基本匹配
正则表达式其实就是在执行搜索时的格式,它由一些字母和数字组合而成。
例如:一个正则表达式the
,它表示一个规则:由字母t
开始,接着是h
,再接着是e
。
"the" => The fat cat sat on the mat.
正则表达式123
匹配字符串123
。
它逐个字符的与输入的正则表达式做比较。
正则表达式是大小写敏感的,所以The
不会匹配the
。
"The" => The fat cat sat on the mat.
元字符
正则表达式主要依赖于元字符。
元字符不代表他们本身的字面意思,他们都有特殊的含义。
一些元字符写在方括号中的时候有一些特殊的意思。
以下是一些元字符的介绍:
. 点运算符
.
是元字符中最简单的例子。
.
匹配任意单个字符,但不匹配换行符。
例如:表达式.ar
匹配一个任意字符后面跟着是a
和r
的字符串。
".ar" => The car parked in the garage.
[] 字符集
字符集也叫做字符类。
方括号用来指定一个字符集。
在方括号中使用连字符来指定字符集的范围。
在方括号中的字符集不关心顺序。
例如:表达式[Tt]he
匹配the
和The
。
"[Tt]he" => The car parked in the garage.
方括号的句号就表示句号。
表达式ar[.]
匹配ar.
字符串
"ar[.]" => A garage is a good place to park a car.
[^] 否定字符集
一般来说^
表示一个字符串的开头,但它用在一个方括号的开头的时候,它表示这个字符集是否定的。
例如:表达式[^c]ar
匹配一个后面跟着ar
的除了c
的任意字符。
"[^c]ar" => The car parked in the garage.
*+? 重复次数
后面跟着元字符*+?
的,用来指定匹配子模式的次数。
这些元字符在不同的情况下有着不同的意思。
* 大于等于0次
*
号匹配 在*
之前的字符出现大于等于0次
。
例如:表达式a*
匹配0或更多个以a开头的字符。表达式[a-z]*
匹配一个行中所有以小写字母开头的字符串。
"[a-z]*" => The car parked in the garage #21.
*
字符和.
字符搭配可以匹配所有的字符.*
。
*
和表示匹配空格的符号\s
连起来用,例如:表达式\s*cat\s*
匹配0或更多个空格开头和0或更多个空格结尾的cat字符串。
"\s*cat\s*" => The fat cat sat on the concatenation.
+ 大于等于1次
+
号匹配+
号之前的字符出现大于等于1次
。
例如:表达式c.+t
匹配以首字母c
开头以t
结尾,中间跟着至少一个字符的字符串。
"c.+t" => The fat cat sat on the mat.
? 0或1次
在正则表达式中元字符?
标记在符号前面的字符为可选,即出现0或1次
。
例如:表达式[T]?he
匹配字符串he
和The
。
"[T]he" => The car is parked in the garage.
"[T]?he" => The car is parked in the garage.
{} 限定重复次数
在正则表达式中{}
是一个量词,常用来限定一个或一组字符可以重复出现的次数。
例如:表达式[0-9]{2,3}
匹配最少2位最多3位0~9的数字。
"[0-9]{2,3}" => The number was 9.9997 but we rounded it off to 10.0.
我们可以省略第二个参数。
例如:[0-9]{2,}
匹配至少两位0~9的数字。
"[0-9]{2,}" => The number was 9.9997 but we rounded it off to 10.0.
如果逗号也省略掉则表示重复固定的次数。
例如:[0-9]{3}
匹配3位数字
"[0-9]{3}" => The number was 9.9997 but we rounded it off to 10.0.
() 特征标群
特征标群是一组写在(...)
中的子模式。
(...)
中包含的内容将会被看成一个整体,和数学中小括号()
的作用相同。
例如:表达式(ab)*
匹配连续出现0或更多个ab
。如果没有使用(...)
,那么表达式ab*
将匹配连续出现0或更多个b
。
再比如之前说的{}
是用来表示前面一个字符出现指定次数。但如果在{}
前加上特征标群(...)
则表示整个标群内的字符重复N次。
我们还可以在()
中用或字符|
表示或。
例如:(c|g|p)ar
匹配car
或gar
或par
"(c|g|p)ar" => The car is parked in the garage.
| 或运算符
或运算符就表示或,用作判断条件。
例如:(T|t)he|car
匹配(T|t)he
或car
。
"(T|t)he|car" => The car is parked in the garage.
