正则表达式学习笔记之具体实例

亦凉 2023-07-19 04:55 11阅读 0赞

## 1、英文句号 ##

英文句号 . 是元字符的最简单的例子。元字符 . 可以匹配任意单个字符。它不会匹配换行符和新行的字符。例如正则表达式 .ar，表示: 任意字符后面跟着一个字母 a， 再后面跟着一个字母 r。

例：The car parked in the garage.
    ".ar" => car par gar

## 2、字符集 ##

字符集也称为字符类。方括号被用于指定字符集。使用字符集内的连字符来指定字符范围。方括号内的字符范围的顺序并不重要。 例如正则表达式 \[Tt\]he，表示: 大写 T 或小写 t ，后跟字母 h，再后跟字母 e。

例：The car parked in the garage.
    "[Tt]he"=>The the

然而，字符集中的英文句号表示它字面的含义。正则表达式 ar\[.\]，表示小写字母 a，后面跟着一个字母 r，再后面跟着一个英文句号 . 字符。

例：A garage is a good place to park a car.
    "ar[.]" => ar.

### 2.1否定字符集 ###

否定字符集  
一般来说插入字符 ^ 表示一个字符串的开始，但是当它在方括号内出现时，它会取消字符集。例如正则表达式 `[^c]ar`，表示: 除了字母 c 以外的任意字符，后面跟着字符 a， 再后面跟着一个字母 r。

例：The car parked in the garage.
    "[^c]ar" => par gar

## 3、重复 ##

以下元字符 +，\* 或 ? 用于指定子模式可以出现多少次。这些元字符在不同情况下的作用不同。

### 3.1、星号 ###

该符号 \* 表示匹配上一个匹配规则的零次或多次。正则表达式 a\* 表示小写字母 a 可以重复零次或者多次。但是它如果出现在字符集或者字符类之后，它表示整个字符集的重复。 例如正则表达式 \[a-z\]\*，表示: 一行中可以包含任意数量的小写字母。

"[a-z]*" =>The car parked in the garage

该 \* 符号可以与元符号 . 用在一起，用来匹配任意字符串 .*。该 \* 符号可以与空格符 \\s 一起使用，用来匹配一串空格字符。 例如正则表达式 \\s*cat\\s\*，表示: 零个或多个空格，后面跟小写字母 c，再后面跟小写字母 a，再再后面跟小写字母 t，后面再跟零个或多个空格。

例：The fat cat sat on the cat.
    "\s*cat\s*" => cat cat

### 3.2、加号 ###

该符号 + 匹配上一个字符的一次或多次。例如正则表达式 c.+t，表示: 一个小写字母 c，后跟任意数量的字符，后跟小写字母 t。

例：The fat cat sat on the mat.
    "c.+t" => cat sat on the mat

### 3.3、问号 ###

在正则表达式中，元字符 ? 用来表示前一个字符是可选的。该符号匹配前一个字符的零次或一次。 例如正则表达式 \[T\]?he，表示: 可选的大写字母 T，后面跟小写字母 h，后跟小写字母 e。

例：The car is parked in the garage.
    "[T]he" => The
    "[T]?he" => The  he

## 4、花括号 ##

在正则表达式中花括号(也被称为量词 ?)用于指定字符或一组字符可以重复的次数。例如正则表达式 `[0-9]{2,3}`，表示: 匹配至少2位数字但不超过3位(0到9范围内的字符)。

例：The number was 9.9997 but we rounded it off to 10.0.
    "[0-9]{2,3}" => 999 10

我们可以省略第二个数字。例如正则表达式 \[0-9\]\{2,\}，表示: 匹配2个或更多个数字。如果我们也删除逗号，则正则表达式 \[0-9\]\{2\}，表示: 匹配正好为2位数的数字。

例：The number was 9.9997 but we rounded it off to 10.0.
    "[0-9]{2,}" => 9997 10
    "[0-9]{2}" => 10

