正则表达式的使用

什么是正则表达式

正则表达式是高级文本匹配模式，用于搜索文本中的指定字符串。其本质是由一些字符和特殊字符组成的字符串，其中的字符可以是字母，数字，特殊字符，可以是零个或多个。这个字符串可以用来搜索文本中的指定字符串。

特点

• 方便进行文本搜索和修改
• 它不基于某个语言，并且支持语言众多
• 使用灵活，变化多样

通过正则表达式，可以快速查找、替换、修改特定文本内容。

语法

元字符

匹配字符

定义	标识符	规则	说明
普通字符	abc	匹配对应的普通字符	就是一一对应关系
任意单一字符	.	匹配除 \n 外的任意一个字符	任意匹配一个字符
匹配字符集	[abc]	匹配中括号中的字符集	一个区间可以匹配到多个指定字符。通常该字符集有：[0-9]、[a-z]、[A-Z]，分别对应数字、小写字母、大写字母
不匹配符号	[^]	在字符集前面添加 ^ 表示不匹配区间	一个区间不能包含指定字符。通常该字符集有：[^0-9]、[^_0-9a-zA-Z]，分别对应非数字、特殊符号（排除普通符号就是特殊符号）
匹配任意数字	\d	匹配任意数字	可以匹配任意数字，等价 [0-9]
匹配任意非数字	\D	匹配任意非数字	可以匹配任意非数字，等价 [^0-9]
匹配任意普通字符	\w	匹配任意普通字符	可以匹配任意普通字符，等价 [a-zA-Z0-9_]
匹配任意非普通字符	\W	匹配任意非普通字符	可以匹配任意非普通字符，等价 [^a-zA-Z0-9_]
匹配任意空白字符	\s	匹配任意空白字符	可以匹配任意空白字符，等价 [\t\n\r\f\0]
匹配任意非空白字符	\S	匹配任意非空白字符	可以匹配任意非空白字符，等价 [^\t\n\r\f\0]
以某些字符起始	^(?=abc).*	^(?=)括号中填写匹配的字符	以abc起始
以某些字符结尾	(?<=abc)$	(?<=)$括号中填写匹配的字符	以abc起始

• - 连接符在字符集中表示范围，如 [a-zA-Z0-9] 表示匹配 a 到 z、A 到 Z、0 到 9。

不匹配

定义	标识符	规则	说明
不匹配某字符集	[^a]	[^]中括号中填写不匹配的字符集	不匹配字符a
不以某些字符起始	^(?!abc).*	^(?!)括号中填写不匹配的字符	不以abc起始
不以某些字符结尾	(?<!abc)$	(?<!)$括号中填写不匹配的字符	不以abc起始

特殊字符

定义	标识符	规则	说明
或	|	同一地方匹配可以匹配多个指定的值	与匹配字符集类似，但这里可以匹配更多内容。比如：hello|world，可以匹配 hello，也可以匹配到 world，不再拘泥于一个字符
匹配起始	^ 或 \A	用于匹配一个字符串的起始位置	通常 ^ 与其他匹配字符同时使用，用来匹配起始内容是否包含指定内容
匹配结束	$ 或 \Z	用于匹配一个字符串的结束位置	通常 $ 与其他匹配字符同时使用，用来匹配结束内容是否包含指定内容
匹配边界	\b	匹配一个单词的边界（数字、字母、下划线和其他字符的交界处认为是单词边界）	示例： - \bis\b -> This is a test -> [is](只匹配到 This 后面的 is) - is\b -> This is a test -> [is, is](匹配到 This 里面的 is 与 This 后面的 is)
匹配非边界	\B	匹配一个单词的非边界	与 \b 正好相反
匹配重复0至多次	*	匹配前面的字符(集)0-n次	示例：glo* -> Green glass globes glow greenly. -> [gl, glo, glo]
匹配重复1至多次	+	匹配前面的字符(集)1-n次	示例：gre+ -> Green glass globes glow greenly. -> [gree, gree]
匹配重复0或1次	?	匹配前面的字符(集)0-1次	示例：gr? -> Green glass globes glow greenly. -> [gr, g, g, g, gr]
匹配指定次数	{n}	匹配前面的字符(集)指定n次（n 为一个数值）	示例：gre{2} -> Green glass globes glow greenly. -> [gree, gree]
匹配指定范围次数	{n,m}	匹配前面的字符(集)指定n-m次（n、m 为一个数值）	示例：gre{1,2} -> Green glass globes glow greenly. -> [gree, gree]

转义

上面都是正则表达式的原始字符串，如果需要使用正则表达式中的特殊字符，可以使用转义字符来转义。

特殊字符一般都是用 \ 来转义。如遇到匹配 ?、*、+、$ 等特殊具有意义的字符，都可以通过 \ 转义:

• ? -> \?
• * -> \*
• + -> \+
• $ -> \$

其他同理。

对于转义字符 \，通过 \\ 来转义匹配反斜杠。

贪婪

贪婪是一种匹配规则，它会匹配尽可能多的内容，比如：a+，当遇到 aaaaa 的时候，会匹配全部，即：aaaaa。

如果我们不希望贪婪，而是尽可能少的去匹配（匹配一个甚至0个），使用 ? 来禁用贪婪即可。

如：

规则	内容	匹配到的值
a+?	aaaaa	[a]
a{2,4}?	aaaaa	[aa]
a{2,4}	aaaaa	[aaaaa]

