正则表达式

正则表达式中的元字符

要写出正则表达式，一定要知道表达式中可以使用哪些字符，代表哪些意思。这好比“人类”代表黄种人、白种人、黑种人等。下边列出了所有的元字符和对于的描述。

元字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“\n”匹配一个换行符。“\\n”匹配字符"n"。序列“\\”匹配“\”而“\(”则匹配“(”。
^	匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。
$	匹配输入字符串的结束位置。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零次或多次。例如，zo*能匹配“z”以及“zoo”。*等价于{0,}。
+	匹配前面的子表达式一次或多次。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“does”或“does”中的“do”。?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。“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的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o?”将匹配单个“o”，而“o+”将匹配所有“o”。
.点	匹配除“\n”之外的任何单个字符。要匹配包括“\n”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)	匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，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是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
(?=pattern)	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。这是一个非获取匹配，也就是说，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)	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。这是一个非获取匹配，也就是说，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)	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”。
(?<!pattern)	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”。
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”。“(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”。
[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	匹配一个单词边界，也就是指单词和空格间的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
\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]。
\D	匹配一个非数字字符。等价于[^0-9]。
\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	匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S	匹配任何非空白字符。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。等价于“[A-Za-z0-9_]”。
\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（©）。

===========================================================================================

常见案例解析

案例一：验证邮箱的有效性

/^[a-z0-9_.]+@([a-z0-9\-]+\.)+[a-z]{2,4}$/i

• ^ ：匹配字符串的开始位置
• [a-z0-9_.]+ ：可以是以下字符，字母、数字、下划线、英文点，且至少出现1次
• @ ：匹配一个@字符
• [a-z0-9\-]+ ：可以是以下字符，字母、数字、短横线，且至少出现1次
• ([a-z0-9\-]+\.)+ ：出现多个字母、数字、短横线后跟随一个英文点，合起来出现1+次
• [a-z]{2,4} ：匹配2到4个字母
• $ ：匹配字符串的结束

测试：

[javascript]  view plain copy print ?

1. var reg = /^[a-z0-9_.]+@([a-z0-9\-]+\.)+[a-z]{2,4}$/i;  
2. var isok = reg.test('test_1@csdn.net');  
3. console.log(isok); //true  
4. isok = reg.test('test_1@blog.csdn.net');  
5. console.log(isok); //true  
6. isok = reg.test('test_1+a@csdn.net');  
7. console.log(isok); //false  

案例二：验证URL的有效性

/^https?:\/\/([a-z0-9\-]+\.)+[a-z]{2,4}(\/\S*)?$/i

• ^ ：匹配字符串的开始位置
• https? ：匹配具体字符https，其中s可以不出现
• :\/\/ ：匹配字符://
• [a-z0-9\-]+ ：可以是以下字符，字母、数字、短横线，且至少出现1次
• ([a-z0-9\-]+\.)+ ：出现多个字母、数字、短横线后跟随一个英文点，合起来出现1+次
• [a-z]{2,4} ：匹配2到4个字母
• (\/\S*)? ：匹配/和N个非空格字符，N大于等于0，这个组合可以出现，也可以不出现
• $ ：匹配字符串的结束

测试：

[javascript]  view plain copy print ?

1. var reg = /^https?:\/\/([a-z0-9\-]+\.)+[a-z]{2,4}(\/\S*)?$/i;  
2. var isok = reg.test('http://blog.csdn.net/kla.dd');  
3. console.log(isok); //true  
4. isok = reg.test('https://blog.csdn.net/master/profile?show=%99');  
5. console.log(isok); //true  
6. isok = reg.test('htt://csdn.netdd');  
7. console.log(isok); //false  

案例三：验证一个字符串中是否包含关键词“世界末日”或“fuck”

/(世.{0,3}界.{0,3}末.{0,3}日)|(f[^a-z]{0,3}u[^a-z]{0,3}c[^a-z]{0,3}k)/i

• (世.{0,3}界.{0,3}末.{0,3}日) ：世界末日中间可以出现任意3个以内的字符
• | ：或的意思
• (f[^a-z]{0,3}u[^a-z]{0,3}c[^a-z]{0,3}k) ：fuck中间可以出现3个以内非字母的字符

测试：

[javascript]  view plain copy print ?

