04.27 正则表达式，还不会的同学看过来

正则表达式，还不会的同学看过来正则修炼，现在开始啦！从零开始学正则表达式正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机编程科学中的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。正则表达式通用于主流编程语言，应用广泛，是新手小白程序员晋级的必过门槛。正则表达式 - 作用正则表达式旨在批量解决对应问题，使程序发挥其工作效率。给定一个正则表达式和另一个字符串，我们可以达到如下的目的：1. 给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）。2. 可以通过正则表达式，从字符串中获取我们想要的特定部分。正则应用图正则表达式 - 如何来的鼻祖美国新泽西州的Warren McCulloch和出生在美国底特律的Walter Pitts这两位神经生理方面的科学家，研究出了一种用数学方式来描述神经网络的新方法，他们创造性地将神经系统中的神经元描述成了小而简单的自动控制元，从而作出了一项伟大的工作革新。1951 年,一位名叫Stephen Kleene的数学科学家，他在Warren McCulloch和Walter Pitts早期工作的基础之上，发表了一篇题目是《神经网事件的表示法》的论文，利用称之为正则集合的数学符号来描述此模型，引入了正则表达式的概念。后来，人们发现可以将这一工作成果应用于其他方面。Ken Thompson就把这一成果应用于计算搜索算法的一些早期研究，Ken Thompson是 Unix的主要发明人，也就是大名鼎鼎的Unix之父。Unix之父将此符号系统引入编辑器QED，然后是Unix上的编辑器ed，并最终引入grep。从此，正则表达式被广泛应用开来。近年来，正则表达式逐渐从模糊而深奥的数学概念，发展成为在计算机各类工具和软件包应用中的主要功能。不仅仅众多UNIX工具支持正则表达式，近二十年来，在WINDOWS的阵营下，正则表达式的思想和应用在大部分 Windows 开发者工具包中得到支持和嵌入应用！从正则式在Microsoft Visual Basic 6 或 Microsoft VBScript到.NET Framework中的探索和发展，WINDOWS系列产品对正则表达式的支持发展到无与伦比的高度，几乎所有 Microsoft 开发者和所有.NET语言都可以使用正则表达式。如果你是一位接触计算机语言的工作者，那么你会在主流操作系统（*nix[Linux, Unix等]、Windows、HP、BeOS等）、主流的开发语言（delphi、Scala、PHP、C#、Java、C++、Objective-c、Swift、VB、Javascript、Ruby以及Python等）、数以亿万计的各种应用软件中，都可以看到正则表达式优美的舞姿。正则表达式 - 主要符号表正则表达式元字符图元字符（基础）描述\\ 将下一个字符标记符、或一个向后引用、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“\\”而“\\(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。^匹配输入字行首。如果设置了RegExp对象的Multiline属性，^也匹配“\\n”或“\\r”之后的位置。$匹配输入行尾。如果设置了RegExp对象的Multiline属性，$也匹配“\\n”或“\\r”之前的位置。*匹配前面的子表达式任意次。例如，zo*能匹配“z”，也能匹配“zo”以及“zoo”。*等价于o{0,}+匹配前面的子表达式一次或多次(大于等于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为一组，后三个o为一组。“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+”将尽可能多的匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少的匹配“o”，得到结果 ['o', 'o', 'o', 'o'].点匹配除“\\n”之外的任何单个字符。要匹配包括“\\n”在内的任何字符，请使用像“[\\s\\S]”的模式。(pattern)匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“\\(”或“\\)”。(?:pattern)非获取匹配，匹配pattern但不获取匹配结果，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时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。(?=pattern)非获取匹配，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，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)非获取匹配，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，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”。(?<=pattern)非获取匹配，反向肯定预查，与正向肯定预查类似，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”。(?