\ 转码特殊字符
反斜线\
在表达式中用于转码紧跟其后的字符。用于指定{ } [ ] / \ + * . $ ^ | ?
这些特殊字符。如果想要匹配这些特殊字符则要在其前面加上反斜线\
。
例如.
是用来匹配除换行符外的所有字符的。如果想要匹配句子中的.
则要写成\.
以下这个例子\.?
是选择性匹配.
"(f|c|m)at\.?" => The fat cat sat on the mat.
^$ 锚点
在正则表达式中,想要匹配指定开头或结尾的字符串就要使用到锚点。^
指定开头,$
指定结尾。
^ 匹配开头
^
用来检查匹配的字符串是否在所匹配字符串的开头。
例如:在abc
中使用表达式^a
会得到结果a
。但如果使用^b
将匹配不到任何结果。因为在字符串abc
中并不是以b
开头。
例如:^(T|t)he
匹配以The
或the
开头的字符串。
"(T|t)he" => The car is parked in the garage.
"^(T|t)he" => The car is parked in the garage.
$ 匹配结尾
同理于^
号,$
号用来匹配字符是否是最后一个。
例如:(at\.)$
匹配以at.
结尾的字符串。
"(at\.)" => The fat cat. sat. on the mat.
"(at\.)$" => The fat cat. sat. on the mat.
简写字符集
正则表达式提供一些常用的字符集简写。如下:
简写 | 描述 |
---|---|
. | 除换行符外的所有字符 |
\w | 匹配所有字母数字,等同于[a-zA-Z0-9_] |
\W | 匹配所有非字母数字,即符号,等同于:[^\w] |
\d | 匹配数字:[0-9] |
\D | 匹配非数字:[^\d] |
\s | 匹配所有空格字符,等同于:[\t\n\f\r\p{Z}] |
\S | 匹配所有非空格字符:[^\s] |
\f | 匹配一个换页符 |
\n | 匹配一个换行符 |
\r | 匹配一个回车符 |
\t | 匹配一个制表符 |
\v | 匹配一个垂直制表符 |
\p | 匹配CR/LF(等同于\r\n ),用来匹配DOS行终止符 |
零宽度断言(前后预查)
先行断言和后发断言都属于非捕获簇(不捕获文本,也不针对组合计进行计数)。
先行断言用于判断所匹配的格式是否在另一个确定的格式之前,匹配结果不包含该确定格式(仅作为约束)。
例如:我们想要获得所有跟在$
符号后的数字,我们可以使用正后发断言(?<=\$)[0-9\.]*
。
这个表达式匹配$
开头,之后跟着0,1,2,3,4,5,6,7,8,9,.
这些字符可以出现大于等于0次。
零宽度断言如下:
符号 | 描述 |
---|---|
?= | 正先行断言-存在 |
?! | 负先行断言-排除 |
?<= | 正后发断言-存在 |
?<! | 负后发断言-排除 |
?= 正先行断言
?=...
正先行断言,表示第一部分表达式之后必须跟着?=...
定义的表达式。
返回结果只包含满足匹配条件的第一部分表达式。
定义一个正先行断言要使用()
。在括号内部使用一个问号和等号:(?=...)
。
正先行断言的内容写在括号中的等号后面。
例如:表达式(T|t)he(?=\sfat)
匹配The
和the
,在括号中我们又定义了正先行断言(?=\sfat)
,即The
和the
后面紧跟着(空格)fat
。
"(T|t)he(?=\sfat)" => The fat cat sat on the mat.
?! 负先行断言
负先行断言记作?!
用于筛选所有匹配结果,筛选条件为其后不跟随着断言中定义的格式。
正先行断言
定义和负先行断言
一样,区别就是=
替换成!
也就是(?!...)
。
表达式(T|t)he(?!\sfat)
匹配The
和the
,且其后不跟着(空格)fat
。
"(T|t)he(?!\sfat)" => The fat cat sat on the mat.
?<= 正后发断言
正后发断言记作(?<=...)
用于筛选所有匹配结果,筛选条件为其前跟随着断言中定义的格式。
例如:表达式(?<=(T|t)he\s)(fat|mat)
匹配fat
和mat
,且其前跟着The
或the
。
"(?<=(T|t)he\s)(fat|mat)" => The fat cat sat on the mat.
