一、概述

英文(Regular Expression)，简称Regex。
用一个字符串来描述一个特征，然后去验证其他字符串是否符合这个特征。

如表达式“ab+” 描述的特征是“一个 'a' 和 任意个 'b' ”
那么 'ab', 'abb', 'abbbbbbbbbb' 都符合这个特征。

主要作用:

• 测试字符串是否包含某个模式
• 查找替换子串
• 提取子串

二、语法

(一)、普通字符匹配

1、字母数字等

a，0，+,我等

如表达式 "c"，在匹配字符串 "abcde" 时
匹配结果是：成功；
匹配到的内容是："c"；
匹配到的位置是：开始于2，结束于3。

如表达式 "bcd"，在匹配字符串 "abcde" 时
匹配结果是：成功；
匹配到的内容是："bcd"；
匹配到的位置是：开始于1，结束于4。

2、转义字符

\n，\t，\r,\,\f,\a,^,$`等

如表达式 "\$d"，在匹配字符串 "abc$de" 时
匹配结果是：成功；
匹配到的内容是："$d"；
匹配到的位置是：开始于3，结束于5。

3、unicode字符

\u4e00

如表达式 "\u4e00。",在匹配字符串"他的人品万众无一。"时:
匹配结果是：成功；
匹配到的内容是："一。"；
匹配到的位置是：开始于6，结束于8。

(二)、元字符(预定义字符)匹配

1、\d和\D

\d=1个数字字符(digit)字符[0-9]
\D=1个非数字字符[^0-9]

表达式 "\D\d"，在匹配 "abc123" 时
匹配的结果是：成功；
匹配到的内容是："c1"；

2、\W和\W

\w=1个单词(word)字符[a-zA-Z0-9_]
\W=1个非单词字符[^a-zA-Z0-9_]

3、\s和\S

\s=1个空白(space)字符 [ \n\r\t\v\f]
\S=1个非空白字符[^ \n\r\t\v\f]

4、.

1个任意字符（排除\n或不排除）

表达式 "a.\d"，在匹配 "aaa100" 时
匹配的结果是：成功；
匹配到的内容是："aa1"；
匹配到的位置是：开始于1，结束于4。

(三)、边界匹配

1、^和`###

^=字符串的开始位置
$=字符串的结束位置

表达式 "^aaa" 在匹配 "xxx aaa xxx" 时
匹配结果是：失败。
因为 "^" 要求与字符串开始的地方匹配，因此，只有当 "aaa" 位于字符串的开头的时候，"^aaa" 才能匹配

表达式 "^aaa"在匹配"aaa xxx xxx"时
匹配的结果是：成功；
匹配到的内容是："aaa"；
匹配到的位置是：开始于0，结束于3。

表达式 "aaa$" 在匹配 "xxx aaa xxx" 时
匹配结果是：失败。
因为 "$" 要求与字符串结束的地方匹配，因此，只有当 "aaa" 位于字符串的结尾的时候，"aaa$" 才能匹配

2、\b和\B

\b=匹配单词边界
\B=匹配非单词边界

表达式 "\bendB" 在匹配 "weekend,endfor,end" 时

(四)、字符组匹配

• [abc]
  [abc] 匹配1个字符，要么a，要么b，要么c
• [^abc]
  匹配1个字符，不是a，b，c中的任意一个
• [a^bc]
  匹配1个字符，是a,^,b,c中的任意一个
• [0-9]
  匹配1个数字字符
• [a-zA-Z]
  匹配1个字母字符
• [-0-9]或者[0-9-]
  匹配1个字符，要么是数字，要么是-
• [.]
  匹配1个点
• [a|b]
  匹配a或|或b
• [\[\]]
  匹配[或]
• [\d]
• [\\d]

表达式 "[bcd][bcd]" 匹配 "abc123" 时
匹配的结果是：成功；
匹配到的内容是："bc"；
匹配到的位置是：开始于1，结束于3。

表达式 "[^abc]" 匹配 "abc123" 时
匹配的结果是：成功；
匹配到的内容是："1"；
匹配到的位置是：开始于3，结束于4。

(五)、匹配次数

• ?=0次或1次
• +=至少1次
• *=0次或多次
• {n}=匹配n次
• {n,m}=至少n次，最多m次
• {n,}=至少n次

表达式 "\d+\.?\d*" 在匹配 "It costs $12.5" 时
匹配的结果是：成功；
匹配到的内容是：12.5；
匹配到的位置是：开始于10，结束于14。

(六)、运算符

1、XY

模式ab,表示a后面是b

2、X|Y

a|b，表示 一个a或者b

表达式 "Tom|Jack" 在匹配字符串 "I'm Tom, he is Jack" 时
匹配结果是：成功；
匹配到的内容是："Tom"；
匹配到的位置是：开始于4，结束于7。
匹配下一个时
匹配结果是：成功；
匹配到的内容是："Jack"；
匹配到的位置时：开始于15，结束于19。

小括号可限制选择范围

3、(X)

表示分组且捕获X

表达式 "(go\s*)+" 在匹配 "Let's go go go!" 时
匹配结果是：成功；
匹配到内容是："go go go"；
匹配到的位置是：开始于6，结束于14。

4、(?:X)