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“(?此处用或任意一项都不能超过2位，如“(?x|y匹配x或y。例如，“z|food”能匹配“z”或“food”(此处请谨慎)。“[zf]ood”则匹配“zood”或“food”。[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”。\\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。\\d匹配一个数字字符。等价于[0-9]。grep 要加上-P，perl正则支持\\D匹配一个非数字字符。等价于[^0-9]。grep要加上-P，perl正则支持\\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。\\s匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \\f\\n\\r\\t\\v]。\\S匹配任何可见字符。等价于[^ \\f\\n\\r\\t\\v]。\\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。\\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。对所获取的匹配的引用。例如，“(.)\\1”匹配两个连续的相同字符。\\n标识一个八进制转义值或一个向后引用。如果\\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。\\nm标识一个八进制转义值或一个向后引用。如果\\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\\nm将匹配八进制转义值nm。\\nml如果n为八进制数字（0-7），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。\\\\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（©）。\\p{P}小写 p 是 property 的意思，表示 Unicode 属性，用于 Unicode 正表达式的前缀。中括号内的“P”表示Unicode 字符集七个字符属性之一：标点字符。其他六个属性：L：字母；M：标记符号（一般不会单独出现）；Z：分隔符（比如空格、换行等）；S：符号（比如数学符号、货币符号等）；N：数字（比如阿拉伯数字、罗马数字等）；C：其他字符。*注：此语法部分语言不支持，例：javascript。\\<\\>匹配词（word）的开始（\\）。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( 和 ) 之间的表达式定义为“组”（group），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。|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。正则表示式 - 封装实例标准xml文件格式示例：<urlset>http://www.0460.com/ <data><display>http://www.0460.com/view/(\\d+).html<xhtml>http://m.0460.com/view/${1}.html/<xhtml><html5>http://m.0460.com/view/${1}.html/<html5>标准txt文件格式示例：每行两列数据，第一列为PC url pattern，第二列为对应Wap url pattern，两列数据以tab键做分隔。示例如下：http://www.0460.com/web/(\\d+)/(\\d+)/ http://www.0460.com/web/${1}/${2}/http://www.0460.com/web/(\\w+).html http://m.0460.com/web/${1}.html正则表达式 - 应用实例1 . 校验密码强度密码的强度必须是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}$2. 校验中文字符串仅能是中文。^[\\\\\\u4e00-\\\\\\u9fa5]{0,}$3. 由数字、26个英文字母或下划线组成的字符串^\\\\w+$4. 校验E-Mail 地址同密码一样，下面是E-mail地址合规性的正则检查语句。[\\\\w!#$%&'*+/=?^_`{|}~-]+(?:\\\\.[\\\\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\\\\w](?:[\\\\w-]*[\\\\w])?\\\\.)+[\\\\w](?:[\\\\w-]*[\\\\w])?5. 校验身份证号码下面是身份证号码的正则校验。15 或 18位。15位：^[1-9]\\\\d{7}((0\\\\d)|(1[0-2]))(([0|1|2]\\\\d)|3[0-1])\\\\d{3}$18位：^[1-9]\\\\d{5}[1-9]\\\\d{3}((0\\\\d)|(1[0-2]))(([0|1|2]\\\\d)|3[0-1])\\\\d{3}([0-9]|X)$6. 校验日期“yyyy-mm-dd“ 格式的日期校验，已考虑平闰年。