## 5、字符组 ##

字符组是一组写在圆括号内的子模式 (…)。正如我们在正则表达式中讨论的那样，如果我们把一个量词放在一个字符之后，它会重复前一个字符。 但是，如果我们把量词放在一个字符组之后，它会重复整个字符组。 例如正则表达式 (ab)\* 表示匹配零个或多个的字符串 “ab”。我们还可以在字符组中使用元字符 |。例如正则表达式 (c|g|p)ar，表示: 小写字母 c、g 或 p 后面跟字母 a，后跟字母 r。

例：The car is parked in the garage.
    "(c|g|p)ar" => car par gar

## 6、分支结构 ##

在正则表达式中垂直条 | 用来定义分支结构，分支结构就像多个表达式之间的条件。现在你可能认为这个字符集和分支机构的工作方式一样。 但是字符集和分支结构巨大的区别是字符集只在字符级别上有作用，然而分支结构在表达式级别上依然可以使用。 例如正则表达式 (T|t)he|car，表示: 大写字母 T 或小写字母 t，后面跟小写字母 h，后跟小写字母 e 或小写字母 c，后跟小写字母 a，后跟小写字母 r。

例：The car is parked in the garage.
    "(T|t)he|car" => The car the

## 7、转义特殊字符 ##

正则表达式中使用反斜杠 \\ 来转义下一个字符。这将允许你使用保留字符来作为匹配字符 \{ \} \[ \] / \\ + \* . $ ^ | ?。在特殊字符前面加 \\，就可以使用它来做匹配字符。 例如正则表达式 . 是用来匹配除了换行符以外的任意字符。现在要在输入字符串中匹配 . 字符，正则表达式 (f|c|m)at.?，表示: 小写字母 f、c 或者 m 后跟小写字母 a，后跟小写字母 t，后跟可选的 . 字符。

例：The fat cat sat on the mat.
    "(f|c|m)at\.?" => fat cat mat.

## 8、定位符 ##

在正则表达式中，为了检查匹配符号是否是起始符号或结尾符号，我们使用定位符。 定位符有两种类型: 第一种类型是 ^ 检查匹配字符是否是起始字符，第二种类型是 $，它检查匹配字符是否是输入字符串的最后一个字符。

### 8.1 插入符号 ###

插入符号 ^ 符号用于检查匹配字符是否是输入字符串的第一个字符。如果我们使用正则表达式 ^a (如果a是起始符号)匹配字符串 abc，它会匹配到 a。 但是如果我们使用正则表达式 ^b，它是匹配不到任何东西的，因为在字符串 abc 中 “b” 不是起始字符。 让我们来看看另一个正则表达式 ^(T|t)he，这表示: 大写字母 T 或小写字母 t 是输入字符串的起始符号，后面跟着小写字母 h，后跟小写字母 e。

例：The car is parked in the garage.
    "(T|t)he" => The the
    "^(T|t)he" => The

### 8.2 美元符号 ###

美元 $ 符号用于检查匹配字符是否是输入字符串的最后一个字符。例如正则表达式 (at.)$，表示: 小写字母 a，后跟小写字母 t，后跟一个 . 字符，且这个匹配器必须是字符串的结尾。

"(at\.)" => at. at. at.
    "(at\.)$" => at.

## 9、简写字符集 ##

正则表达式为常用的字符集和常用的正则表达式提供了简写。简写字符集如下:

<table> 
 <thead> 
  <tr> 
   <th>简写</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>.</td> 
   <td>匹配除换行符以外的任意字符</td> 
  </tr> 
  <tr> 
   <td>\w</td> 
   <td>匹配所有字母和数字的字符: <code>[a-zA-Z0-9_]</code></td> 
  </tr> 
  <tr> 
   <td>\W</td> 
   <td>匹配非字母和数字的字符: <code>[^\w]</code></td> 
  </tr> 
  <tr> 
   <td>\d</td> 
   <td>匹配数字: <code>[0-9]</code></td> 
  </tr> 
  <tr> 
   <td>\D</td> 
   <td>匹配非数字: <code>[^\d]</code></td> 
  </tr> 
  <tr> 
   <td>\s</td> 
   <td>匹配空格符: [\t\n\f\r\p{Z}]</td> 
  </tr> 
  <tr> 
   <td>\S</td> 
   <td>匹配非空格符: <code>[^\s]</code></td> 
  </tr> 
 </tbody> 
</table>

