码迷,mamicode.com
首页 > 其他好文 > 详细

浅谈正则表达式

时间:2020-01-22 18:40:04      阅读:89      评论:0      收藏:0      [点我收藏+]

标签:代码   上下文   控制字符   font   strong   color   多行   条目   精确   

转自0And1Story正则表达式详解

1. 什么是正则表达式?

正则表达式(英语:Regular Expression,在代码中常简写为regexregexpRE),又称正规表示式正规表示法正规表达式规则表达式常规表示法,是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里,正则表达式通常被用来检索、替换那些匹配某个模式的文本。

以上部分引用自维基百科条目: 正则表达式

通俗来说:正则表达式就是用来在一个字符串中查找符合条件的子串,并且对字串进行如替换等操作的


 

2. 正则表达式语法:

基本语法

一个正则表达式通常被称为一个模式(pattern),为用来描述或者匹配一系列匹配某个句法规则的字符串。例如:Handel、Händel和Haendel这三个字符串,都可以由H(a|ä|ae)ndel这个模式来描述。大部分正则表达式的形式都有如下的结构:

选择
  • 竖线|代表选择(即或集),具有最低优先级。例如gray|grey可以匹配grey或gray。
数量限定

某个字符后的数量限定符用来限定前面这个字符允许出现的个数。最常见的数量限定符包括+?*(不加数量限定则代表出现一次且仅出现一次):

  • 加号+代表前面的字符必须至少出现一次。(1次或多次)。例如,goo+gle可以匹配google、gooogle、goooogle等;
  • 问号?代表前面的字符最多只可以出现一次。(0次或1次)。例如,colou?r可以匹配color或者colour;
  • 星号*代表前面的字符可以不出现,也可以出现一次或者多次。(0次、1次或多次)。例如,0*42可以匹配42、042、0042、00042等。
匹配
  • 圆括号()可以用来定义操作符的范围和优先度。例如,gr(a|e)y等价于gray|grey(grand)?father匹配father和grandfather。

上述这些构造子都可以自由组合,因此H(ae?|ä)ndelH(a|ae|ä)ndel是相同的。

精确的语法可能因不同的工具或程序而异。


 

PCRE表达式

正则表达式有多种不同的风格,下表是在PCRE中元字符及其在正则表达式上下文中的行为的一个完整列表:

字符描述
\ 将下一个字符标记为一个特殊字符、或一个原义字符(有"^$()*+?.[\{|"共计12个)、或一个向后引用、或一个八进制转义符。例如,"n"匹配字符"n"。"\n"匹配一个换行符。序列"\\"匹配"\"而"\("则匹配"("。(即转义的作用)
^         
匹配输入字符串的开始位置。如果设置了正则表达式的多行属性(Multiline)^也匹配"\n"或"\r"之后的位置。
$ 匹配输入字符串的结束位置。如果设置了正则表达式的多行属性(Multiline)$也匹配"\n"或"\r"之前的位置。
* 匹配前面的子表达式零次或多次。例如,zo*能匹配"z"、"zo"以及"zoo"(任意个o,包括零次)。*等价于{0,}
+ 匹配前面的子表达式一次或多次。例如,"zo+"能匹配"zo"以及"zoo",但不能匹配"z"(任意个o,不包括零次)。+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"。?等价于{0,1}
{n} n是一个非负整数。匹配确定的n。例如,"o{2}"不能匹配"Bob"中的"o",但是能匹配"food"中的两个o(即no可以被匹配)。
{n,} n是一个非负整数。至少匹配n。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} mn均为非负整数,其中n<=m最少匹配n次且最多匹配m。例如,"o{1,3}"将匹配"fooooood"中的前三个o(默认为贪心量化,即尽可能多的匹配)。"o{0,1}"等价于"o?"。请注意在逗号和两个数之间不能有空格
? 非贪心量化:当该字符紧跟在任何一个其他重复修饰符(*,+,?{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"。
. 匹配除"\r""\n"之外的任何单个字符。要匹配包括"\r""\n"在内的任何字符,请使用像"(.|\r|\n)"的模式。
(pattern) 匹配pattern并获取这一匹配的子字符串。该子字符串用于向后引用。所获取的匹配可以从产生的Matches集合得到。要匹配圆括号字符,请使用"\("或"\)"。可带数量后缀(即{n,m})。
(?:pattern) 匹配pattern但不获取匹配的子字符串,也就是说这是一个非获取匹配,不存储匹配的子字符串用于向后引用。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"。
(?<!pattern) 反向否定预查,与正向否定预查类似,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"。
x|y 没有包围在()里,其范围是整个正则表达式。例如,"z|food"能匹配"z"或"food"。"(?:z|f)ood"则匹配"zood"或"food"。(其实相当于或运算)
[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"。特殊字符仅有反斜线\保持特殊含义,用于转义字符。其它特殊字符如星号、加号、各种括号等均作为普通字符脱字符^如果出现在首位则表示负值字符集合如果出现在字符串中间就仅作为普通字符连字符 - 如果出现在字符串中间表示字符范围描述如果如果出现在首位(或末尾)则仅作为普通字符右方括号应转义出现,也可以作为首位字符出现
[^xyz] 排除型字符集合匹配未列出的任意字符。例如,"[^abc]"可以匹配"plain"中的"plain"。
[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。
[^a-z] 排除型的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。
[:name:] 增加命名字符类中的字符到表达式。只能用于方括号表达式
[=elt=] 增加当前locale下排序等价于字符"elt"的元素。例如,[=a=]可能会增加ä、á、à、?、?、?、?、?、â、?、?、?、?、ǎ、å、?、ä、?、ã、?、?、?、ā、?、?、?、?、?、?、?、?、?、?、ɑ 。只能用于方括号表达式
[.elt.] 增加排序元素elt到表达式中。这是因为某些排序元素由多个字符组成。例如,29个字母表的西班牙语, "CH"作为单个字母排在字母C之后,因此会产生如此排序"cinco, credo, chispa"。只能用于方括号表达式
\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。"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。x的值必须为A-Za-z之一。否则,将c视为一个原义的"c"字符。控制字符的值等于x的值最低5比特(即对3210进制的余数)。例如,\cM匹配一个Control-M或回车符。\ca等效于\u0001, \cb等效于\u0002, 等等...
\d 匹配一个数字字符。等价于[0-9]。注意Unicode正则表达式会匹配全角数字字符。
\D 匹配一个非数字字符。等价于[^0-9]
\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 匹配任何空白字符,包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。注意Unicode正则表达式会匹配全角空格符。
\S 匹配任何非空白字符。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(即字母、数字、下划线)。等价于"[A-Za-z0-9_]"。注意Unicode正则表达式会匹配中文字符。
\W 匹配任何非单词字符。等价于"[^A-Za-z0-9_]"。
\xnn 十六进制转义字符序列。匹配两个十六进制数字nn表示的字符。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 向后引用一个子字符串,该子字符串与正则表达式的第num个用括号围起来的捕捉群子表达式匹配。其中num是从1开始的十进制正整数,其上限可能是9、31、99甚至无限。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 3位八进制数字,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nm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(0-3),且m和l均为八进制数字(0-7),则匹配八进制转义值nml。
\un Unicode转义字符序列。其中n是一个用四个十六进制数字表示的Unicode字符。例如,\u00A9匹配著作权符号(©)。

