正则表达式

1. 简介

  正则表达式（Regular Express，各种语言中一般简写为regex、regexp或者re），通常被用来检索、替换那些符合某个模式或规则的文本。
  正则表达式是对字符串操作的一种逻辑公式，就是事先定义好的一些特定字符、及这些特点字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，模式描述在搜索文本时要匹配的一个或多个字符串。

2. 元字符

  正则表达式有一些普通字符和一些元字符组成。普通字符包括大小写的字母和数字，而元字符则具有特殊的含义，要想用好正则表达式，正确的理解元字符很重要，以下为全部的元字符

元字符	描述
\	将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，“\n”匹配\n。“\n”匹配换行符。序列“\”匹配“\”而“(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。
^	匹配输入字行首。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。
$	匹配输入行尾。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任意次。例如，zo*能匹配“z”，也能匹配“zo”以及“zoo”。*等价于o{0,}
+	匹配前面的子表达式一次或多次(大于等于1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“do”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为一组，后三个o为一组。“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+”将尽可能多的匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少的匹配“o”，得到结果 [‘o’, ‘o’, ‘o’, ‘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)	非获取匹配，匹配pattern但不获取匹配结果，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时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
(?=pattern)	非获取匹配，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，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)	非获取匹配，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，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)	非获取匹配，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)	非获取匹配，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”。这个地方不正确，有问题 因为此处用或任意一项都不能超过2位，如“(?<!95|98|NT|20)Windows正确，“(?<!95|980|NT|20)Windows 报错，若是单独使用则无限制，如(?<!2000)Windows 正确匹配
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”(此处请谨慎)。“[zf]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,并且出现在两个字符之间时,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（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。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]。grep 要加上-P，perl正则支持
\D	匹配一个非数字字符。等价于[^0-9]。grep要加上-P，perl正则支持
\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	匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S	匹配任何可见字符。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。类似但不等价于“[A-Za-z0-9_]”，这里的”单词”字符使用Unicode字符集。
\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（©）。
\p{P}	小写 p 是 property 的意思，表示 Unicode 属性，用于 Unicode 正表达式的前缀。中括号内的“P”表示Unicode 字符集七个字符属性之一：标点字符。 其他6个属性： L：字母； M：标记符号（一般不会单独出现）； Z：分隔符（比如空格、换行等）； S：符号（比如数学符号、货币符号等）； N：数字（比如阿拉伯数字、罗马数字等）； C：其他字符。 注意：此语法部分语言不支持，例：javascript。
\< \>	匹配词（word）的开始（\<）和结束（>）。例如正则表达式\能够匹配字符串”for the wise”中的”the”，但是不能匹配字符串”otherwise”中的”the”。注意：这个元字符不是所有的软件都支持的。
( )	将( 和 ) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用。
|	将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her) 匹配”it belongs to him”和”it belongs to her”，但是不能匹配”it belongs to them.”。注意：这个元字符不是所有的语言都支持的。

使用技巧

. [ ] ^ $ 四个字符是所有语言都支持的正则表达式，所以这四个是基础的正则表达式。正则难理解因为里面有一个等价的概念，这个概念大大增加了理解难度，让很多初学者看起来会懵，如果把等价都恢复成原始写法，自己书写正则就超级简单了，就像说话一样去写你的正则了：
等价是等同于的意思，表示同样的功能，用不同符号来书写。
?,*,+,\d,\w 都是等价字符
　　? 等价于匹配长度{0,1}
　　* 等价于匹配长度{0,}
　　+ 等价于匹配长度{1,}
　　\d 等价于[0-9]
　　\D等价于[^0-9]
　　\w等价于[A-Za-z_0-9]
　　\W等价于[^A-Za-z_0-9]。
虽然元字符很多，但是一般操作中常用的并不多，常见的如下：

运算符或表达式	含义
^	开始
（）	域段
[]	包含,默认是一个字符长度
[^]	不包含,默认是一个字符长度
{n,m}	匹配长度
.	任何单个字符(. 字符点)
*	匹配前面的子表达式任意次
？	匹配前面的字符0次或1次
|	或
\	转义
$	结尾
[A-Z]	26个大写字母
[a-z]	26个小写字母
[0-9]	0至9数字
[A-Za-z0-9]	26个大写字母、26个小写字母和0至9数字
，	分割 分割语法： [A,H,T,W] 包含A或H或T或W字母 [a,h,t,w] 包含a或h或t或w字母 [0,3,6,8] 包含0或3或6或8数字

