匹配“o”,得到结果[“oooo”],而“o+?”将尽可能少地匹配“o”,得到结果 [‘o’, ‘o’, ‘o’, ‘o’] |
.点 | 匹配除“\n”和”\r”之外的任何单个字符。要匹配包括“\n”和”\r”在内的任何字符,请使用像“[\s\S]”的模式。 |
(pattern) | 匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中则使用$0…$9属性。要匹配圆括号字符,请使用“(”或“)”。 |
(?:pattern) | 非获取匹配,匹配pattern但不获取匹配结果,不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。 |
(?=pattern) | 非获取匹配,正向肯定预查,在任何匹配pattern的字符串开始处匹配查找字符串,该匹配不需要获取供以后使用。例如,“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”,但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。 |
(?!pattern) | 非获取匹配,正向否定预查,在任何不匹配pattern的字符串开始处匹配查找字符串,该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”,但不能匹配“Windows2000”中的“Windows”。 |
(?<=pattern) | 非获取匹配,反向肯定预查,与正向肯定预查类似,只是方向相反。例如,“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”,但不能匹配“3.1Windows”中的“Windows”。 *python的正则表达式没有完全按照正则表达式规范实现,所以一些高级特性建议使用其他语言如java、scala等 |
(?<!patte_n) | 非获取匹配,反向否定预查,与正向否定预查类似,只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”,但不能匹配“2000Windows”中的“Windows”。 *python的正则表达式没有完全按照正则表达式规范实现,所以一些高级特性建议使用其他语言如java、scala等 |
x|y | 匹配x或y。例如,“z|food”能匹配“z”或“food”(此处请谨慎)。“[z|f]ood”则匹配“zood”或“food”。 |
[xyz] | 字符集合。匹配所包含的任意一个字符。例如,“[abc]”可以匹配“plain”中的“a”。 |
[^xyz] | 负值字符集合。匹配未包含的任意字符。例如,“[^abc]”可以匹配“plain”中的“plin”任一字符。 |
[a-z] | 字符范围。匹配指定范围内的任意字符。例如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。 注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身. |
[^a-z] | 负值字符范围。匹配任何不在指定范围内的任意字符。例如,“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。 |
\b | 匹配一个单词的边界,也就是指单词和空格间的位置(即正则表达式的“匹配”有两种概念,一种是匹配字符,一种是匹配位置,这里的\b就是匹配位置的)。例如,“er\b”可以匹配“never”中的“er”,但不能匹配“verb”中的“er”;“\b1_”可以匹配“1_23”中的“1_”,但不能匹配“21_3”中的“1_”。 |
\B | 匹配非单词边界。“er\B”能匹配“verb”中的“er”,但不能匹配“never”中的“er”。 |
\cx | 匹配由x指明的控制字符。例如,\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则,将c视为一个原义的“c”字符。 |
\d | 匹配一个数字字符。等价于[0-9]。grep 要加上-P,perl正则支持 |
\D | 匹配一个非数字字符。等价于[^0-9]。grep要加上-P,perl正则支持 |
\f | 匹配一个换页符。等价于\x0c和\cL。 |
\n | 匹配一个换行符。等价于\x0a和\cJ。 |
\r | 匹配一个回车符。等价于\x0d和\cM。 |
\s | 匹配任何不可见字符,包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。 |
\S | 匹配任何可见字符。等价于[^ \f\n\r\t\v]。 |
\t | 匹配一个制表符。等价于\x09和\cI。 |
\v | 匹配一个垂直制表符。等价于\x0b和\cK。 |
\w | 匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”,这里的”单词”字符使用Unicode字符集。 |
\W | 匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。 |
\xn | 匹配n,其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。 |
*num* | 匹配num,其中num是一个正整数。对所获取的匹配的引用。例如,“(.)\1”匹配两个连续的相同字符。 |
