为什么需要正则表达式?
文本的复杂处理。
正则表达式的优势和用途?
- 一种强大而灵活的文本处理工具;
- 大部分编程语言、数据库、文本编辑器、开发环境都支持正则表达式。
正则表达式定义·
- 正如他的名字一样是描述了一个规则,通过这个规则可以匹配一类字符串。
- 学习正则表达式很大程度上就是学习正则表达式的语法规则。
开发中使用正则表达式的流程:
- 分折所要匹配的数据,写出测试用的典型数据
- 在工具软件中进行匹配测试
- 在程序中调用通过测试的正则表达式
正则表达式语法
1.普通字符
字母、数字、汉字、下划线、以及没有特殊定义的标点符号,都是“普通字符"。表达式中的普通字符,在匹配一个字符串的时候,匹配与之相同的一个字符。
2.简单的转义字符
特殊字段都是由各自的用处,不能直接使用特殊字符,需要经过转义之后,才能进行使用,表格中后两行中的都需要加“/”,转义之后才能表示自身字符。
3.标准字符集合
- 能够与'多种字符'匹配的表达式
- 注意区分大小写,大写是相反的意思
4.自定义字符集合
[]方括号匹配方式,能够匹配方括号中任意一个字符
- 正则表达式的特殊符号,被包含到中括号中,则失去特殊意义,除了^,-之外
- 标准字符集合,除小数点外,如果被包含于中括号,自定义字符集合将包含该集合。比如: [\d.\-+]将匹配:数字、小数点、+、-
5.量词(Quantifier)
修饰匹配次数的特殊符号
- 匹配次数中的贪婪模式(匹配字符越多越好,默认使用这种模式)
- 匹配次数中的非贪婪模式(匹配字符越少越好,修饰匹配次数的特殊符号后再加上一个"?"号)
6.字符边界
(本组标记匹配的不是字符而是位置,符合某种条件的位置)
- 如果 ^和 $ 在一起,表示必须是精确匹配。
- \b匹配这样一个位置:前面的字符和后面的字符不全是\w
正则表达式的匹配模式
1.IGNORECASE忽略大小写模式
匹配时忽略大小写。
默认情况下,正则表达式是要区分大小写的。
2.SINGLELINE单行模式
整个文本看作一个字符串,只有一个开头,一个结尾。
使小数点"."可以匹配包含换行符(\n)在内的任意字符。
3.MULTILINE多行模式
每行都是一个字符串,都有开头和结尾。
在指定了MULTILINE之后,如果需要仅匹配字符串开始和结束位置,可以使用\A和\Z
7.选择符和分组
8.反向引用(\nnn)
- 每一对()会分配一个编号,使用()的捕获根据左括号的顺序从1开始自动编号。
- 通过反向引用,可以对分组已捕获的字符串进行引用。
9.预搜索(零宽断言)
- 只进行子表达式的匹配,匹配内容不计入最终的匹配结果,是零宽度
- 这个位置应该符合某个条件。判断当前位置的前后字符,是否符合指定的条件,但不匹配前后的字符。是对位置的匹配。
- 正则表达式匹配过程中,如果子表达配到的是字符内容,而非位置,并被保存到最终的匹配结果中,那么就认为这个子表达式是占有字符的;如果子表达式匹配的仅仅是位置,或者匹配的内容并不保存到最终的匹配结果中,那么就认为这个子表达式是零宽度的。占有字符还是零宽度,是针对匹配的内容是否保存到最终的匹配结果中而言的。
常见的正则表达式列表:
匹配中文字符 | [\u4e00-\u9fa5] |
匹配空白行 | \n\s*\r (可以用来删除空白行) |
匹配HTML标记 | <(\S*?)[^>]*>.*?</\1>|<.*? /> |
匹配首尾空白字符 | ^\s*|\s*$或(^\s*)|(\s*$) (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 | ^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$ |
匹配网址URL | [a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$ |
匹配国内电话号码 | (0511-4405222、021-87888822):\d{3}-\d{8}|\d{4}-\d{7} |
匹配腾讯QQ号 | [1-9][0-9]{4,} |
匹配中国邮政编码 | [1-9]\d{5}(?!\d) (中国邮政编码为6位数字) |
匹配身份证 | \d{15}|\d{18} |
匹配ip地址 | \d+\.\d+\.\d+\.\d+ (提取IP地址时有用) |
更多正则表达式语法可以参考: 最全的常用正则表达式大全——包括校验数字、字符、一些特殊的需求等等