一文学会正则表达式
2020-06-07 本文已影响0人
RunAtWorld
正则表达式是编程中常用的校验和过滤字符的手段，本文主要讲解 正则表达式基础、一些特殊用法和常用到的正则表达式案例。
正则表达式基础
基础知识
- 方括号
[ ]只能匹配一个字符，称为：字符类 或 字符簇。
其中连字号-在[ ]中使用时表示一个字符的范围。
Example：
[a-z] // 匹配所有的小写字母
[A-Z] // 匹配所有的大写字母
[a-zA-Z] // 匹配所有的字母
[0-9] // 匹配所有的数字
[0-9\.\-] // 匹配所有的数字、句号、减号
[ \n\f\r\t\v] // 匹配所有的空白字符(空格、换行符、换页符、回车符、水平制表符、垂直制表符)
-
^除了表示字符串的开头，还有另外一个含义，即当在一组方括号里使用^时，它表示”非”或”排除”的意思，常常用来剔除某个字符。
Example：
[^a-z] // 匹配除了小写字母以外的所有字符
[^\\\/\^] // 匹配除了\ / ^之外的所有字符
[^\”\’] // 匹配除了双引号和单引号之外的所有字符
- 限定符
花括号{}跟在字符或字符簇后面，用来确定前面的内容重复出现的次数，称为限定符。
{3}表示：前面的字符或字符簇只出现3次;
{3,}表示：前面的字符或字符簇出现3次或更多次;
{3,5}表示：前面的字符或字符簇出现至少3次，至多5次;
除了{}，还有其他的限定符，如:
*：重复0次或多次，等价于：{0,}
+：重复1次或多次，等价于：{1,}
?：重复0次或1次，等价于：{0,1}
|：指明两项之间的一个选择，要匹配|，请使用\|
Example：
^[0-9]{1,}$ // 匹配所有的正数
^[0-9]+$ // +与{1,}相等，表示前面的内容可以是1个或多个
^\-{0,1}[0-9]{1,}$ // 匹配所有的整数
^\-?[0-9]+$
^\-{0,1}[0-9]{0,}\.{0,1}[0-9]{0,}$ // 匹配所有小数的正则
^\-?[0-9]{0,}\.?[0-9]{0,}$ // ?与{0,1}相等，表示前面的内容是可选的
^\-?[0-9]*\.?[0-9]*$ // *与{0,}相等，表示前面的内容可以是0个或多个
如果在限定符
*、+、?、{n}、{n,}、{n,m}之后再添加一个字符?，则表示尽可能少地重复字符?之前的限定符的重复次数，这种匹配方式称为懒惰匹配。与之相对应的是贪婪匹配，即仅仅使用单个限定符*、+、?、{n}、{n,}、{n,m}的匹配。
- 元字符
- 匹配位置的元字符
^匹配行的开始位置
$匹配行的结束位置
\b匹配单词的开始或结束位置 - 匹配字符的元字符
.匹配除换行符之外的任意字符
\d匹配一个数字字符，等价于[0-9]
\D匹配一个非数字字符，等价于[^0-9]
\w匹配任何单词字符(包括字母、数字、下划线)，等价于[a-zA-Z0-9_]
\W匹配任何非单词字符，等价于[^a-zA-Z0-9_]
\s匹配任何空白字符，包括空格、换行符、换页符、回车符、水平制表符、垂直制表符，等价于[ \n\f\r\t\v]
\S匹配任何非空白字符，即不包含空格、换行符、换页符、回车符、水平制表符、垂直制表符，等价于[^ \n\f\r\t\v]
\b匹配一个单词边界，也就是指单词和空格间的位置。 例如：er\b可以匹配”never”中的”er”，但不能匹配”verb”中的”er"
\B匹配非单词边界。 例如：er\B可以匹配”verb”中的”er”，但不能匹配”never”中的”er”
Example：
^.{3}$ 只能输入长度为3的字符
^[a-zA-Z0-9]+$ 只能输入由数字、字母组成的字符串
^\w+$ 只能输入由数字、字母、下划线三种单词字符组成的字符串
(\w)\1 匹配两个重叠出现的字符，其中\1表示对所获取匹配的引用。
例如： “aabbc11ads”，匹配结果为三组”aa”、“bb”、“11”的match。
在第一次匹配过程中，\1就表示了对匹配字符a的引用，因此对连续出现的a匹配成功；
若改为(\w)\1\1时，则可匹配连续出现三次的字符，如”aaabccc2sa”中的”aaa”和“ccc”。
"？"的几种用法
- "?"元字符规定其前导对象必须在目标对象中连续出现零次或一次。
- 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+?"将匹配单个"o"，而"o+"将匹配所有"o"。
- (?:pattern) ——匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，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是很有用。例如"industr(?:y|ies)"就是一个比"industry|industries"更简略的表达式。
- (?=pattern)——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。这是一个非获取匹配，也就是说，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)——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。这是一个非获取匹配，也就是说，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"。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)——反向肯定预查，与正向肯定预查类拟，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)——反向否定预查，与正向否定预查类拟，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"。
