[TOC]
什么是正則表達式?
正則表達式是一組由字母和符號組成的特殊文本, 它可以用來從文本中找出滿足你想要的格式的句子.
一個正則表達式是在一個主體字符串中從左到右匹配字符串時的一種樣式.
"Regular expression"這個詞比較拗口, 我們常使用縮寫的術語"regex"或"regexp".
正則表達式可以從一個基礎字符串中根據一定的匹配模式替換文本中的字符串、驗證表單、提取字符串等等.
想象你正在寫一個應用, 然后你想設定一個用戶命名的規(guī)則, 讓用戶名包含字符,數字,下劃線和連字符,以及限制字符的個數,好讓名字看起來沒那么丑.
我們使用以下正則表達式來驗證一個用戶名:
[圖片上傳失敗...(image-7761fb-1532334994453)]
以上的正則表達式可以接受 john_doe, jo-hn_doe, john12_as.
但不匹配Jo, 因為它包含了大寫的字母而且太短了.
1. 基本匹配
正則表達式其實就是在執(zhí)行搜索時的格式, 它由一些字母和數字組合而成.
例如: 一個正則表達式 the, 它表示一個規(guī)則: 由字母t開始,接著是h,再接著是e.
<pre>
"the" => The fat cat sat on <a href="#learn-regex"><strong>the</strong></a> mat.
</pre>
正則表達式123匹配字符串123. 它逐個字符的與輸入的正則表達式做比較.
正則表達式是大小寫敏感的, 所以The不會匹配the.
<pre>
"The" => <a href="#learn-regex"><strong>The</strong></a> fat cat sat on the mat.
</pre>
2. 元字符
正則表達式主要依賴于元字符.
元字符不代表他們本身的字面意思, 他們都有特殊的含義. 一些元字符寫在方括號中的時候有一些特殊的意思. 以下是一些元字符的介紹:
| 元字符 | 描述 |
|---|---|
| . | 句號匹配任意單個字符除了換行符. |
| [ ] | 字符種類. 匹配方括號內的任意字符. |
| [^ ] | 否定的字符種類. 匹配除了方括號里的任意字符 |
| * | 匹配>=0個重復的在*號之前的字符. |
| + | 匹配>=1個重復的+號前的字符. |
| ? | 標記?之前的字符為可選. |
| {n,m} | 匹配num個大括號之前的字符 (n <= num <= m). |
| (xyz) | 字符集, 匹配與 xyz 完全相等的字符串. |
| | | 或運算符,匹配符號前或后的字符. |
| \ | 轉義字符,用于匹配一些保留的字符 <code>[ ] ( ) { } . * + ? ^ $ \ |</code> |
| ^ | 從開始行開始匹配. |
| $ | 從末端開始匹配. |
2.1 點運算符 .
.是元字符中最簡單的例子.
.匹配任意單個字符, 但不匹配換行符.
例如, 表達式.ar匹配一個任意字符后面跟著是a和r的字符串.
<pre>
".ar" => The <a href="#learn-regex"><strong>car</strong></a> <a href="#learn-regex"><strong>par</strong></a>ked in the <a href="#learn-regex"><strong>gar</strong></a>age.
</pre>
2.2 字符集
字符集也叫做字符類.
方括號用來指定一個字符集.
在方括號中使用連字符來指定字符集的范圍.
在方括號中的字符集不關心順序.
例如, 表達式[Tt]he 匹配 the 和 The.
<pre>
"[Tt]he" => <a href="#learn-regex"><strong>The</strong></a> car parked in <a href="#learn-regex"><strong>the</strong></a> garage.
</pre>
方括號的句號就表示句號.
表達式 ar[.] 匹配 ar.字符串
<pre>
"ar[.]" => A garage is a good place to park a c<a href="#learn-regex"><strong>ar.</strong></a>
</pre>
2.2.1 否定字符集
一般來說 ^ 表示一個字符串的開頭, 但它用在一個方括號的開頭的時候, 它表示這個字符集是否定的.