*n* | 标识一个八进制转义值或一个向后引用。如果*n之前至少n个获取的子表达式,则n为向后引用。否则,如果n为八进制数字(0-7),则n*为一个八进制转义值。 |
*nm* | 标识一个八进制转义值或一个向后引用。如果*nm之前至少有nm个获得子表达式,则nm为向后引用。如果\nm之前至少有n个获取,则n为一个后跟文字m的向后引用。如果前面的条件都不满足,若n和m均为八进制数字(0-7),则\nm将匹配八进制转义值nm*。 |
*nml* | 如果n为八进制数字(0-7),且m和l均为八进制数字(0-7),则匹配八进制转义值nml。 |
\un | 匹配n,其中n是一个用四个十六进制数字表示的Unicode字符。例如,\u00A9匹配版权符号(©)。 |
\p{P} | 小写 p 是 property 的意思,表示 Unicode 属性,用于 Unicode 正表达式的前缀。中括号内的“P”表示Unicode 字符集七个字符属性之一:标点字符。 其他六个属性: L:字母; M:标记符号(一般不会单独出现); Z:分隔符(比如空格、换行等); S:符号(比如数学符号、货币符号等); N:数字(比如阿拉伯数字、罗马数字等); C:其他字符。 *注:此语法部分语言不支持,例:javascript。 |
< > | 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。 |
行定位符(^和$)**
行定位符就是用来描述字串的边界。“^”表示行的开始;“$”表示行的结尾。如:
^tm : 该表达式表示要匹配字串tm的开始位置是行头,如tm equal Tomorrow Moon就可以匹配
tm$ : 该表达式表示要匹配字串tm的位置是行尾,Tomorrow Moon equal tm匹配。
如果要匹配的字串可以出现在字符串的任意部分,那么可以直接 写成 :tm
单词定界符(\b、\B)
单词分界符\b,表示要查找的字符串为一个完整的单词。如:\btm\b
还有一个大写的\B,意思和\b相反。它匹配的字串不能是一个完整的单词,而是其他单词或字串的一部分。如:\Btm\B
字符类([ ])
正则表达式是区分大小写的,如果要忽略大小写可使用方括号表达式“[]”。只要匹配的字符出现在方括号内,即可表示匹配成功。但要注意:一个方括号只能匹配一个字符。例如,要匹配的字串tm不区分大小写,那么该表达式应该写作如下格式:[Tt][Mm]
POSIX风格的预定义字符类如表所示:
预定义字符类 | 说明 |
---|---|
[:digit:] | 十进制数字集合。等同于[0-9] |
[[:alnum:]] | 字母和数字的集合。等同于[a-zA-Z0-9] |
[[:alpha:]] | 字母集合。等同于[a-zA-Z] |
[[:blank:]] | 空格和制表符 |
[[:xdigit:]] | 十六进制数字 |
[[:punct:]] | 特殊字符集合。包括键盘上的所有特殊字符,如!@#$?等 |
[[:print:]] | 所有的可打印字符(包括空白字符) |
[[:space:]] | 空白字符(空格、换行符、换页符、回车符、水平制表符) |
[[:graph:]] | 所有的可打印字符(不包括空白字符) |
[[:upper:]] | 所有大写字母,[A-Z] |
[[:lower:]] | 所有小写字母,[a-z] |
[[:cntrl:]] | 控制字符 |
选择字符(|)
还有一种方法可以实现上面的匹配模式,就是使用选择字符(|)。该字符可以理解为“或”,如上例也可以写成 (T|t)(M|m),该表达式的意思是以字母T或t开头,后面接一个字母M或m。
使用“[]”和使用“|”的区别在于“[]”只能匹配单个字符,而“|”可以匹配任意长度的字串。如果不怕麻烦,上例还可以写为 :TM|tm|Tm|tM
连字符(-)
变量的命名规则是只能以字母和下划线开头。但这样一来,如果要使用正则表达式来匹配变量名的第一个字母,要写为 :[a,b,c,d…A,B,C,D…]
这无疑是非常麻烦的,正则表达式提供了连字符“-”来解决这个问题。连字符可以表示字符的范围。如上例可以写成 :[a-zA-Z]
排除字符([^])
上面的例子是匹配符合命名规则的变量。现在反过来,匹配不符合命名规则的变量,正则表达式提供了“^”字符。这个元字符在前面出现过,表示行的开始。而这里将会放到方括号中,表示排除的意思。
例如:[^a-zA-Z],该表达式匹配的就是不以字母和下划线开头的变量名。
限定符(? * + {n,m})
对于重复出现字母或字串,可以使用限定符来实现匹配。限定符主要有6种,如表所示:
限定符 | 说明 | 举例 |
---|---|---|
? | 匹配前面的字符零次或一次 | colou?r,该表达式可以匹配colour和color |
+ | 匹配前面的字符一次或多次 | go+gle,该表达式可以匹配的范围从gogle到 goo···gle |
* | 匹配前面的字符零次或多次 | go*gle,该表达式可以匹配的范围从ggle到goo···gle |
{n} | 匹配前面的字符n次 | go{2}gle,该表达式可以匹配只匹配google |
{n,} | 匹配前面的字符最少n次 | go{2,}gle,该表达式可以匹配的范围从google到goo···gle |
{n,m} | 匹配前面的字符最少n次,最多m次 | employe{0,2},该表达式可以匹配employ、employe和employee |
点号字符(.)