?<! 负后发断言
负后发断言记作(?<!...)
用于筛选所有匹配结果,筛选条件为其前不跟随着断言中定义的格式。
例如:表达式(?<!(T|t)he\s)(cat)
匹配cat
,且其前不跟着The
或the
。
"(?<!(T|t)he\s)(cat)" => The cat sat on cat.
标志
标志也叫模式修正符,因为它可以用来修改表达式的搜索结果。
这些标志可以任意的组合使用,它也是整个正则表达式的一部分。
标志 | 描述 |
---|---|
i | 忽略大小写。 |
g | 全局搜索。 |
m | 多行修饰符:锚点元字符^``$ 工作范围在每行的起始。 |
i 忽略大小写
修饰语i
用于忽略大小写。
例如:表达式/The/gi
表示在全局搜索The
,在后面的i
将其条件修改为忽略大小写,则变成搜索the
和The
,g
表示全局搜索。
"The" => The fat cat sat on the mat.
"/The/gi" => The fat cat sat on the mat.
g 全局搜索
修饰符g
常用于执行一个全局搜索匹配,即(不仅仅返回第一个匹配的,而是返回全部)。
例如:表达式/.(at)/g
表示搜索任意字符(除了换行)+at
,并返回全部结果。
"/.(at)/" => The fat cat sat on the mat.
"/.(at)/g" => The fat cat sat on the mat.
m 多行修饰符
多行修饰符m
常用于执行一个多行匹配。
像之前介绍的(^,$)
用于检查格式是否是在待检测字符串的开头或结尾。但我们如果想要它在每行的开头和结尾生效,我们需要用到多行修饰符m
。
例如:表达式/at(.)?$/gm
表示小写字符a
后跟小写字符t
,末尾可选除换行符外任意字符。根据m
修饰符,现在表达式匹配每行的结尾。
"/.at(.)?$/" => The fat cat sat on the mat.
"/.at(.)?$/gm" => The fat cat sat on the mat.
? 贪婪匹配与惰性匹配
正则表达式默认采用贪婪匹配模式,在该模式下意味着会匹配尽可能长的子串。我们可以使用?
将贪婪匹配模式转化为惰性匹配模式。
"/(.*at)/" => The fat cat sat on the mat.
"/(.*?at)/" => The fat cat sat on the mat.
常用
数字
- 数字:
^[0-9]*$
- n位的数字:
^\d{n}$
- 至少n位的数字:
^\d{n,}$
- m-n位的数字:
^\d{m,n}$
- 零和非零开头的数字:
^(0|[1-9][0-9]*)$
- 非零开头的最多带两位小数的数字:
^([1-9][0-9]*)+(\.[0-9]{1,2})?$
- 带1-2位小数的正数或负数:
^(\-)?\d+(\.\d{1,2})$
- 正数、负数、和小数:
^(\-|\+)?\d+(\.\d+)?$
- 有2位小数的正实数:
^[0-9]+(\.[0-9]{2})?$
- 有1~3位小数的正实数:
^[0-9]+(\.[0-9]{1,3})?$
- 非零的正整数:
^[1-9]\d*$
或^([1-9][0-9]*){1,3}$
或^\+?[1-9][0-9]*$
- 非零的负整数:
^\-[1-9][]0-9"*$
或^-[1-9]\d*$
- 非负整数:
^\d+$
或^[1-9]\d*|0$
- 非正整数:
^-[1-9]\d*|0$
或^((-\d+)|(0+))$
- 非负浮点数:
^\d+(\.\d+)?$
或^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
- 非正浮点数:
^((-\d+(\.\d+)?)|(0+(\.0+)?))$
或^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
- 正浮点数:
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$
或^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9]- [0-9]*))$
- 负浮点数:
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$
或^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*- [1-9][0-9]*)))$
- 浮点数:
^(-?\d+)(\.\d+)?$
或^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
字符
- 汉字:
^[\u4e00-\u9fa5]{0,}$
- 双字节字符:
[^\x00-\xff]
(包括汉字在内,可以用来计算字符串的长度(一个双字节字符长度计2,ASCII字符计1)) - 英文和数字:
^[A-Za-z0-9]+$
或^[A-Za-z0-9]{4,40}$
- 长度为3-20的所有字符:
^.{3,20}$
- 由26个英文字母组成的字符串:
^[A-Za-z]+$
- 由26个大写英文字母组成的字符串:
^[A-Z]+$
- 由26个小写英文字母组成的字符串:
^[a-z]+$
- 由数字和26个英文字母组成的字符串:
^[A-Za-z0-9]+$
- 由数字、26个英文字母或者下划线组成的字符串:
^\w+$
或^\w{3,20}$
- 中文、英文、数字包括下划线:
^[\u4E00-\u9FA5A-Za-z0-9_]+$
- 中文、英文、数字但不包括下划线等符号:
^[\u4E00-\u9FA5A-Za-z0-9]+$
或^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
- 可以输入含有
^%&',;=?$\"
等字符:[^%&',;=?$\x22]+
- 禁止输入含有
~
的字符:[^~\x22]+
特殊
- 邮箱地址:
^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
- 域名:
[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+\.?