 

常用正则

字符描述
\ 将下一个字符标记为一个特殊字符、或一个原义字符(有"^$()*+?.[\{|"共计12个)、或一个向后引用、或一个八进制转义符。例如,"n"匹配字符"n"。"\n"匹配一个换行符。序列"\\"匹配"\"而"\("则匹配"("(即转义的作用)。若要查看完整转移字符表,请移步:PCRE表达式
^ 匹配输入字符串的开始位置。如果设置了正则表达式的多行属性(Multiline)^也匹配"\n"或"\r"之后的位置。
$ 匹配输入字符串的结束位置。如果设置了正则表达式的多行属性(Multiline)$也匹配"\n"或"\r"之前的位置。
* 匹配前面的子表达式零次或多次。例如,zo*能匹配"z"、"zo"以及"zoo"(任意个o,包括零次)。*等价于{0,}
+ 匹配前面的子表达式一次或多次。例如,"zo+"能匹配"zo"以及"zoo",但不能匹配"z"(任意个o,不包括零次)。+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"。?等价于{0,1}
{n,m} mn均为非负整数,其中n<=m最少匹配n次且最多匹配m次。其中,{n}表示匹配一个字符n次,{n,}表示匹配一个字符最少n次,例如,"o{1,3}"将匹配"fooooood"中的前三个o(默认为贪心量化,即尽可能多的匹配)。"o{0,1}"等价于"o?"。请注意在逗号和两个数之间不能有空格
? 非贪心量化:当该字符紧跟在任何一个其他重复修饰符(*,+,?{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"。
. 匹配除"\r""\n"之外的任何单个字符。要匹配包括"\r""\n"在内的任何字符,请使用像"(.|\r|\n)"的模式。
(pattern) 匹配pattern并获取这一匹配的子字符串。该子字符串用于向后引用。所获取的匹配可以从产生的Matches集合得到。要匹配圆括号字符,请使用"("或")"。可带数量后缀(即{n,m})。
x|y 没有包围在()里,其范围是整个正则表达式。例如,"z|food"能匹配"z"或"food"。"(?:z|f)ood"则匹配"zood"或"food"。(其实相当于或运算)
[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"。特殊字符仅有反斜线\保持特殊含义,用于转义字符。其它特殊字符如星号、加号、各种括号等均作为普通字符脱字符^如果出现在首位则表示负值字符集合如果出现在字符串中间就仅作为普通字符连字符 - 如果出现在字符串中间表示字符范围描述如果如果出现在首位(或末尾)则仅作为普通字符右方括号应转义出现,也可以作为首位字符出现
[^xyz] 排除型字符集合匹配未列出的任意字符。例如,"[^abc]"可以匹配"plain"中的"plain"。
[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。
[^a-z] 排除型的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。
[:name:] 增加命名字符类(即POSIX字符组)中的字符到表达式。只能用于方括号表达式。若要查看完整命名字符类,请移步:POSIX字符组

示例

  1. 若要匹配一个中国大陆的11位手机号,可使用正则表达式"^\d{11}$"或"^[0-9]{11}$"进行匹配(即检查字符串适配是由11个数字组成);
  2. 若要匹配一个中国大陆的身份证号,可使用正则表达式"^\d{17}(\d|X)$"或"^[0-9]{17}[0-9X]"进行匹配(即检查字符串是否由17位数字本体和1位校验码组

附:

最实用的正则表达式整理

浅谈正则表达式

标签:代码   上下文   控制字符   font   strong   color   多行   条目   精确   

原文地址:https://www.cnblogs.com/luoyoooo/p/12229027.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!