^(?:(?!0000)[0-9]{4}-(?:(?:0[1-9]|1[0-2])-(?:0[1-9]|1[0-9]|2[0-8])|(?:0[13-9]|1[0-2])-(?:29|30)|(?:0[13578]|1[02])-31)|(?:[0-9]{2}(?:0[48]|[2468][048]|[13579][26])|(?:0[48]|[2468][048]|[13579][26])00)-02-29)$7. 校验金额金额校验，精确到2位小数。^[0-9]+(.[0-9]{2})?$8. 校验手机号下面是国内 13、15、18开头的手机号正则表达式。（可根据目前国内收集号扩展前两位开头号码）^(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}$9. 判断IE的版本IE目前还没被完全取代，很多页面还是需要做版本兼容，下面是IE版本检查的表达式。^.*MSIE [5-8](?:\\\\.[0-9]+)?(?!.*Trident\\\\/[5-9]\\\\.0).*$10. 校验IP-v4地址IP4 正则语句。\\\\b(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\\\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\\\b11. 校验IP-v6地址IP6 正则语句。(([0-9a-fA-F]{1,4}:){7,7}[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,7}:|([0-9a-fA-F]{1,4}:){1,6}:[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,5}(:[0-9a-fA-F]{1,4}){1,2}|([0-9a-fA-F]{1,4}:){1,4}(:[0-9a-fA-F]{1,4}){1,3}|([0-9a-fA-F]{1,4}:){1,3}(:[0-9a-fA-F]{1,4}){1,4}|([0-9a-fA-F]{1,4}:){1,2}(:[0-9a-fA-F]{1,4}){1,5}|[0-9a-fA-F]{1,4}:((:[0-9a-fA-F]{1,4}){1,6})|:((:[0-9a-fA-F]{1,4}){1,7}|:)|fe80:(:[0-9a-fA-F]{0,4}){0,4}%[0-9a-zA-Z]{1,}|::(ffff(:0{1,4}){0,1}:){0,1}((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])|([0-9a-fA-F]{1,4}:){1,4}:((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9]))12. 检查URL的前缀应用开发中很多时候需要区分请求是HTTPS还是HTTP，通过下面的表达式可以取出一个url的前缀然后再逻辑判断。if (!s.match(/^[a-zA-Z]+:\\\\/\\\\//)){ s = 'http://' + s;}13. 提取URL链接下面的这个表达式可以筛选出一段文本中的URL。^(f|ht){1}(tp|tps):\\\\/\\\\/([\\\\w-]+\\\\.)+[\\\\w-]+(\\\\/[\\\\w- ./?%&=]*)?14. 文件路径及扩展名校验验证windows下文件路径和扩展名（下面的例子中为.txt文件）^([a-zA-Z]\\\\:|\\\\\\\\)\\\\\\\\([^\\\\\\\\]+\\\\\\\\)*[^\\\\/:*?"<>|]+\\\\.txt(l)?$15. 提取Color Hex Codes有时需要抽取网页中的颜色代码，可以使用下面的表达式^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$16. 提取网页图片假若你想提取网页中所有图片信息，可以利用下面的表达式。\\\\< *[img][^\\\\\\\\>]*[src] *= *[\\\\"\\\\']{0,1}([^\\\\"\\\\'\\\\ >]*)17. 提取页面超链接提取html中的超链接。(18. 查找CSS属性通过下面的表达式，可以搜索到相匹配的CSS属性。^\\\\s*[a-zA-Z\\\\-]+\\\\s*[:]{1}\\\\s[a-zA-Z0-9\\\\s.#]+[;]{1}19. 抽取注释如果你需要移除HMTL中的注释，可以使用如下的表达式。20. 匹配HTML标签通过下面的表达式可以匹配出HTML中的标签属性。\\\\s]+))?)+\\\\s*|\\\\s*)\\\\/?>正则表达式 - 在程序语言中的应用示例（C#版）using System;using System.Text.RegularExpressions;public class RegexTest {public static void RunTest() {int counter;Match m;CaptureCollection cc;GroupCollection gc;Regex r = new Regex("(Abc)+"); //查找"Abc"m = r.Match("XYZAbcAbcAbcXYZAbcAb"); //设定要查找的字符串gc = m.Groups;//输出查找组的数目Console.WriteLine("Captured groups = " + gc.Count.ToString()); // Loop through each group.for (int i=0; i < gc.Count; i++) //查找每一个组{cc = gc[i].Captures;counter = cc.Count;Console.WriteLine("Captures count = " + counter.ToString());for (int ii = 0; ii < counter; ii++) {// Print capture and position.Console.WriteLine(cc[ii] + " Starts at character " + cc[ii].Index); //输入捕获位置}}}public static void Main() {RunTest();}}此例返回下面的输出结果：Captured groups = 2Captures count = 1AbcAbcAbc Starts at character 3Captures count = 3Abc Starts at character 3Abc Starts at character 6Abc Starts at character 9附录：正则表达式 - 验证类应用合集正则基础图1.验证用户名和密码：（"^[a-zA-Z]\\w{5,15}$"）正确格式："[A-Z][a-z]_[0-9]"组成,并且第一个字必须为字母6~16位；2.验证电话号码：（"^(\\d{3,4}-)\\d{7,8}$"）正确格式：xxx/xxxx-xxxxxxx/xxxxxxxx；3.验证手机号码："^1[3|4|5|7|8][0-9]{9}$"；4.验证身份证号（15位）："\\d{14}[[0-9],0-9xX]"，（18位）："\\d{17}[[0-9],0-9xX]"；5.验证Email地址：("^\\w+([-+.]\\w+)*@\\w+([-.]\\w+)*\\.\\w+([-.]\\w+)*$")；6.只能输入由数字和26个英文字母组成的字符串：("^[A-Za-z0-9]+$")；7.整数或者小数：^[0-9]+([.][0-9]+){0,1}$8.只能输入数字："^[0-9]*$"。9.只能输入n位的数字："^\\d{n}$"。10.只能输入至少n位的数字："^\\d{n,}$"。11.只能输入m~n位的数字："^\\d{m,n}$"。12.只能输入零和非零开头的数字："^(0|[1-9][0-9]*)$"。13.只能输入有两位小数的正实数："^[0-9]+(\\.[0-9]{2})?$"。14.只能输入有1~3位小数的正实数："^[0-9]+(\\.[0-9]{1,3})?$"。15.只能输入非零的正整数："^\\+?[1-9][0-9]*$"。16.只能输入非零的负整数："^\\-[1-9][0-9]*$"。17.只能输入长度为3的字符："^.{3}$"。18.只能输入由26个英文字母组成的字符串："^[A-Za-z]+$"。19.只能输入由26个大写英文字母组成的字符串："^[A-Z]+$"。20.只能输入由26个小写英文字母组成的字符串："^[a-z]+$"。21.验证是否含有^%&',;=?$\\"等字符："[%&',;=?$\\\\^]+"。22.只能输入汉字："^[\\\\u4e00-\\\\u9fa5]{0,}$"。23.验证URL："^http://([\\w-]+\\.)+[\\w-]+(/[\\w-./?%&=]*)?$"。24.验证一年的12个月："^(0?[1-9]|1[0-2])$"正确格式为："01"～"09"和"10"～"12"。25.验证一个月的31天："^((0?[1-9])|((1|2)[0-9])|30|31)$"正确格式为；"01"～"09"、"10"～"29"和“30”~“31”。26.获取日期正则表达式：\\\\d{4}[年|\\-|\\.]\\d{\\1-\\12}[月|\\-|\\.]\\d{\\1-\\31}日?评注：可用来匹配大多数年月日信息。27.匹配双字节字符(包括汉字在内)：[^\\\\x00-\\\\xff]评注：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）28.匹配空白行的正则表达式：\\n\\s*\\r评注：可以用来删除空白行29.匹配HTML标记的正则表达式：]*>.*?>|评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力30.匹配首尾空白字符的正则表达式：^\\s*|\\s*$评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式31.匹配网址URL的正则表达式：[a-zA-z]+://[^\\s]*评注：网上流传的版本功能很有限，上面这个基本可以满足需求32.匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$评注：表单验证时很实用33.匹配腾讯QQ号：[1-9][0-9]{4,}评注：腾讯QQ号从10 000 开始34.匹配中国邮政编码：[1-9]\\\\d{5}(?!\\d)评注：中国邮政编码为6位数字35.匹配ip地址：([1-9]{1,3}\\.){3}[1-9]。评注：提取ip地址时有用36.匹配MAC地址：([A-Fa-f0-9]{2}\\:){5}[A-Fa-f0-9]即便某种语言强大如c哪天被淘汰了，正则表达式也不会被淘汰，收藏本篇，日后或用得着。以上是基本的正则参考资料，具体应用，还需结合您遇到的情况活学活用，如果您在实践中碰到正则方面的难题，可以在此留言，我将一一回复。如果您觉得有用，请点赞，您的转发与评论支持是我继续写下去的最大动力，感谢您，十年来，一路陪伴0460！