一篇文章入门正则表达式
适合阅读本编博客的读者:正则表达式的初学者、想要入门正则表达式的程序员们
正则表达式描述了一种字符串匹配的模式,可以用来检测字符串是否匹配某种规则。大多数编程语言都集成了正则表达式,虽然流派的不同使得在各个语言中正则表达式的语法略有差异,但使用正则表达式的基本思路、以及正则表达式的常用语法是互通的。
在日常编程以及维护中,正则表达式的使用还是很广泛的,例如在JavaScript中我们对表单内容做校验、使用Nginx做反向代理时对url做匹配亦或是在Linux系统使用grep命令查找文本内容以及文本替换等,例子太多了。
初次接触正则表达式时,其实一开始我是拒绝的,他们长成这个样子→^[a-zA-Z]\w{5,17}$,或者这个样子→(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)。一团糟...毫无逻辑可言...仿佛天书一般...什么鬼...oh 法克……但是你要知道,在你还没有学过英文的时候,看这个也是一团糟→How are you。在你还没有学过java的时候,看这个也是一团糟→System.out.println("Hello World");,所以正则表达式也没什么,看不懂只能说明你还没有掌握它而已。
本篇博客将带你入门正则表达式,能看懂并且能编写正则表达式,进入正题吧!
首先,先来介绍一下关键字,一个正则表达式是由普通字符和元字符组成,这里我称元字符为“关键字”。下面我将介绍这些关键字:
^ | 开头 |
$ | 结尾 |
[] | 字符组 |
[-] | 连接符 |
* | 匹配0次或多次 |
+ | 匹配一次或多次 |
. | 任意字符 |
| | 或 |
() | 定界 |
? | 匹配0次或一次 |
\n | 反向引用 |
{m,n},{n,},{n} | 区间量词 |
[^] | 字符组排除 |
\ | 转义 |
\d | 数字 |
\s | 空白字符 |
\S | 非空白字符 |
\w | 匹配字母数字下划线 |
\W | 匹配非字母数字下划线 |
\b | 匹配单词边界 |
\B | 匹配非单词边界 |
掌握了这些关键字,你就能看懂并且能编写自己的正则表达式了,不着急我们一个一个来。
- ^ 匹配文本的开头。它不匹配某一个字符,只匹配一个位置,举个栗子:^a 匹配以a开头的文本,如:ab、abc等,而^ab匹配以a开头,下一字符是b的文本,如:ab、abck。注:正则表达式要以字符为单位去理解,所以^ab要理解成以a字符开头,下个字符是b。而不要理解成以ab开头,这是错误的。
- $ 匹配文本的结尾。如abc$,和上一个同理,匹配以c字符结尾,倒数第二个字符是b,倒数第三个字符是a的文本,如aabc、asabc。
- [] 字符组,匹配其中的任意一个字符。举个栗子,^a[abc]a$匹配以字符a开头,下一个字符为a或b或c,下一个字符为a且该字符为结尾字符的文本,如aba、aaa、aca。
- [-] 连接符,匹配一个范围。举个栗子,[a-z]匹配a、b、c......x、y、z中的任何一个字符,[a-zA-Z]匹配a、b、c......x、y、z、A、B......Y、Z中的任何一个字符,[0-9]匹配0、1、2......9中的任意一个字符。注意:- 只有出现在字符组[]中,且不是首个元素才代表连接符,如[-12],匹配-、1、2中的任意一个字符在这里-只是一个普通字符。举个全面一点的栗子a-b[-a-z0-9],匹配字符a,下一个字符是-,下一个字符是b,下一个字符是-、a、b、c......y、z、0、1、2......9中的任意一个字符的文本。
- * 匹配前一个表达式的0次或多次,举几个栗子,ab*c匹配字符a,下一个字符是n个b(n可能是任何自然数),下一个字符是c的文本,如ac、abc、abbc、abbbc。a[abc]*c匹配字符a,之后的n个字符是a、b、c中的任意字符(n可能是任何自然数),下一个字符是c,如ac、abc、abac、abbacac。复杂一点的,(a[abc]*c)*,()中的表达式出现n次,如acabcabacabbacac。
- + 匹配一次或多次。和*原理一样,只不过*可以匹配0次,而+至少匹配一次。
- ? 匹配0次或1次。和*和+原理一样。
- . 匹配任意字符,如a.b,匹配字符a,下一个字符是任意一个字符,下一个字符是b的文本,如ahb,a&b。注意:如果.出现在[]中则不代表任意字符,而只代表普通字符.,只有当.出现在[]之外时才代表任意字符。