## 10、断言 ##

后行断言和先行断言有时候被称为断言，它们是特殊类型的 非捕获组 (用于匹配模式，但不包括在匹配列表中)。当我们在一种特定模式之前或者之后有这种模式时，会优先使用断言。 例如我们想获取输入字符串 $4.44 and $10.88 中带有前缀 $ 的所有数字。我们可以使用这个正则表达式 (?<=$)\[0-9.\]\*，表示: 获取包含 . 字符且前缀为 $ 的所有数字。 以下是正则表达式中使用的断言:

<table> 
 <thead> 
  <tr> 
   <th>符号</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>?=</td> 
   <td>正向先行断言</td> 
  </tr> 
  <tr> 
   <td>?!</td> 
   <td>负向先行断言</td> 
  </tr> 
  <tr> 
   <td>?&lt;=</td> 
   <td>正向后行断言</td> 
  </tr> 
  <tr> 
   <td>?&lt;!</td> 
   <td>负向后行断言</td> 
  </tr> 
 </tbody> 
</table>

### 10.1、正向先行断言 ###

正向先行断言认为第一部分的表达式必须是先行断言表达式。返回的匹配结果仅包含与第一部分表达式匹配的文本。 要在一个括号内定义一个正向先行断言，在括号中问号和等号是这样使用的 (?=…)。先行断言表达式写在括号中的等号后面。 例如正则表达式 (T|t)he(?=\\sfat)，表示: 匹配大写字母 T 或小写字母 t，后面跟字母 h，后跟字母 e。 在括号中，我们定义了正向先行断言，它会引导正则表达式引擎匹配 The 或 the 后面跟着 fat。

例：The fat cat sat on the mat.
    "(T|t)he(?=\sfat)" =>  The

### 10.2、负向先行断言 ###

当我们需要从输入字符串中获取不匹配表达式的内容时，使用负向先行断言。负向先行断言的定义跟我们定义的正向先行断言一样， 唯一的区别是不是等号 =，我们使用否定符号 !，例如 (?!..)。 我们来看看下面的正则表达式 (T|t)he(?!\\sfat)，表示: 从输入字符串中获取全部 The 或者 the 且不匹配 fat 前面加上一个空格字符。

例：The fat cat sat on the mat.
    "(T|t)he(?!\sfat)" => the

### 10.3、正向后行断言 ###

正向后行断言是用于获取在特定模式之前的所有匹配内容。正向后行断言表示为 (?<=…)。例如正则表达式 (?<=(T|t)he\\s)(fat|mat)，表示: 从输入字符串中获取在单词 The 或 the 之后的所有 fat 和 mat 单词。

例：The fat cat sat on the mat.
    "(?<=(T|t)he\s)(fat|mat)" => fat mat

### 10.4、负向后行断言 ###

负向后行断言是用于获取不在特定模式之前的所有匹配的内容。负向后行断言表示为 (?<!..)。例如正则表达式 (?<!(T|t)he\\s)(cat)，表示: 在输入字符中获取所有不在 The 或 the 之后的所有单词 cat。

例：The cat sat on cat.
    "(?<!(T|t)he\s)(cat)" => cat

## 11、标记 ##

标记也称为修饰符，因为它会修改正则表达式的输出。这些标志可以以任意顺序或组合使用，并且是正则表达式的一部分。

<table> 
 <thead> 
  <tr> 
   <th>标记</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>i</td> 
   <td>不区分大小写: 将匹配设置为不区分大小写。</td> 
  </tr> 
  <tr> 
   <td>g</td> 
   <td>全局搜索: 搜索整个输入字符串中的所有匹配。</td> 
  </tr> 
  <tr> 
   <td>m</td> 
   <td>多行匹配: 会匹配输入字符串每一行。</td> 
  </tr> 
 </tbody> 
</table>