- (?i)——该表达式右边的字符忽略大小写
- (?-i)——该表达式右边的字符区分大小写
- (?i:x)——x 忽略大小写
- (?-i:x)——x 区分大小写
- ？和懒惰匹配——尽可能少的匹配，例如：源字符串str="dxxddxxd"中，d\w?会匹配 dx,而d\w?d会匹配 dxxd
正向与反向预查
"Swift1 Swift2 Swift3Swift4Swift4Swift4"
(Swift4) 匹配Swift4并获取这一匹配，然后存储供以后使用；
(Swift4)\1 匹配Swift4Swift4，其中\1即表示使用了存储的匹配(存储的第一个匹配)，相当于匹配两次Swift4；
(Swift3)(Swift4)\2 匹配Swift3Swift4Swift4，其中\2即表示使用了存储的第二个匹配，即Swift4(当然第一个匹配为：Swift3)；
(?:Swift3)(Swift4)\1 匹配Swift3Swift4Swift4，与(Swift3)(Swift4)\2相同；
由于在小括号中使用了?:，所以第一个匹配(Swift3)没有被存储，只存储了后面的第二个匹配(Swift4)；
若写成(?:Swift3)(Swift4)\2，则正则表达式错误，因为没有存储第二个匹配；
其中?:的作用是匹配Swift3模式字符串，但不会存储该匹配。
Swift(?=4) 匹配右边紧跟着4的Swift；
其中(?=)称为：正向预查匹配，(?=4)表示先看看有没有4，如果有，则把4左边的Swift匹配出来；如果没有，则继续向右查看，这个过程就是正向预查匹配。
(?=expression)可理解为：匹配字符串expression前面的位置。
Swift(?!4) 匹配右边不跟着4的Swift；
其中(?!)称为：正向预查不匹配，(?!4)表示先看看有没有4，如果没有，也即不等于4的情况，则把左边的Swift匹配出来；如果有，则继续向右查看，这个过程就是正向预查不匹配。
(?!expression)可理解为：匹配后面不是字符串expression的位置。
(?<=4)Swift 匹配左边紧跟着4的Swift，即第五个Swift单词，索引为26到30的字符；
其中(?<=)称为：反向预查匹配，(?<=4)表示先看看有没有4，如果有，则把4右边的Swift匹配出来；如果没有，则继续向右查看，这个过程就是反向预查匹配。
(?<=expression)可理解为：匹配字符串expression后面的位置。
(?<!4)Swift 匹配左边不跟着4的Swift，即第1、2、3、4个Swift单词；
其中(?<!)称为：反向预查不匹配，(?<!4)表示先看看有没有4，如果没有，也即不等于4的情况，则把右边的Swift匹配出来；如果有，则继续向右查看，这个过程就是反向预查不匹配。
(?<!expression)可理解为：匹配前面不是字符串expression的位置。
反向引用
分组
反向引用的使用是基于分组的，所以得先理解清楚正则中分组的概念。什么是分组？个人理解的分组是正则匹配的一个或者多个字符，通常像元字符\w，\d，\s只能匹配一个字符，或者 [ ] 范围的匹配也只是匹配一个字符。但是当需要匹配重复的组的时候，例字符串：“asd123asd123”，不使用分组的正则写法是
var str = "asd123asd123";
var reg = /[a-z]{3}[1-9]{3}/;
reg.test(str); //true
这种写法不但违反计算机科学原理，程序猿看上去还觉得别扭（众所周知，重复的代码都习惯了封装），所以我所理解的分组，其实就是正则表达式中的一种 “封装” 而已。那么经过封装后，上面的写法可以改写为
var str = "asd123asd123";
var reg = /([a-z]{3}[1-9]{3})\1+/;
reg.test(str); //true
但是正则中的“封装“有个特点，就是引用时，引用的并非分组里面的正则表达式，而是已经匹配成功的内容，从以下代码说明这点
var str = "asd123dsa321";
var reg = /([a-z]{3}[1-9]{3})\1+/;
reg.test(str); // false, \1引用匹配的是已经匹配成功的asd123
后向引用
其实在上面的例子中，已经使用到了正则的后向引用。先来看看后向引用的概念---------“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：以分组的左括号为标志，从左向右，第一个分组的组号为1，第二个为2，以此类推。后向引用用于重复搜索前面某个分组匹配的文本。”
从概念中可以看出，其大概意思是使用正则去匹配字符串的时候，由于字符串中可能出现重复匹配的字符。那么先定好规则，当最左边的分组规则（即括号内的规则匹配成功时，记录匹配成功的字符串，给其一个\1好让后面继续拿来使用），第二个给\2，第三个给\3......
