正则表达式

一、普通字符：字母或数字；

注：这样的正则表达式会优先匹配最长字符串，比如输入 I had an aaaaawful day会匹配单词aaaaawful中的aaaaa，而不会匹配其中的aaa。

重复次数是可以有范围的，但是有时候这样的方法也不能找到最佳答案。如果你的输入文本是I had an aaawful daaaaay那么在第一次匹配时，只能找到aaawful，只有再次执行匹配时才能找到daaaaay中的aaaaa。

二、元字符：

（1)  “ . ” ：表示可以匹配任一字符；

eg：“ c.t ” 可以匹配 “ cat ”，“ cot ” 等字符；

注：在字符类中只表示一个普通字符 “ . ”；

（2）“ \ ” ：可以令一元字符失效，变为普通字符；

eg：“ c\.t ” ：可以匹配 “ c.t ”；

注：在字符类中也作用相同；

（3）字符类 “ [ ] ”：表示可以匹配括号其中的任一字符；

eg：“ c[aeiou]t ”：表示可以匹配 " cat "、“ cet ”、“ cit ”、“ cot ” 、“ cut ”；

注：

1、在字符类中，字符的重复和出现顺序并不重要。“ [dabaaabcc] ” 与 “ [abc] ” 是相同的。

2、在字符集中，你可以通过使用短横线来表示匹配字母或数字的范围。

eg：

• “ [b-f] ”与“ [b,c,d,e,f] ”相同，都是匹配一个字符”b”或”c”或”d”或”e”或”f”
• “ [A-Z] ”与“ [ABCDEFGHIJKLMNOPQRSTUVWXYZ] ”相同，都是匹配任意一个大写字母。
• “ [1-9] ”与“ [123456789] ”相同，都是匹配任意一个非零数字。

3、重要提示：字符类中和字符类外的规则有时不同，一些字符在字符类中是元字符，在字符类外是普通字符。一些字符正好相反。还有一些字符在字符类中和字符类外都是元字符，这要视情况而定！

实例：匹配YYYY-MM-DD格式的日期：

“ [0-9][0-9][0-9][0-9]-[0-9][0-9]-[0-9][0-9] ” 

（4）字符类的反义：你可以在字符类的起始位放一个反义符。

• [^a]表示匹配任何不是“a”的字符
• [^a-zA-Z0-9]表示匹配任何不是字母也不是数字的字符
• [\^abc]匹配一个为“^”或者a或者b或者c的字符
• [^\^]表示匹配任何不为“^”的字符

（5）转义字符类：

• \D与[^0-9]相同，表示匹配一个非数字字符
• \d这个正则表达式与[0-9]作用相同，都是匹配任何一个数字
• \W与[^0-9A-Za-z]相同，表示匹配一个非数字同时不是字母的字符
• \w与[0-9A-Za-z]相同，都表示匹配一个数字或字母字符
• \S表示匹配一个非空字符
• \s意味着匹配一个空字符（空格，制表符，回车或者换行）

实例：简化正则表达式“ [0-9][0-9][0-9][0-9]-[0-9][0-9]-[0-9][0-9] ” 

“ \d\d\d\d-\d\d-\d\d ”

（6）重复：在字符或字符集之后，你可以使用{ }大括号来表示重复。

• 正则表达式a{1}与a意思相同，都表示匹配字母a
• a{3}表示匹配字符串“aaa”
• a{0}表示匹配空字符串。从这个正则表达式本身来看，它毫无意义。如果你对任何文本执行这样的正则表达式，你可以定位到搜索的起始位置，即使文本为空。
• a\{2\}表示匹配字符串“a{2}”
• 在字符类中，大括号没有特殊含义。[{}]表示匹配一个左边的大括号，或者一个右边的大括号

eg：简化下面的正则表达式

• z.......z
• \d\d\d\d-\d\d-\d\d
• [aeiou][aeiou][aeiou][aeiou][aeiou][aeiou]
• [bcdfghjklmnpqrstvwxyz][bcdfghjklmnpqrstvwxyz][bcdfghjklmnpqrstvwxyz][bcdfghjklmnpqrstvwxyz][bcdfghjklmnpqrstvwxyz][bcdfghjklmnpqrstvwxyz][bcdfghjklmnpqrstvwxyz][bcdfghjklmnpqrstvwxyz][bcdfghjklmnpqrstvwxyz][bcdfghjklmnpqrstvwxyz]

答案:

• z.{7}z
• \d{4}-\d{2}-\d{2}
• [aeiou]{6}
• [bcdfghjklmnpqrstvwxyz]{10}

注：重复次数可以有范围：

（1）重复次数是可以指定范围的：

• x{4,4}与x{4}相同
• colou{0,1}r表示匹配colour或者color
• a{3,5}表示匹配aaaaa或者aaaa或者aaa

（2）重复次数的范围可以是开区间：

• a{1，}表示匹配一个或一个以上的连续字符a。依然是匹配最长字符串。当找到第一个a之后，正则表达式会尝试匹配尽量多个的连续字母a。
• .{0,}表示匹配任意内容。无论你输入的文本是什么，即使是一个空字符串，这个正则表达式都会成功匹配全文并返回结果。

eg：

（1）使用正则表达式找到双引号。要求输入字符串可能包含任意个字符。

                                                         ".{0,}"

（2）调整你的正则表达式使得在一对双引号中间不再包含其他的双引号。

                                                       " [^"]{0,} "

（7）关于重复的转义字符：

• ？与{0,1}相同，比如，colou?r表示匹配colour或者color，字符类中为普通字符；

• * 与{0,}相同。比如，.*表示匹配任意内容，在字符类中为普通字符；

• +与{1，}相同。比如,\w+表示匹配一个词。其中”一个词”表示由一个或一个以上的字符组成的字符串，在字符类中为普通字符；

eg：简化下列的正则表达式：

• ".{0,}" and "[^"]{0,}"
• x?x?x?
• y*y*
• z+z+z+z+

答案：

• ".*" and "[^"]*"
• x{0,3}
• y*
• z{4,}

（8）非贪婪匹配：字符串默认为贪婪匹配，即默认匹配字符最多的字符串；通过在句尾加上一个问号，可以使得字符串不再匹配最长字符。

eg：

• \d{4,5}?表示匹配\d\d\d\d，也就是和\d{4}一样
• “.*?”表示先匹配一个双引号，然后匹配最少的字符，然后是一个双引号，这很有用。

（9）选择匹配：你可以使用|来分隔可以匹配的不同选择:

• cat|dog表示匹配”cat”或者”dog”
• red|blue|以及red||blue以及|red|blue都表示匹配red或者blue或者一个空字符串
• a|b|c与[abc]相同
• cat|dog|\|表示匹配”cat”或者”dog”或者一个分隔符”|“
• [cat|dog]表示匹配a或者c或者d或者g或者o或者t或者一个分隔符“|”

eg：简化下列正则表达式：

• aa|ab|ba|bb
• [abc]|[^abc]
• [^ab]|[^bc]
• [ab][ab][ab]?[ab]?

答案：

• [ab]{2}
• .
• [^b]
• [ab]{2,4}

注：使用正则表达式匹配1到31之间的整数，[1-31]不是正确答案！

这样的正则表达式不唯一. [1-9]|[12][0-9]|3[01] 是其中之一。

（10）分组：使用（）来进行分组；

eg：

• 通过使用 (Mon|Tues|Wednes|Thurs|Fri|Satur|Sun)day 匹配一周中的某一天
• [()]表示匹配任意一个左括号或者一个右括号

分组可以包括空字符串：

• (red|blue)表示匹配red或者blue或者是一个空字符串

你也可以在分组的基础上使用重复：

• (red|blue)？与(red|blue|)相同

练习：

简化正则表达式 \w+\W+\w+\W+\w+ 以及 \w+\W+\w+\W+\w+\W+\w+\W+\w+\W+\w+.

答案：

\w+(\W+\w+){2}以及 \w+(\W+\w+){5}.

（11）单词分界符：如果使用 tm 可以匹配在字符串中出现的任何位置，例如 html ，utmost 也会被查找出来。但如果要匹配的是单词 tm ，而不是某一字符的一部分，这时可以用单词分界符 \b 来查找一个完整的单词。

eg：\b tm \b

\B tm \B 的作用与 \b 相反，它匹配的 tm 必须是其它单词的一部分；

（12）换行符：

• ^表示匹配行的开始位置
• $表示匹配行的结束位置
• ^&表示一个空行
• ^.*& 表示匹配全文内容，因为行的开始符号也是一个字符，"."会匹配这个符号。找到单独的一行，可以使用 ^.*?$
• \^\$表示匹配字符串“^$”
• [$]表示匹配一个$。但是，[^]不是合法的正则表达式。记住在方括号中，字符有不同的特殊含义。要想在方括号内匹配^，必须用[\^]

（13）文本分界：在很多的正则表达式实现中，将^和$作为文本的开始符号和结束符号。还有一些实现中，用\A和\z作为文本的开始和结束符号。

eg：

信用卡号

在一个网站上，我输入了我的卡号比如 1234 5678 8765 4321 网站拒绝接收。因为它使用了正则表达式\d{16}。

正则表达式应该考虑到用户输入的空格和短横线。

实际上，为什么不先过滤掉所有的非数字字符，然后再进行有效性验证呢？这样做，可以先使用\D以及空的替换表达式。

练习

在不先过滤掉所有的非数字字符的情况下，使用正则表达式验证卡号的正确性。

答案

\D*(\d\D*){16} is one of several variations which would accomplish this.