分组

默认情况下，我们只有一个组，就是全部。也可以通过 (...) 来分组，可以获取到匹配的内容。默认返回一个数组，第一项是全部匹配到的内容，后面依次是小括号的添加顺序。比如：

规则	内容	匹配到的值
(http[s]?)://(\S+)	https://www.jeremyjone.com	[https://www.jeremyjone.com, https, www.jeremyjone.com]

• 正则表达式增加子组后对整体匹配没有影响
• 每个正则表达式可以有很多子组，子组由外到内、从左到右排列
• 子组可以改变重复行为，将子组作为一个整体重复

修饰符

修饰符用于标记指定额外的匹配策略。它不在表达式内部，而是在表达式外部。

不同语言的修饰符位置写法不太一样。

修饰符	含义	描述
i	ignore 忽略大小写	[a-z] -> [a-zA-Z]
m	multi line 多行模式	使用 ^ 与 $ 匹配每一行的起始和结尾
s	dotall 匹配包括换行符的所有字符	默认 . 无法匹配到 \n。加上 s 后，. 是可以匹配到 \n 的
u	Unicode 模式	使用 Unicode 编码，可以匹配中文
g	global 全局匹配	全局匹配，匹配所有的匹配结果

常用的正则表达式

非负整数：^\d+$
 
正整数：^[0-9]*[1-9][0-9]*$
 
非正整数：^((-\d+)|(0+))$
 
负整数：^-[0-9]*[1-9][0-9]*$
 
整数：^-?\d+$
 
非负浮点数：^\d+(\.\d+)?$
 
正浮点数 : ^((0-9)+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)$
 
非正浮点数：^((-\d+\.\d+)?)|(0+(\.0+)?))$
 
负浮点数：^(-((正浮点数正则式)))$
 
英文字符串：^[A-Za-z]+$
 
英文大写串：^[A-Z]+$
 
英文小写串：^[a-z]+$
 
英文字符数字串：^[A-Za-z0-9]+$
 
英数字加下划线串：^\w+$
 
E-mail地址：^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$
 
URL：^[a-zA-Z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\s*)?$ 
 或：^http:\/\/[A-Za-z0-9]+\.[A-Za-z0-9]+[\/=\?%\-&_~`@[\]\':+!]*([^<>\"\"])*$
 
邮政编码：^[1-9]\d{5}$
 
中文：^[\u0391-\uFFE5]+$
 
电话号码：^((\(\d{2,3}\))|(\d{3}\-))?(\(0\d{2,3}\)|0\d{2,3}-)?[1-9]\d{6,7}(\-\d{1,4})?$
 
手机号码：^((\(\d{2,3}\))|(\d{3}\-))?13\d{9}$
 
双字节字符(包括汉字在内)：^\x00-\xff
 
匹配首尾空格：(^\s*)|(\s*$)（像vbscript那样的trim函数）
 
匹配HTML标记：<(.*)>.*<\/\1>|<(.*) \/>
 
匹配空行：\n[\s| ]*\r
 
提取信息中的网络链接：(h|H)(r|R)(e|E)(f|F)  *=  *('|")?(\w|\\|\/|\.)+('|"|  *|>)?
 
提取信息中的邮件地址：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
 
提取信息中的图片链接：(s|S)(r|R)(c|C)  *=  *('|")?(\w|\\|\/|\.)+('|"|  *|>)?
 
提取信息中的IP地址：(\d+)\.(\d+)\.(\d+)\.(\d+)
 
提取信息中的中国手机号码：(86)*0*13\d{9}
 
提取信息中的中国固定电话号码：(\(\d{3,4}\)|\d{3,4}-|\s)?\d{8}
 
提取信息中的中国电话号码（包括移动和固定电话）：(\(\d{3,4}\)|\d{3,4}-|\s)?\d{7,14}
 
提取信息中的中国邮政编码：[1-9]{1}(\d+){5}
 
提取信息中的浮点数（即小数）：(-?\d*)\.?\d+
 
提取信息中的任何数字 ：(-?\d*)(\.\d+)? 
 
IP：(\d+)\.(\d+)\.(\d+)\.(\d+)
 
电话区号：/^0\d{2,3}$/
 
腾讯QQ号：^[1-9]*[1-9][0-9]*$
 
帐号(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}$
 
中文、英文、数字及下划线：^[\u4e00-\u9fa5_a-zA-Z0-9]+$
 
匹配中文字符的正则表达式： [\u4e00-\u9fa5]
 
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
 
匹配空行的正则表达式：\n[\s| ]*\r
 
匹配HTML标记的正则表达式：/<(.*)>.*<\/\1>|<(.*) \/>/
 
sql语句：^(select|drop|delete|create|update|insert).*$
 
匹配首尾空格的正则表达式：(^\s*)|(\s*$)
 
匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*