仅用于分组，不捕获

5、\n

引用前面的捕获组n

//匹配html标签
/<(\w+)>[^<]*</\1>/

表达式 "('|")(.*?)(\1)" 在匹配 " 'Hello', "World" " 时
匹配结果是：成功；
匹配到的内容是：" 'Hello' "。
再次匹配下一个时，可以匹配到 " "World" "。

三、贪婪和非贪婪模式

(一)、贪婪模式

表达式中{m,n}, {m,}, ?, *, +的这些重复匹配不定次数的表达式在匹配过程中，总是尽可能多的匹配。称为贪婪模式。

如:针对字符串"1xxxdxxxd"，表达式1\w+的匹配结果是1xxxdxxxd。而不是1x。

(二)、非贪婪模式

在修饰匹配次数的特殊符号后再加上一个 "?" 号，则可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的 "不匹配"。这种匹配原则叫作 "非贪婪" 模式，也叫作 "勉强" 模式。
如:针对字符串"1xxxdxxxd"

• 表达式1\w+?的匹配结果是1x。而不是1xxxdxxxd。
• 表达式1\w+?d的匹配结果是1xxxd。而不是1xxxdxxxd。

表达式 "<td>(.*)</td>" 与字符串 "<td><p>aa</p></td> <td><p>bb</p></td>" 匹配时
匹配的结果是：成功；
匹配到的内容是 "<td><p>aa</p></td> <td><p>bb</p></td>" 整个字符串， 表达式中的 "</td>" 将与字符串中最后一个 "</td>" 匹配。?
表达达式 "<td>(.*?)</td>" 匹配同样的字符串时，将只得到 "<td><p>aa</p></td>"， 再次匹配下一个时，可以得到第二个 "<td><p>bb</p></td>"。

四、预搜索

(一)、正向预搜索(?=xx)和(?!xx)

表达式 "Windows (?=NT|XP)" 在匹配 "Windows 98, Windows NT, Windows 2000" 时
将只匹配 "Windows NT" 中的 "Windows "，其他的 "Windows " 字样则不被匹配。

表达式 "do(?!\w)" 在匹配字符串 "done, do, dog" 时
只能匹配中间的"do"。不会匹配done和dog中的do。

(二)、反向预搜索(?<=xx)和(?<!xx)

表达式 "(?<=\d{4})\d+(?=\d{4})" 在匹配 "1234567890123456" 时
将匹配除了前4个数字和后4个数字之外的中间8个数字，即56789012。

五、匹配标志

标志	说明
ignorecase	默认情况下，表达式中的字母是要区分大小写的。 配置为 Ignorecase 可使匹配时不区分大小写。 有的表达式引擎，把 "大小写" 概念延伸至 UNICODE 范围的大小写。
singleline	默认情况下，小数点 "." 匹配除了换行符（\n）以外的字符。 配置为 Singleline 可使小数点可匹配包括换行符在内的所有字符。
multiline	默认情况下，表达式 ^ 和$ 只匹配字符串的开始 ① 和结尾 ④ 位置。 如： ①xxxxxxxxx②\n ③xxxxxxxxx④ 配置为 Multiline 可以使 ^ 匹配 ① 外，还可以匹配换行符之后，下一行开始前 ③ 的位置 使 $ 匹配 ④ 外，还可以匹配换行符之前，一行结束 ② 的位置。
global	主要在将表达式用来替换时起作用，配置为 Global 表示替换所有的匹配。

六、常见正则表达式

• 零和非零开头的数字
  • ^(0|[1-9][0-9]*)$
• 正数、负数、和小数
  • ^(\-|\+)?\d+(\.\d+)?$
• 非零的正整数
  • ^[1-9]\d*$
  • ^([1-9][0-9]*){1,3}$
  • ^\+?[1-9][0-9]*$
• 非零的负整数
  • ^\-[1-9][]0-9"*$
  • ^-[1-9]\d*$
• 非负整数
  • `^\d+$``
  • ``^[1-9]\d*|0$`
• 非正整数
  • ^-[1-9]\d*|0$
  • ^((-\d+)|(0+))$
• 非负浮点数
  • ^\d+(\.\d+)?$
  • ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
• 非正浮点数
  • ^((-\d+(\.\d+)?)|(0+(\.0+)?))$
  • ^(-([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*$
  • ^(([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*)$
  • ^(-(([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+)?$
  • ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
• 汉字
  • ^[\u4e00-\u9fa5]{0,}$
• 英文和数字
  • ^[A-Za-z0-9]+$
  • ^[A-Za-z0-9]{4,40}$
• 中文、英文、数字包括下划线
  • ^[\u4E00-\u9FA5A-Za-z0-9_]+$
• 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]*
  • ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
• 手机号码
  • ^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
• 电话号码
  • ^(\(\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}
• 身份证号(15位、18位数字)
  • ^\d{15}|\d{18}$
• 短身份证号码(数字、字母x结尾)
  • ^([0-9]){7,18}(x|X)?$
  • ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
• 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]).{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)$
• xml文件
  • ^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
• 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*?)[^>]*>.*?</\1>|<.*? />
• 首尾空白字符的正则表达式(用来删除行首行尾的空白字符)
  • ^\s*|\s*$
  • (^\s*)|(\s*$)
• 腾讯QQ号(QQ号从10000开始)
  • [1-9][0-9]{4,}
• 中国邮政编码
  • [1-9]\d{5}(?!\d)
• IP地址
  • \d+\.\d+\.\d+\.\d+