- | 或,匹配|左边的表达式或右边的表达式。举例:grep|grap 匹配grep或grap。注意|作用范围不是左右两个字符,而是左右整个表达式,()可以改变其作用范围。如gr(e|a)p也匹配grep或grap。
- () 就是括号啦,不多解释。
- \n (n是自然数)反向引用,匹配前面第n个()所匹配的文本,例如:([a-z]+) \1,可以匹配重复的单词,如you you、ha ha。这个\1匹配([a-z]+)已经匹配到的文本。
- {m,n},{n,},{n}区间量词,和*+?原理相同,{m,n}匹配m次到n次,{n}匹配n次,{n,}至少匹配n次,例如:[a-zA-Z]{1,5}匹配1到5个大小写字母字符组成的文本,如a、aAa。
- [^] 字符组排除,不匹配任何[]中的字符,如[^0-9]匹配任何一个不是数字的字符。注意:^必须出现在字符组[]中,且必须出现在字符组开头位子才代表字符组排除,[0-9^]中的^不代表排除,只代表一个普通字符,匹配0到9或者^任意一个字符。
- \d 匹配数字,等价于[0-9]。
- \D 匹配非数字,等价于[^0-9]。
- \ 转义字符,\.匹配字符.,\*匹配字符*。
- \s 匹配任何一个空白字符,如空格、制表符、回车等。
- \S 匹配任何一个非空白字符。
- \w 匹配字母数字下划线。等价于[A-Za-z0-9_]。
- \W 匹配非字母数字下划线。等价于 [^A-Za-z0-9_]。
- \b 匹配单词边界。例 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。原理同上。
好了,终于介绍完了,理解了上边介绍的22个关键字,你就已经算是入门了。
下面实践一下,分析几个正则表达式试试,就用开头提到的两个表达式为例好了:
1、 ^[a-zA-Z]\w{5,17}$
首字符是一个字母,可以大写或小写,后边有5到17个字母数字或下划线。(\w等同于[A-Za-z0-9_]),这是一个校验6-18位密码是否合法的表达式。
2、 (^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)
该表达式由多个‘或’构成,所以先拆开来看,该表达式等价于^\d{15}$或^\d{18}$或^\d{17}(\d|X|x)$,也就是说匹配15位整数构成的文本,或者18为整数构成的文本,或者17位整数加一个整数或加一个x或加一个X构成的文本。说白了该表达式就是匹配身份证号啦。
接下来使用一下,试试手感:
1、 先写一个校验qq号的表达式吧:
首先我们要知道qq号是由10000开始的5到11位整数构成的,首个字符不能为0,所以匹配首字符的表达式这样写:^[1-9]后边的4到10位就是任意自然数了,所以完善一下:^[1-9]\d{4,10},搞定!
2、再写一个匹配日期的表达式吧,假设我们要匹配yyyy-mm-dd这样格式的日期字符串:
先来匹配年,理论上年份可以是任意四个数字组成的数,这里我们规定一下,匹配2000年到2999年之间的日期,所以年份的表达式这样写:^2\d{3}。然后是一个连接符号-,之后是月份,月份为1到12,所以第一位可能是0或1,下一位下一位可能是0-9任何一个数字,完善一下:^2\d{3}-[01]\d。接下来是一个连接符-,后边跟日期,日期为1到31,所以第一位可能是0、1、2、3,下一位可能是0-9任何一个数字,完善一下:^2\d{3}-[01]\d-[0123]\d。搞定!(注意:\d等价于[0-9])
理解了上面这些,你就已经入门了,接下来就是你的发挥空间了!
注意:由于流派的不同,所以各个语言对正则表达式的支持略有差异,但大体上是不变的,具体差异请在使用时查阅相关文档。
下面举一些常用的例子:
一、校验数字的表达式
- 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)$
二、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|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]).{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})?$
- 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))
上一篇: 作业6-改进的链表及链表应用