课程地址

正则表达式30分钟入门教程

正则表达式是用来进行文本匹配的工具。

1、元字符

  • \b 元字符，metacharacter

    代表着单词的开头或结尾，也就是单词的分界处,它只匹配一个位置。

  • ^ 匹配字符串的开始
  • $ 匹配字符串的结束

    ^\d{5,12}$ 比如一个网站如果要求你填写的QQ号必须为5位到12位数字时

  • . 元字符，匹配除了换行符以外的任意字符
  • \d 元字符，匹配一位数字(0，或1，或2，或……)

    0\d{2}-\d{8} 这里\d后面的{2}({8})的意思是前面\d必须连续重复匹配2次(8次)

  • \s 匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等
  • \w 匹配字母或数字或下划线或汉字等

    \ba\w*\b 匹配以字母a开头的单词
    \b\w{6}\b 匹配刚好6个字符的单词
    \d+ 匹配1个或更多连续的数字

2、转义

如果你想查找元字符本身的话，\. 和\*。当然，要查找\本身，你也得用 \\

3、重复

  • * 元字符，匹配数量。它指定*前边的内容可以连续重复使用任意次(可能是0次)
  • + 匹配重复1次或更多次
  • ? 重复零次或一次
  • {n} 重复 n 次
  • {n,} 重复 n 次或更多次
  • {n, m} 重复 n 次到 m 次

    Windows\d+ 匹配Windows后面跟1个或更多数字
    ^\w+ 匹配一行的第一个单词(或整个字符串的第一个单词，具体匹配哪个意思得看选项设置)

4、字符类

匹配没有预定义元字符的字符集合

  • [aeiou] 就匹配任何一个英文元音字母
  • [.?!] 匹配标点符号(.或?或!)
  • [0-9] 代表的含意与 \d 就是完全一致的
  • [a-z0-9A-Z_] 也完全等同于 \w（如果只考虑英文的话）
  • \(?0\d{2}[) -]?\d{8} 几种格式的电话号码，像(010)88886666，或022-22334455，或02912345678

5、分支条件

  • |

    0\d{2}-\d{8}|0\d{3}-\d{7} 8位本地号(如010-12345678)，或7位本地号(0376-2233445)

6、分组

  • (exp) 用小括号来指定子表达式(也叫做分组)，可用于重复多个字符

    ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) 描述一个正确的IP地址

7、反义

  • \W 匹配任意不是字母，数字，下划线，汉字的字符
  • \S 匹配任意不是空白符的字符
  • \D 匹配任意非数字的字符
  • \B 匹配不是单词开头或结束的位置
  • [^x] 匹配除了x以外的任意字符
  • [^aeiou] 匹配除了aeiou这几个字母以外的任意字符

8、后向引用

后向引用用于重复搜索前面某个分组匹配的文本。

  • \1 代表分组1匹配的文本

    \b(\w+)\b\s+\1\b 匹配重复的单词，像 go go , 或者 kitty kitty

  • 指定子表达式的组名

    (?<Word>\w+) 或 (?'Word'\w+) 这样就把 \w+ 的组名指定为Word了

  • 反向引用这个分组捕获的内容，你可以使用 \k<Word>

    \b(?<Word>\w+)\b\s+\k<Word>\b

9、零宽断言

9.1、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

9.2、零宽断言

  • (?=exp) 匹配exp前面的位置

    (?<=\s)\d+(?=\s) 匹配以空白符间隔的数字(再次强调，不包括这些空白符)

  • (?<=exp) 匹配exp后面的位置

    ((?<=\d)\d{3})+\b 每三位间加一个逗号(当然是从右边加起了)，你可以这样查找需要在前面和里面添加逗号的部分
    (?<=<(\w+)>).*(?=<\/\1>) 匹配不包含属性的简单HTML标签内里的内容

  • (?!exp) 匹配后面跟的不是exp的位置

    \b\w*q(?!u)\w*\b 匹配包含后面不是字母u的字母q的单词

  • (?<!exp) 匹配前面不是exp的位置

    \d{3}(?!\d) 匹配三位数字，而且这三位数字的后面不能是数字

8.3、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

10、贪婪与懒惰

  • 贪婪匹配

    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。
    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。

  • 懒惰匹配

    a.*?b 匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）

  • *? 重复任意次，但尽可能少重复
  • +? 重复1次或更多次，但尽可能少重复
  • ?? 重复0次或1次，但尽可能少重复
  • {n,m}? 重复n到m次，但尽可能少重复
  • {n,}? 重复n次以上，但尽可能少重复