例如, 表達式[^c]ar 匹配一個后面跟著ar的除了c的任意字符.
<pre>
"[^c]ar" => The car <a href="#learn-regex"><strong>par</strong></a>ked in the <a href="#learn-regex"><strong>gar</strong></a>age.
</pre>
2.3 重復次數
后面跟著元字符 +, * or ? 的, 用來指定匹配子模式的次數.
這些元字符在不同的情況下有著不同的意思.
2.3.1 * 號
*號匹配 在*之前的字符出現大于等于0次.
例如, 表達式 a* 匹配以0或更多個a開頭的字符, 因為有0個這個條件, 其實也就匹配了所有的字符. 表達式[a-z]* 匹配一個行中所有以小寫字母開頭的字符串.
<pre>
"[a-z]*" => T<a href="#learn-regex"><strong>he</strong></a> <a href="#learn-regex"><strong>car</strong></a> <a href="#learn-regex"><strong>parked</strong></a> <a href="#learn-regex"><strong>in</strong></a> <a href="#learn-regex"><strong>the</strong></a> <a href="#learn-regex"><strong>garage</strong></a> #21.
</pre>
*字符和.字符搭配可以匹配所有的字符.*.
*和表示匹配空格的符號\s連起來用, 如表達式\s*cat\s*匹配0或更多個空格開頭和0或更多個空格結尾的cat字符串.
<pre>
"\scat\s" => The fat<a href="#learn-regex"><strong> cat </strong></a>sat on the <a href="#learn-regex">con<strong>cat</strong>enation</a>.
</pre>
2.3.2 + 號
+號匹配+號之前的字符出現 >=1 次.
例如表達式c.+t 匹配以首字母c開頭以t結尾,中間跟著任意個字符的字符串.
<pre>
"c.+t" => The fat <a href="#learn-regex"><strong>cat sat on the mat</strong></a>.
</pre>
2.3.3 ? 號
在正則表達式中元字符 ? 標記在符號前面的字符為可選, 即出現 0 或 1 次.
例如, 表達式 [T]?he 匹配字符串 he 和 The.
<pre>
"[T]he" => <a href="#learn-regex"><strong>The</strong></a> car is parked in the garage.
</pre>
<pre>
"[T]?he" => <a href="#learn-regex"><strong>The</strong></a> car is parked in t<a href="#learn-regex"><strong>he</strong></a> garage.
</pre>
2.4 {} 號
在正則表達式中 {} 是一個量詞, 常用來一個或一組字符可以重復出現的次數.
例如, 表達式 [0-9]{2,3} 匹配最少 2 位最多 3 位 0~9 的數字.
<pre>
"[0-9]{2,3}" => The number was 9.<a href="#learn-regex"><strong>999</strong></a>7 but we rounded it off to <a href="#learn-regex"><strong>10</strong></a>.0.
</pre>
我們可以省略第二個參數.
例如, [0-9]{2,} 匹配至少兩位 0~9 的數字.
如果逗號也省略掉則表示重復固定的次數.
例如, [0-9]{3} 匹配3位數字
<pre>
"[0-9]{2,}" => The number was 9.<a href="#learn-regex"><strong>9997</strong></a> but we rounded it off to <a href="#learn-regex"><strong>10</strong></a>.0.
</pre>
<pre>
"[0-9]{3}" => The number was 9.<a href="#learn-regex"><strong>999</strong></a>7 but we rounded it off to 10.0.
</pre>
2.5 (...) 特征標群
特征標群是一組寫在 (...) 中的子模式. 例如之前說的 {} 是用來表示前面一個字符出現指定次數. 但如果在 {} 前加入特征標群則表示整個標群內的字符重復 N 次. 例如, 表達式 (ab)* 匹配連續(xù)出現 0 或更多個 ab.
我們還可以在 () 中用或字符 | 表示或. 例如, (c|g|p)ar 匹配 car 或 gar 或 par.