点字符(.)可以匹配出换行符外的任意一个字符。
注意:是除了换行符外的、任意的一个字符。如匹配以s开头、t结尾、中间包含一个字母的单词。
格式如下: ^s.t$,匹配的单词包括:sat、set、sit等。
再举一个实例,匹配一个单词,它的第一个字母为r,第3个字母为s,最后一个字母为t。能匹配该单词的正则表达式为:^r.s.*t$
转义字符(\)
正则表达式中的转移字符(\)和PHP中的大同小异,都是将特殊字符(如“.”、“?”、“\”等)变为普通的字符。举一个IP地址的实例,用正则表达式匹配诸如127.0.0.1这样格式的IP地址。如果直接使用点字符,格式为:[0-9]{1,3}(.[0-9]{1,3}){3}
这显然不对,因为“.”可以匹配一个任意字符。这时,不仅是127.0.0.1这样的IP,连127101011这样的字串也会被匹配出来。所以在使用“.”时,需要使用转义字符(\)。修改后上面的正则表达式格式为: [0-9]{1,3}(.[0-9]{1,3}){3}
反斜线(\)
除了可以做转义字符外,反斜线还有其他一些功能。反斜线可以将一些不可打印的字符显示出来,如表所示:
字符 | 说明 |
---|---|
\a | 警报,即ASCII中的<BEL> 字符(0x07) |
\b | 退格,即ASCII中的<BS> 字符(0x08)。注意,在PHP中只有在中括号([])里使用才表示退格 |
\e | Escape,即ASCII中的<ESC> 字符(0x1B) |
\f | 换页符,即ASCII中的<FF> 字符(0x0C) |
\n | 换行符,即ASCII中的<LF> 字符(0x0A) |
\r | 回车符,即ASCII中的<CR> 字符(0x0D) |
\t | 水平制表符,即ASCII中的<HT> 字符(0x09) |
\xhh | 十六进制代码 |
\ddd | 八进制代码 |
\cx | 即control-x的缩写,匹配由x指明的控制字符,其中x是任意字符 |
还可以指定预定义字符集,如表所示:
预定义字符集 | 说明 |
---|---|
\d | 任意一个十进制数字,相当于[0-9] |
\D | 任意一个非十进制数字 |
\s | 任意一个空白字符(空格、换行符、换页符、回车符、水平制表符),相当于[\f\n\r\t] |
\S | 任意一个非空白符 |
\w | 任意一个单词字符,相当于[a-zA-Z0-9] |
\W | 任意一个非单词字符 |
反斜线还有一种功能,就是定义断言,其中已经了解过了\b、\B,其他如表所示:
限定符 | 说明 |
---|---|
\b | 单词分界符,用来匹配字符串中某些位置,\b是以统一的分界符来匹配 |
\B | 非单词分界符序列 |
\A | 总是能够匹配待搜索文本的起始位置 |
\z | 只匹配字符串的末尾,而不考虑任何换行符 |
\Z | 表示在未指定任何模式下匹配的字符,通常是字符串的末尾位置,或者是在字符串末尾的换行符之前的位置 |
\G | 当前匹配的起始位置 |
括号字符(())
小括号字符的第一个作用就是可以改变限定符的作用范围,如“|”、“*”、“^”等。来看下面的一个表达式。
(thir|four)th,这个表达式的意思是匹配单词thirth或fourth,如果不使用小括号,那么就变成了匹配单词thir和fourth了。
小括号的第二个作用是分组,也就是子表达式。如(.[0-9]{1,3}){3},就是对分组(.[0-9]{1,3})进行重复操作。后面要学到的反向引用和分组有着直接的关系。
反向引用
模式修饰符
模式修饰符的作用是设定模式。也就是规定正则表达式应该如何解释和应用。
不同的语言都有自己的模式设置,PHP中的主要模式如表所示:
修饰符 | 表达式写法 | 说明 |
---|---|---|
i | (?i)···(?-i)、(?i;···) | 忽略大小写模式 |
M | (?m)···(?-m)、(?m;···) | 多文本模式。即字串内部由多个换行符时,影响“^”和“$”的匹配 |
s | (?s)···(?-s)、(?s;···) | 单文本模式。在此模式下,元字符点号(.)可以匹配换行符。其他模式则不能匹配换行符 |
X | (?x)···(?-x)、(?x;···) | 忽略空白字符 |
例子
在线正则匹配网址
匹配包括 ‘\n’ 在内的任何字符
([.\n]*)
匹配中文
[\u4e00-\u9fa5]
匹配双字节字符(包括汉字在内)
[^\x00-\xff]
匹配空白行
\n\s*\r
匹配Email地址
[\w!#$%&'*+/=?^_`{|}~-]+(?:\.[\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\w](?:[\w-]*[\w])?\.)+[\w](?:[\w-]*[\w])?