1. var reg = /(世.{0,3}界.{0,3}末.{0,3}日)|(f[^a-z]{0,3}u[^a-z]{0,3}c[^a-z]{0,3}k)/i;  
2. var isok = reg.test('世-界-末日');  
3. console.log(isok); //true  
4. isok = reg.test('f.uck');  
5. console.log(isok); //true  
6. isok = reg.test('fxuck');  
7. console.log(isok); //false  

案例四：去掉内容中所有的html标签

/<\/?[a-z0-9]{1,10}(\s.*?)?>/ig

• < ：匹配左尖括号本身
• \/? ：可以出现一个斜线，也可以不出现
• [a-z]{1,10} ：出现1到10个字母和数字
• (\s.*?)? ：空格后跟随任意字符，这个组合也可以不出现
• > ：匹配右尖括号本身
• ig ：i表示忽略大小写，g表示全局匹配，就是找到所有符合规则的内容，不加g只匹配第一个符合规则的内容

测试：

[javascript]  view plain copy print ?

1. var reg = /<\/?[a-z]{1,10}(\s.*?)?>/ig;  
2. var str = '<h1>title</h1> is very <a href="#big">big</a>';  
3. str = str.replace(reg, '');  
4. console.log(str); //title is very big  

通过对以上几个正则表达式的分析，相信你应该对正则有了个较深的认识，下边我们就来系统的学习一下正则表达式。

字符组[]

[abcd1234@#$%] 表示可以出现括号内的任意字符。

如果以“^”开头，表示可以出现除括号内的字符以外的任意字符。如，[^abc]表示匹配除“abc”以外的任意字符。

在字符组内有一个特殊的字符，短横线“-”。连字符表示从一个字符的到另外一个字符的范围，注意后边的字符码要大于前边的字符码。如， [0-9] 表示匹配从0到9的任意字符（0123456789）； [a-f] 表示匹配从a到f的任意字符（abcdef）。
如果需要匹配“^”或“-”字符本身，则需要用“\”来转义： [\^\-]
最后需要注意的是，字符组[]只匹配一个字符，所以它经常跟元字符“+”或“{m,n}”一起使用。如： [0-9]{1,5} 表示连续出现1到5个数字。

捕获组()

捕获组的作用就是把一个子正则表达式匹配到的内容按照一定编号保存到内存中，以备后续获取这些内容。

捕获组有两种形式：普通捕获组(expression) 和 命名捕获组(?<name>expression)

需要注意的是，目前Javascript并不支持命名捕获组。

[javascript]  view plain copy print ?

1. var result = '999ab'.match(/\d+([a-z]+)/);  
2. console.log(result[0]);//999ab 存储全部匹配到的内容  
3. console.log(result[1]);//ab 存储第1个捕获组中的内容  
4.   
5. var newStr = '999ab'.replace(/\d+([a-z]+)/,'数字后的单词是：$1');  
6. console.log(newStr);//数字后的单词是：ab  

在C#中支持命名捕获组，获取命名组的方式跟普通方式一样，只是把数字改成组名就行了。

单词边界\b

元字符\b表示一个单词的边界。单词边界主要应用于英文单词的匹配。

比如要从源字符串中获取单词body的个数

[javascript]  view plain copy print ?

1. var s = 'the body is: hello eveybody, my body is here';  
2. var len = s.match(/\bbody\b/g).length;  
3. console.log(len);//2  

如果不加单词边界的话，就会输出3

贪婪模式和非贪婪模式

贪婪模式，尽可能多的匹配内容；非贪婪模式正好相反，尽可能少的匹配内容。当然，他们都有一个大的前提，就是符合正则规则的前提下。

属于贪婪模式的量词，也叫做匹配优先量词，包括：
“{m,n}”、“{m,}”、“?”、“*”和“+”。
一般来说，在普通量词后加上问号，即构成了非贪婪模式，如：
“{m,n}?”、“{m,}?”、“??”、“*?”和“+?”

举例，要匹配以数字结束的子字符串

[javascript]  view plain copy print ?

1. var result = 'a1b2c3'.match(/.+\d/);  
2. console.log(result[0]);//a1b2c3   

贪婪模式下，.+会尽可能多的“拿”字符

[javascript]  view plain copy print ?

1. var result = 'a1b2c3'.match(/.+?\d/);  
2. console.log(result[0]);//a1   

非贪婪模式下，.+?会尽可能少的“拿”字符，当匹配到1的时候已经能够满足规则，匹配停止。