- URL:
[a-zA-z]+://[^\s]*
或^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
- 手机号码:
^(13[0-9]|14[5|7]|15[0|1|2|3|4|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
- 电话号码(“XXX-XXXXXXX”、“XXXX-XXXXXXXX”、“XXX-XXXXXXX”、“XXX-XXXXXXXX”、"XXXXXXX"和"XXXXXXXX):
^(\(\d{3,4}-)|\d{3.4}-)- ?\d{7,8}$
- 国内电话号码(“XXXX-XXXXXXX"和"XXX-XXXXXXXX”):
\d{3}-\d{8}|\d{4}-\d{7}
- 电话号码正则表达式(支持手机号码,3-4位区号,7-8位直播号码,1-4位分机号):
((\d{11})|^((\d{7,8})|(\d{4}|\d{3})-(\d{7,8})|- (\d{4}|\d{3})-(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1})|(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1}))$)
- 身份证号(15位、18位数字),最后一位是校验位,可能为数字或字符X:
(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)
- 帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线):
^[a-zA-Z][a-zA-Z0-9_]{4,15}$
- 密码(以字母开头,长度在6-18之间,只能包含字母、数字和下划线):
^[a-zA-Z]\w{5,17}$
- 强密码(必须包含大小写字母和数字的组合,不能使用特殊字符,长度在8-10之间):
^(?=.*\d)(?=.*[a-z])(?=.*[A-Z])[a-zA-Z0-9]{8,- 10}$
- 强密码(必须包含大小写字母和数字的组合,可以使用特殊字符,长度在8-10之间):
^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
- 日期格式:
^\d{4}-\d{1,2}-\d{1,2}
- 一年的12个月(01~09和1~12):
^(0?[1-9]|1[0-2])$
- 一个月的31天(01~09和1~31):
^((0?[1-9])|((1|2)[0-9])|30|31)$
- 钱的输入格式:
- 有四种钱的表示形式我们可以接受:
10000.00
和10,000.00
,和没有小数的10000
和10,000
:^[1-9][0-9]*$
- 这表示任意一个不以0开头的数字,但是这也意味着一个字符
0
不通过,所以我们采用下面的形式:^(0|[1-9][0-9]*)$
- 一个0或者一个不以0开头的数字,我们还可以允许开头有一个负号:
^(0|-?[1-9][0-9]*)$
- 这表示一个0或者一个可能为负的开头不为0的数字,让用户以0开头好了。把负号的也去掉,因为钱总不能是负的吧。下面我们要加的是说明可能的小数部分:
^[0-9]+(.[0-9]+)?$
- 必须说明的是,小数点后面至少应该有1位数,所以
10.
是不通过的,但是10
和10.2
是通过的:^[0-9]+(.[0-9]{2})?$
- 这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样:
^[0-9]+(.[0-9]{1,2})?$
- 这样就允许用户只写一位小数。下面我们该考虑数字中的逗号了,我们可以这样:
^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
- 1到3个数字,后面跟着任意个逗号+3个数字,逗号成为可选,而不是必须:
^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
- 有四种钱的表示形式我们可以接受:
- xml文件:
^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
- 空白行的正则表达式:
\n\s*\r
(可以用来删除空白行) - HTML标记的正则表达式:
<(\S*?)[^>]*>.*?|<.*? />
(首尾空白字符的正则表达式:^\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) - 腾讯QQ号:
[1-9][0-9]{4,}
(腾讯QQ号从10000开始) - 中国邮政编码:
[1-9]\d{5}(?!\d)
(中国邮政编码为6位数字) - IPv4地址:
((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}