var str = "asd123zxc";
var reg = /(asd)((1)(2)(3))(zxc)/;
reg.exec(str);
// ["asd123zxc", "asd", "123", "1", "2", "3", "zxc", index: 0, input: "asd123zxc"]
//观察这里的数组可以发现，\0 代表要匹配的整体， \1 为第一个分组，
// \2为第二个分组整体（（1）（2）（3））, \3 为第二个分组内的子分组（1）.......
这里面的重点是要理清分组中的嵌套关系。
后向引用还有另外一个用法，就是 2,$3......
var str = "asd123asd123";
var reg = /([a-z]{3}[1-9]{3})/;
str.replace(reg,"--$1--"); //"--asd123--asd123"
正则表达式案例
一、校验数字的表达式
- 3位及以上数字
(\d{3,}) - 以1开头的2位数
(1[1-9]) - 非1开头的2位数
([2-9]\d) - 除0、1、2、8、9之外的1位数
([34567]{1}) - 数字：
^[0-9]*$ - 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+)?$ - 有两位小数的正实数：
^[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)$
校验字符的表达式
- 汉字：
^[\u4e00-\u9fa5]{0,}$ - 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 ^%&',;=?
\x22]+`
- 禁止输入含有~的字符：
[^~\x22]+
三、特殊需求表达式
- Email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})+\.? - InternetURL：
[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(0511-4405222、021-87888822)：
\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 "分" 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})?$ - 精确到2位小数：
^[0-9]+(.[0-9]{2})?$ - 最多保留2位小数，金额范围：0.01-10000.00。
^((0\.\d?[1-9])|(0\.[1-9]0)|([1-9]\d{0,3}(\.\d{1,2})?)|(10000(\.0{1,2})?))$
正则表达式解释：
(0\.\d?[1-9])匹配：0.01~0.09 / 0.1~0.9 / 0.11~0.99
(0\.[1-9]0)匹配：0.10 / 0.20 / 0.30 / 0.40 / 0.50 / 0.60 / 0.70 / 0.80 / 0.90
([1-9]\d{0,3}(\.\d{1,2})?)匹配：1.00~9999.99
(10000(\.0{1,2})?)匹配：10000 或 10000.0 或 10000.00 - 备注：这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
- 有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：
- xml文件：
^([a-zA-Z]+-?)+[a-zA-Z0-9]+\.[x|X][m|M][l|L]$ - 中文字符的正则表达式：
[\u4e00-\u9fa5] - 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)) - 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*$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式) - 腾讯QQ号：
[1-9][0-9]{4,} (腾讯QQ号从10000开始) - 中国邮政编码：
[1-9]\d{5}(?!\d) (中国邮政编码为6位数字) - IP地址：
((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d)) - IP地址：
[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3} - 密码
- 强密码 (必须包含数字、小写字母和大写字母三种字符，即这三种字符的组合，且不能使用特殊字符，长度在8-16之间)
^(?=.*[0-9])(?=.*[a-z])(?=.*[A-Z])[0-9a-zA-Z]{8,16}$- 强密码 (必须包含数字和字母两种字符，即数字和字母的组合，且不能使用特殊字符，长度在8-16之间)。
^(?=.*[0-9])(?=.*[a-zA-Z])[0-9a-zA-Z]{8,16}$- 强密码 (必须包含数字、小写字母、大写字母和特殊字符四种字符，即这四种字符的组合，其中特殊字符为除数字、小写字母、大写字母以外的其他字符，长度在8-16之间)。
^(?:(?=.*[0-9])(?=.*[a-z])(?=.*[A-Z])(?=.*[^0-9a-zA-Z])).{8,16}$ - 匹配以两个相同字母结尾的单词，如：zoo、success、all等。
\b[a-zA-Z]*([a-zA-Z])\1\b - 正整数中剔除
0、1、2、8、9、10。
正则表达式解释：^(\d{3,})|(1[1-9])|([2-9]\d)|([34567]{1})$
(\d{3,})匹配：3位及以上数字
(1[1-9])匹配：以1开头的2位数
([2-9]\d)匹配：非1开头的2位数
([34567]{1})匹配：除0、1、2、8、9之外的1位数
