首页 > 代码库 > 正则表达式简介
正则表达式简介
1.简介
正则表达式（Regular Expression），又称规则表达式。在代码中常简写为regex、regexp或RE。正则表通常被用来检索、替换那些符合某个模式(规则)的文本。常用的程序设计语言基本都支持正则表达式，比如C++11中也将正则表达式纳入了新标准的一部分，Perl、Python、PHP、Javascript、Ruby等脚本语言都内置了强大的正则表达式处理引擎，Java、C#、Delphi等编译型语言都支持正则表达式。
正则表达式由一些普通字符和一些元字符（meta characters）组成。普通字符包括可打印字符（大小写的字母、数字、部分特殊字符）和一些不可打印的字符（比如换行符，制表符Tab和空格等），以及正则表达式中规定的特殊字符。而元字符则在正则表达式中具有特殊的含义，下面会给予解释。
2.普通字符之不可打印字符[1] <script type="math/tex" id="MathJax-Element-1">^{[1]}</script>
非打印字符也可以是正则表达式的组成部分。下表列出了非打印字符的转义序列：
| 字符 | 含义 |
|---|---|
| \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。 |
| \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。 |
| \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。 |
3.正则表达式元字符[4] <script type="math/tex" id="MathJax-Element-212">^{[4]}</script>
下表包含了元字符的完整列表以及它们在正则表达式上下文中的行为：
| 元字符 | 描述 |
|---|---|
| \ | 将一个字符标记为特殊字符、或一个原义字符、或一个后向引用、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”\”。”\77”来表示字符? |
| ^ | 匹配字符串的开始位置。 |
| $ | 匹配输入字符串的结束位置。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零次或多次（>=0次）。例如，zo*能匹配“z”，也能匹配“zo”以及“zoo”。 |
| + | 匹配前面的子表达式一次或多次(>=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。“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+?”将匹配每个“o”即4次匹配，而“o+”将只匹配1次即匹配“oooo”。 |
| . | 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“[\s\S]”的模式。 |
| (pattern) | 将( 和 ) 之间的表达式定义为“组”（group），又称子表达式，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。要匹配圆括号字符，请使用”\(“或”\)”。 |
| (?< 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)。这个元字符主要作用是给组命名。 |
| (?:pattern) | 匹配pattern,不捕获匹配的文本，也不给此分组分配组号。 |
| (?=exp) | 零宽断言，断言此位置的后面能匹配表达式exp，因不消耗字符，所以称为零宽断言。比如industry能够匹配ind(?=us)ustry，但是不能匹配ind(?=aa)ustry。 |
| (?!exp) | 零宽断言，断言此位置的后面不能匹配表达式exp。 |
| (?< !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 |
| x|y | 匹配x或y。例如，“z|food”能匹配“z”或“food”,请注意“[z |
| [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”。 |
| \d | 匹配一个数字字符。等价于[0-9]。 |
| \D | 匹配一个非数字字符。等价于[^0-9]。 |
| \s | 匹配任何不可打印字符，包括空格、制表符、换页符等等。等价于[\f\n\r\t\v]。 |
| \S | 匹配任何可打印字符。等价于[^\f\n\r\t\v]。 |
| \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。表示对前面所获取的子表达式的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。 |
| \oct | 标识一个八进制转义值或一个后向引用。如果\oct之前有至少oct个子表达式，则\oct为后向引用。否则，如果oct为八进制数字（0-7），则oct为一个八进制转义值。 |
| \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（& copy;）。 |
| < > | 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软件都支持的。 |
注意，关于上面元字符的描述会涉及到几个名词概念，在这里作简要的描述。
（1）八进制转义字符
我们学过用一个转义符’\’加上一个特殊字母来表示某个字符的方法，如：’\n’表示换行，而’\t’表示Tab字符，’\”则表示单引号。八进制转义字符就是反斜杠’\’后面接一个八进制数，用于表示ASCII码等于该值的字符。例如问号?的ASCII值是63，那么我们可以把它转换为八进值77，然后用 ‘\77’来表示’?’。由于是八进制，所以本应写成 ‘\077’，但因为CC++规定不允许使用斜杠加10进制数来表示字符，所以这里的0可以不写。
同理，十六进制转义字符，就是反斜杠’\’后面接一个十六进制数来表示一个字符。还是以问号？为例，问号?的ASCII码值63转换为十六进制数是4F，那么十六进制转义字符\x4F。
（2）后向引用
正则表达式中，使用小括号指定一个子表达式后，匹配这个子表达式的文本可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。后向引用指的是正则表达式重复利用前面某个子表达式。例如：\1代表分组1匹配的文本。难以理解？请看示例：
\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。这个表达式首先是一个单词，也就是单词开始处和结束处之间存在多于一个字母或数字\b(\w+)\b，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符\s+，最后是分组1中捕获的内容（也就是前面匹配的那个单词）。
4.常用正则表达式示例[5,6] <script type="math/tex" id="MathJax-Element-5">^{[5,6]}</script>
（1）匹配中文。[\u4e00-\u9fa5]。
（2）匹配身份证号码。身份证为15位或者18位，15位的全为数字，18位的前17位为数字，最后一位为数字或者大写字母”X“。与之匹配的正则表达式：(^\d{15}$)|(^\d{17}([0-9]|X)$)。
（3）匹配Email地址：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*。
（4）匹配网址URL的正则表达式：[a-zA-z]+://[^s]*。
（5） 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}$。
（6）匹配中国国内电话号码：d{3}-d{8}|d{4}-d{7}。匹配形式如0511-4405222 或 021-87888822。
（7）匹配腾讯QQ号：[1-9][0-9]{4,}。腾讯QQ号从10000开始。
（8）匹配中国邮政编码：^[1-9]\d{5}$。中国邮政编码为6位数字，第一位不为零。
（9）匹配IP地址：^((25[0-5]|2[0-4][0-9]|1[0-9][0-9]|[1-9]?[0-9])\.){3}(25[0-5]|2[0-4][0-9]|1[0-9][0-9]|[1-9]?[0-9])$。IPv4的ip地址都是（0~255）.（0~255）.（0~255）.（0~255）的格式。上面的正则表达式会匹配12.12.12.12，但不会匹配012.12.12.12。
（10）匹配特定数字。
^[1-9]d*$ //匹配正整数
^-[1-9]d*$ //匹配负整数
^-?[1-9]d*$ //匹配整数
^[1-9]d*|0$ //匹配非负整数（正整数 + 0）
^-[1-9]d*|0$ //匹配非正整数（负整数 + 0）
^[1-9]d*.d*|0.d*[1-9]d*$ //匹配正浮点数
^-([1-9]d*.d*|0.d*[1-9]d*)$ //匹配负浮点数
^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$ //匹配浮点数
^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$ //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0+|0$ //匹配非正浮点数（负浮点数 + 0） （11）匹配特定字符串。
^[A-Za-z]+$ //匹配由26个英文字母组成的字符串
^[A-Z]+$ //匹配由26个英文字母的大写组成的字符串
^[a-z]+$ //匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$ //匹配由数字和26个英文字母组成的字符串
^\w+$ //匹配由数字、26个英文字母或者下划线组成的字符串 （12）匹配空行。
windows: ^(\s*)\r\n
linux: ^(\s*)\n
mac: ^(\s*)\r 参考文献
[1]正则表达式.菜鸟教程
[2]八进制转义字符
[3]正则表达式后向引用详解
[4]正则表达式.百度百科
[5]正则表达式应用举例
[6]常用正则表达式大全（转）
正则表达式简介