正则表达式

正则表达式

正则表达式（Regular Expression，在代码中常简写为 regex、regexp 或 RE），又称 正规表示式、正规表示法、正规表达式、规则表达式、常规表示法，是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

优先级

不同的正则表达式符号如何数学上的 $+$，$-$，$\times$，$÷$ 一样，具体不同的优先级。

正则表达式优先级如下：

优先级	符号
最高	\
高	()、(?:)、(?=)、[]
中	*、+、?、{n}、{n,}、{n,m}
低	^、$、中介字符
次最低	串接（即相邻字符连接在一起）
最低	|

正则表达式语法

正则表达式	等价	说明
[abc]	a|b|c	匹配列出的任意字符。示例匹配字符 ‘a’ 或 ‘b’ 或 ‘c’。
[^abc]		匹配未列出的任意字符。示例匹配字符 ‘a’、‘b’、‘c’ 以外的任意字符。
[a-z]		匹配指定范围内的任意字符。示例匹配字符 ‘a’ 到 ‘z’ 范围内的任意小写字母字符。
[^a-z]		匹配任何不在指定范围内的任意字符。 示例匹配字符 ‘a’ 到 ‘z’ 范围之外的任意字符。
[a-zA-Z]		匹配指定范围内的任意字符。范围组合。示例匹配字符 ‘a’ 到 ‘z’ 范围内的任意小写字母字符 和 ‘A’ 到 ‘Z’ 范围内的任意大写字母字符。
.	[^\r\n]	匹配除 “\r” “\n” 之外的任何单个字符。要匹配包括 “\r”“\n” 在内的任何字符，请使用像 “(.
(...)		匹配满足条件的子串，如 (zone) 能够匹配 This is test zone, 1zone, zoneee, zona. 3个完整 “zone” 的位置。
(aa|bb)		匹配满足条件的子串。示例匹配子串 ‘aa’ 或 ‘bb’
a?		非贪心匹配。只匹配满足条件的，长度最小的串。如 [0-9]+ 是匹配 $1-\infty$ 个阿拉伯数字，但是 [0-9]+? 则匹配满足 [0-9]+ 的最小串。
a*		匹配前面的子表达式零次或多次。示例匹配 $0-\infty$ 个 ‘a’
a+		匹配前面的子表达式一次或多次。示例匹配 $1-\infty$ 个 ‘a’
a{3}	aaa	匹配确定的 3 次。示例匹配 ‘aaa’
a{3,}	aaa|aaaa|aaaaa|...	匹配确定的 $3-\infty$ 次。示例匹配 ‘aaa’, ‘aaaa’, ‘aaaaa’, …
a{3,6}	aaa|aaaa|aaaaa|aaaaaa	匹配确定的 $3-6$ 次。示例匹配 ‘aaa’, ‘aaaa’, ‘aaaaa’, ‘aaaaaa’
^		匹配输入字符串的开始位置。
$		匹配输入字符串的结束位置。

特殊符号（转义）

部分符号有特殊的意义，需要使用 \ 进行转义

特殊符号	等价	说明
\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。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。控制字符的值等于 x 的值最低 5 比特（即对 3210 进制的余数）。例如，\cM 匹配一个 Control-M 或回车符。\ca 等效于 \u0001, \cb 等效于 \u0002, 等等…
\d	[0-9]	匹配一个数字字符。注意 Unicode 正则表达式会匹配全角数字字符。
\D	[^0-9]	匹配一个非数字字符。
\f	\x0c 或 \cL	匹配一个换页符。
\n	\x0a 或 \cJ	匹配一个换行符。
\r	\x0d 或 \cM	匹配一个回车符。
\s	[\f\n\r\t\v]	匹配任何空白字符，包括空格、制表符、换页符等等。注意 Unicode 正则表达式会匹配全角空格符。
\S	[^ \f\n\r\t\v]	匹配任何非空白字符。
\t	\x09 或 \cI	匹配一个制表符。
\v	\x0b 或 \cK	匹配一个垂直制表符。
\w	[A-Za-z0-9_]	匹配包括下划线的任何单词字符。注意 Unicode 正则表达式会匹配中文字符。
\W	[^A-Za-z0-9_]	匹配任何非单词字符。
\xnn		十六进制转义字符序列。匹配两个十六进制数字 nn 表示的字符。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		向后引用（back-reference）一个子字符串（substring），该子字符串与正则表达式的第 num 个用括号围起来的捕捉群（capture group）子表达式（subexpression）匹配。其中 num 是从 1 开始的十进制正整数，其上限可能是 9、31、99 甚至无限。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		3 位八进制数字，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（0-3），且 m 和 l 均为八进制数字（0-7），则匹配八进制转义值 nml。
\un		Unicode 转义字符序列。其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如，\u00A9 匹配著作权符号（©）。
\0		匹配 NULL 字符。ASCII 为 0x00。注意 Unicode 正则表达式会匹配 \u2400 字符。