匹配网址URL
[a-zA-z]+://[^\s]*
匹配国内电话号码
\d{3}-\d{8}|\d{4}-\{7,8}
匹配腾讯QQ
[1-9][0-9]{4,}
匹配中国邮政编码
[1-9]\d{5}(?!\d)
匹配18位身份证号
^(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)$
匹配(年-月-日)格式日期
([0-9]{3}[1-9]|[0-9]{2}[1-9][0-9]{1}|[0-9]{1}[1-9][0-9]{2}|[1-9][0-9]{3})-(((0[13578]|1[02])-(0[1-9]|[12][0-9]|3[01]))|((0[469]|11)-(0[1-9]|[12][0-9]|30))|(02-(0[1-9]|[1][0-9]|2[0-8])))
匹配正整数
^[1-9]\d*$
匹配负整数
^-[1-9]\d*$
匹配整数
^-?[1-9]\d*$
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*|0$
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*$
匹配整数(包括0)+两位小数
^[1-9]\d*(\.\d{0,2})?|0\.\d{0,2}|0$
有可能匹配到多个,取第一个即可
匹配(时:分:秒)
[0][0-9]|[1][0-9]|[2][0-3]:[0-5]{1}[0-9]{1}|[6]{1}[0]{1}:[0-5]{1}[0-9]{1}|[6]{1}[0]{1}
匹配“年-月-日 时:分:秒”
([0-9]{3}[1-9]|[0-9]{2}[1-9][0-9]{1}|[0-9]{1}[1-9][0-9]{2}|[1-9][0-9]{3})-(((0[13578]|1[02])-(0[1-9]|[12][0-9]|3[01]))|((0[469]|11)-(0[1-9]|[12][0-9]|30))|(02-(0[1-9]|[1][0-9]|2[0-8])))(\s)(([0][0-9]|[1][0-9]|[2][0-3]):([0-5]{1}[0-9]{1}|[6]{1}[0]{1}):([0-5]{1}[0-9]{1}|[6]{1}[0]{1}))
(([0-1]{1}[0-9]{1})|([2]{1}[0-4]{1}))([:])(([0-5]{1}[0-9]{1}|[6]{1}[0]{1}))([:])((([0-5]{1}[0-9]{1}|[6]{1}[0]{1})))
匹配“年-月-日 时:分:秒数字中文”
([0-9]{3}[1-9]|[0-9]{2}[1-9][0-9]{1}|[0-9]{1}[1-9][0-9]{2}|[1-9][0-9]{3})-(((0[13578]|1[02])-(0[1-9]|[12][0-9]|3[01]))|((0[469]|11)-(0[1-9]|[12][0-9]|30))|(02-(0[1-9]|[1][0-9]|2[0-8])))(\s)(([0][0-9]|[1][0-9]|[2][0-3]):([0-5]{1}[0-9]{1}|[6]{1}[0]{1}):([0-5]{1}[0-9]{1}|[6]{1}[0]{1})([0-9]+[.]?[0-9]*)([\u4e00-\u9fa5])*)
匹配yyyy-MM-dd hh:mm:ss格式
\d{4}-\d{2}-\d{2}\s*\d{2}:\d{2}:\d{2}
匹配30.0或30或30.00格式
[0-9]\d*(\.\d+)*
匹配任意个空格
\s*