正则表达式默认为贪婪模式，会尽可能多地匹配数据，在后面加一个？可改为非贪婪模式，即尽可能少的匹配数据，一般都选择非贪婪模式
　　语法与释义：
　　基础语法 “^([]{})([]{})([]{})$”
　　正则字符串 = “开始（[包含内容]{长度}）（[包含内容]{长度}）（[包含内容]{长度}）结束”
　　?,*,+,\d,\w 这些都是简写的,完全可以用[]和{}代替，在(?:)(?=)(?!)(?<=)(?<!)(?i)(*?)(+?)这种特殊组合情况下除外。
　　初学者可以忽略?,*,+,\d,\w一些简写标示符，学会了基础使用再到元字符表中等价替换

3. 应用实例

1. 验证用户名和密码：（”^[a-zA-Z]\w{5,15}$”）正确格式：”[A-Z][a-z]_[0-9]”组成,并且第一个字必须为字母6~16位；
2. 验证电话号码：（”^(\d{3,4}-)\d{7,8}$”）正确格式：xxx/xxxx-xxxxxxx/xxxxxxxx；
3. 验证手机号码：”^1[3|4|5|7|8][0-9]{9}$”；
4. 验证身份证号（15位）：”\d{14}[[0-9],0-9xX]”，（18位）：”\d{17}[[0-9],0-9xX]”；
5. 验证Email地址：(“^\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*$”)；
6. 只能输入由数字和26个英文字母组成的字符串：(“^[A-Za-z0-9]+$”)；
7. 整数或者小数：^[0-9]+([.][0-9]+){0,1}$
8. 只能输入数字：”^[0-9]*$”。
9. 只能输入n位的数字：”^\d{n}$”。
10. 只能输入至少n位的数字：”^\d{n,}$”。
11. 只能输入m~n位的数字：”^\d{m,n}$”。
12. 只能输入零和非零开头的数字：”^(0|[1-9][0-9]*)$”。
13. 只能输入有两位小数的正实数：”^[0-9]+(.[0-9]{2})?$”。
14. 只能输入有1~3位小数的正实数：”^[0-9]+(.[0-9]{1,3})?$”。
15. 只能输入非零的正整数：”^+?[1-9][0-9]*$”。
16. 只能输入非零的负整数：”^-[1-9][0-9]*$”。
17. 只能输入长度为3的字符：”^.{3}$”。
18. 只能输入由26个英文字母组成的字符串：”^[A-Za-z]+$”。
19. 只能输入由26个大写英文字母组成的字符串：”^[A-Z]+$”。
20. 只能输入由26个小写英文字母组成的字符串：”^[a-z]+$”。
21. 验证是否含有^%&’,;=?$\”等字符：”[%&’,;=?$\^]+”。
22. 只能输入汉字：”^[\u4e00-\u9fa5]{0,}$”。
23. 验证URL：”^http://([\w-]+.)+[\w-]+(/[\w-./?%&=]*)?$”。
24. 验证一年的12个月：”^(0?[1-9]|1[0-2])$”正确格式为：”01”～”09”和”10”～”12”。
25. 验证一个月的31天：”^((0?[1-9])|((1|2)[0-9])|30|31)$”正确格式为；”01”～”09”、”10”～”29”和“30”~“31”。
26. 获取日期正则表达式：\d{4}[年|-|.]\d{\1-\12}[月|-|.]\d{\1-\31}日?
    评注：可用来匹配大多数年月日信息。
27. 匹配双字节字符(包括汉字在内)：[^\x00-\xff]
    评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）
28. 匹配空白行的正则表达式：\n\s*\r
    评注：可以用来删除空白行
29. 匹配HTML标记的正则表达式：<(\S*?)[^>] * >.*?< />|<.*? />
    评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力
30. 匹配首尾空白字符的正则表达式：^\s*|\s*$
    评注：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
31. 匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*
    评注：网上流传的版本功能很有限，上面这个基本可以满足需求
32. 匹配帐号是否合法(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}$
    评注：表单验证时很实用
33. 匹配腾讯QQ号：[1-9][0-9]{4,}
    评注：腾讯QQ号从10 000 开始
34. 匹配中国邮政编码：[1-9]\\d{5}(?!\d)
    评注：中国邮政编码为6位数字
35. 匹配ip地址：([1-9]{1,3}.){3}[1-9]。
    评注：提取ip地址时有用
36. 匹配MAC地址：([A-Fa-f0-9]{2}:){5}[A-Fa-f0-9]