提交 fd990e6e 编写于 作者: RunAtWorld's avatar RunAtWorld

正则表达式

上级 9919da41
# 正则表达式基础
## 基础知识
1. 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`-``[ ]`中使用时表示一个字符的范围。
Example:
```json
[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)
```
1. `^`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:
```json
[^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
```
1. 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:
```cpp
^[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。
1. 元字符
- 匹配位置的元字符
`^` 匹配行的开始位置
`$` 匹配行的结束位置
`\b` 匹配单词的开始或结束位置
- 匹配字符的元字符
`.` 匹配除换行符之外的任意字符
`\d` 匹配一个数字字符,等价于`[0-9]`
`\D` 匹配一个非数字字符,等价于`[^0-9]`
`\w` 匹配任何单词字符(包括字母、数字、下划线),等价于`[a-zA-Z0-9_]`
`\W` 匹配任何非单词字符,等价于`[^a-zA-Z0-9_]`
`\s` 匹配任何空白字符,包括空格、换行符、换页符、回车符、水平制表符、垂直制表符,等价于`[ \n\f\r\t\v]`
`\S` 匹配任何非空白字符,即不包含空格、换行符、换页符、回车符、水平制表符、垂直制表符,等价于`[^ \n\f\r\t\v]`
`\b` 匹配一个单词边界,也就是指单词和空格间的位置。 例如:er\b可以匹配”never”中的”er”,但不能匹配”verb”中的”er"
`\B` 匹配非单词边界。 例如:`er\B`可以匹配”verb”中的”er”,但不能匹配”never”中的”er”
Example:
```ruby
^.{3}$ 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
```bash
"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$1,$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}$`
- 可以输入含有^%&',;=?$\"等字符:`[^%&',;=?$\x22]+`
- 禁止输入含有~的字符:`[^~\x22]+`
------
## 三、特殊需求表达式
- Email地址:`^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$`
- 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)$`
- 钱的输入格式:
1. 有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000":`^[1-9][0-9]*$`
2. 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]*)$`
3. 一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号:`^(0|-?[1-9][0-9]*)$`
4. 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]+)?$`
5. 必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的:`^[0-9]+(.[0-9]{2})?$`
6. 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})?$`
7. 这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样:`^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$`
8. 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})?$`
9. 精确到2位小数: `^[0-9]+(.[0-9]{2})?$`
10. 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})?))$`
正则表达式解释:
`(0\.\d?[1-9])` 匹配:0.01~0.09 / 0.1~0.9 / 0.11~0.99
`(0\.[1-9]0)` 匹配:0.10 / 0.20 / 0.30 / 0.40 / 0.50 / 0.60 / 0.70 / 0.80 / 0.90
`([1-9]\d{0,3}(\.\d{1,2})?)` 匹配:1.00~9999.99
`(10000(\.0{1,2})?)` 匹配:10000 或 10000.0 或 10000.00
11. 备注:这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
- xml文件:`^([a-zA-Z]+-?)+[a-zA-Z0-9]+\.[x|X][m|M][l|L]$`
- 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)
```ruby
^(?=.*[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)。
```ruby
^(?=.*[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)。
```ruby
^(?:(?=.*[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。
```css
\b[a-zA-Z]*([a-zA-Z])\1\b
```
- 正整数中剔除`0、1、2、8、9、10`。
```ruby
^(\d{3,})|(1[1-9])|([2-9]\d)|([34567]{1})$
```
正则表达式解释:
`(\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
# 参考
1. [Java 正则表达式](https://www.runoob.com/java/java-regular-expressions.html)
2. [正则表达式 - 语法](https://www.runoob.com/regexp/regexp-syntax.html)
3. Regex 正则表达式中几个符号([ ] ^ {} ?: ?= ?!)的概念 . https://www.jianshu.com/p/9c4979a3b7e4
4. 正则表达式——“?”的几种用法 https://blog.csdn.net/qq_37683835/article/details/88601721
\ No newline at end of file
Markdown is supported
0% .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑!
想要评论请 注册