【快速参考】正则表达式

简介：

A regular expression is a pattern that the regular expression engine attempts to match in input text @MSDN

通俗的讲，正则表达式就是指符合一定规则的表达式（字符串），用于文本匹配的工具。

一般有两个用途。验证和搜索（替换）。 正则表达式引擎有多种不同的形式。但是大体一样。

元字符：

^ $  \b 匹配位置

. 匹配除了换行符以外的所有字符

\d 数字

\s 匹配任意的空白符，不仅是空格

\w 字母数字下划线汉字

例子：\bhi\b.*\bLucy\b\ 匹配 hi后面不远处跟着一个Lucy

限定符（重复）：

* + ? {2} {2，} {2,5}

.*？ 匹配任意多个任意字符，尽可能少的（懒惰策略）字符：

[^a-zA-Z]，[a-zA-X0-9_]和\w等效（英文）

特殊字符转义为本身：

\. \? \\ \+等等

正斜杠不用转义。

例子：C:\\Windows匹配C:\Windows

deerchao\.net匹配deerchao.net

反义:

\S \D \W  ^

\S+ 匹配不包含空白符的字符串。

<a[^>]+>匹配用尖括号括起来的以a开头的字符串

\Bend\w*\b 匹配 end sends endure lender 中的ends和ender

分支：

|（含义为或） 从左到右顺序匹配，符合条件就结束

例子：匹配中国大陆固话：

(\d{4}-|\d{3}-)?(\d{8}|\d{7}) （\d{4}在 \d{3}前面 ）

分组：

( )（子表达式）

例子：

匹配IPV4地址

((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

后向引用用于重复搜索前面某个分组匹配的文本。

\b(\w+)\b\s+\1\b和\b(?<Word>\w+)\b\s+\k<Word>\b匹配重复的单词（比如go go之类的）

小括号的用途：

分类	代码/语法	说明
捕获	(exp)	匹配exp,并捕获文本到自动命名的组里
	(?<name>exp)	匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)
	(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号
零宽断言	(?=exp)	匹配exp前面的位置，exp是后缀，不包含exp
	(?<=exp)	匹配exp后面的位置，exp是前缀，不包含exp
	(?!exp)	匹配后面跟的不是exp的位置，exp不是后缀，不包含exp
	(?<!exp)	匹配前面不是exp的位置，exp不是前缀，不包含exp
注释	(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

例子：

\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词

(?<=\s)\d+(?=\s)匹配以空白符间隔的数字

2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199) 匹配IP地址（包含注释）

贪婪与懒惰：

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。

？用来懒惰匹配。

例子：

a.*b 搜索abcb的时候匹配abcb，a.*?b 搜索abcb的时候匹配ab.

平衡组和递归匹配：

附注：

常用正则表达式：

非负整数                \d+

正整数                   \d*[1-9]\d* （包含01，不包含00）

整数                     -?\d+

实数                      -?\d+(\.\d+)? 

中文                      [\u4e00-\u9fa5]

不含abc的单词       \b((?!abc)\w)+\b

qq号码                  [1-9]\d{5,11}

中国大陆邮政编码   [1-9]\d{5}

日期(年-月-日)        (\d{4}|\d{2})-((1[0-2])|(0?[1-9]))-(([12][0-9])|(3[01])|(0?[1-9]))

日期(月/日/年)        ((1[0-2])|(0?[1-9]))/(([12][0-9])|(3[01])|(0?[1-9]))/(\d{4}|\d{2})

时间(24小时制)       ((1|0?)[0-9]|2[0-3]):([0-5][0-9])

中国大陆固话号码   (0\d{3}-|0\d{2}-)?(\d{7}|\d{8})

网址URL                 [a-zA-z]+://[^\s]*

电子邮件Email         \w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

IP地址                    ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

HTML标记             <(\S*?)[^>]*>.*?</\1>|<.*? />

参考资料：

30分钟教程,正则表达式参考，在线测试

附注：