### 11.1、不区分大小写 ###

i 修饰符用于执行不区分大小写匹配。例如正则表达式 /The/gi，表示: 大写字母 T，后跟小写字母 h，后跟字母 e。 但是在正则匹配结束时 i 标记会告诉正则表达式引擎忽略这种情况。正如你所看到的，我们还使用了 g 标记，因为我们要在整个输入字符串中搜索匹配。

例：The fat cat sat on the mat.
    "The" => The
    "/The/gi" => The the

### 11.2、全局搜索 ###

g 修饰符用于执行全局匹配 (会查找所有匹配，不会在查找到第一个匹配时就停止)。 例如正则表达式 /.(at)/g，表示: 除换行符之外的任意字符，后跟小写字母 a，后跟小写字母 t。 因为我们在正则表达式的末尾使用了 g 标记，它会从整个输入字符串中找到每个匹配项。

例：The fat cat sat on the mat.
    ".(at)" => fat 
    "/.(at)/g" => fat cat sat mat

### 11.3、多行匹配 ###

m 修饰符被用来执行多行的匹配。正如我们前面讨论过的 (^,  ) ， 使 用 定 位 符 来 检 查 匹 配 字 符 是 输 入 字 符 串 开 始 或 者 结 束 。 但 是 我 们 希 望 每 一 行 都 使 用 定 位 符 ， 所 以 我 们 就 使 用 m 修 饰 符 。 例 如 正 则 表 达 式 / a t ( . ) ? )，使用定位符来检查匹配字符是输入字符串开始或者结束。但是我们希望每一行都使用定位符，所以我们就使用 m 修饰符。 例如正则表达式 /at(.)? )，使用定位符来检查匹配字符是输入字符串开始或者结束。但是我们希望每一行都使用定位符，所以我们就使用m修饰符。例如正则表达式/at(.)?/gm，表示: 小写字母 a，后跟小写字母 t，匹配除了换行符以外任意字符零次或一次。而且因为 m 标记，现在正则表达式引擎匹配字符串中每一行的末尾。

例：   The fat
           cat sat
           on the mat.
    "/.at(.)?$/" => mat
    "/.at(.)?$/gm" =>  fat
                       sat
                       mat.

# 常用正则表达式 #

*  正整数: `^\d+$`
 *  负整数: `^-\d+$`
 *  电话号码: `^+?[\d\s]{3,}$`
 *  电话代码`:^+?[\d\s]+(?[\d\s]{10,}$`
 *  整数: `^-?\d+$`
 *  用户名: `^[\w\d_.]{4,16}$`
 *  字母数字字符: `^[a-zA-Z0-9]*$`
 *  带空格的字母数字字符: `^[a-zA-Z0-9 ]*$`
 *  密码:`^(?=^.{6,}$)((?=.*[A-Za-z0-9])(?=.*[A-Z])(?=.*[a-z]))^.*$`
 *  电子邮件:`^([a-zA-Z0-9._%-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,4})*$ IPv4`
 *  地址:`^((?:(?: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]?))*$`
 *  小写字母: `^([a-z])*$`
 *  大写字母: `^([A-Z])*$`
 *  网址: `^(((http|https|ftp):\/\/)?([[a-zA-Z0-9]\-\.])+(\.)([[a-zA-Z0-9]]){2,4}([[a-zA-Z0-9]\/+=%&_\.~?\-]*))*$ VISA`
 *  信用卡号码: `^(4[0-9]{12}(?:[0-9]{3})?)*$`
 *  日期 (MM/DD/YYYY): `^(0?[1-9]|1[012])[- /.](0?[1-9]|[12][0-9]|3[01])[- /.](19|20)?[0-9]{2}$`
 *  日期 (YYYY/MM/DD): `^(19|20)?[0-9]{2}[- /.](0?[1-9]|1[012])[- /.](0?[1-9]|[12][0-9]|3[01])$`
 *  万事达信用卡号码:`^(5[1-5][0-9]{14})*$`