<pre>
"(c|g|p)ar" => The <a href="#learn-regex"><strong>car</strong></a> is <a href="#learn-regex"><strong>par</strong></a>ked in the <a href="#learn-regex"><strong>gar</strong></a>age.
</pre>
2.6 | 或運算符
或運算符就表示或, 用作判斷條件.
例如 (T|t)he|car 匹配 (T|t)he 或 car.
<pre>
"(T|t)he|car" => <a href="#learn-regex"><strong>The</strong></a> <a href="#learn-regex"><strong>car</strong></a> is parked in <a href="#learn-regex"><strong>the</strong></a> garage.
</pre>
2.7 轉碼特殊字符
反斜線 \ 在表達式中用于轉碼緊跟其后的字符. 用于指定 { } [ ] / \ + * . $ ^ | ? 這些特殊字符. 如果想要匹配這些特殊字符則要在其前面加上反斜線 \.
例如 . 是用來匹配除換行符外的所有字符的. 如果想要匹配句子中的 . 則要寫成 \. 以下這個例子 \.?是選擇性匹配.
<pre>
"(f|c|m)at.?" => The <a href="#learn-regex"><strong>fat</strong></a> <a href="#learn-regex"><strong>cat</strong></a> sat on the <a href="#learn-regex"><strong>mat.</strong></a>
</pre>
2.8 錨點
在正則表達式中, 想要匹配指定開頭或結尾的字符串就要使用到錨點. ^ 指定開頭, $ 指定結尾.
2.8.1 ^ 號
^ 用來檢查匹配的字符串是否在所匹配字符串的開頭.
例如, 在 abc 中使用表達式 ^a 會得到結果 a. 但如果使用 ^b 將匹配不到任何結果. 因為在字符串 abc 中并不是以 b 開頭.
例如, ^(T|t)he 匹配以 The 或 the 開頭的字符串.
<pre>
"(T|t)he" => <a href="#learn-regex"><strong>The</strong></a> car is parked in <a href="#learn-regex"><strong>the</strong></a> garage.
</pre>
<pre>
"^(T|t)he" => <a href="#learn-regex"><strong>The</strong></a> car is parked in the garage.
</pre>
2.8.2 $ 號
同理于 ^ 號, $ 號用來匹配字符是否是最后一個.
例如, (at\.)$ 匹配以 at. 結尾的字符串.
<pre>
"(at.)" => The fat c<a href="#learn-regex"><strong>at.</strong></a> s<a href="#learn-regex"><strong>at.</strong></a> on the m<a href="#learn-regex"><strong>at.</strong></a>
</pre>
<pre>
"(at.)$" => The fat cat. sat. on the m<a href="#learn-regex"><strong>at.</strong></a>
</pre>
3. 簡寫字符集
正則表達式提供一些常用的字符集簡寫. 如下:
| 簡寫 | 描述 |
|---|---|
| . | 除換行符外的所有字符 |
| \w | 匹配所有字母數字, 等同于 [a-zA-Z0-9_]
|
| \W | 匹配所有非字母數字, 即符號, 等同于: [^\w]
|
| \d | 匹配數字: [0-9]
|
| \D | 匹配非數字: [^\d]
|
| \s | 匹配所有空格字符, 等同于: [\t\n\f\r\p{Z}]
|
| \S | 匹配所有非空格字符: [^\s]
|
| \f | 匹配一個換頁符 |
| \n | 匹配一個換行符 |
| \r | 匹配一個回車符 |
| \t | 匹配一個制表符 |
| \v | 匹配一個垂直制表符 |
| \p | 匹配 CR/LF (等同于 \r\n)，用來匹配 DOS 行終止符 |
4. 前后關聯約束(前后預查)
前置約束和后置約束都屬于非捕獲簇(用于匹配不在匹配列表中的格式).
前置約束用于判斷所匹配的格式是否在另一個確定的格式之后.
例如, 我們想要獲得所有跟在 $ 符號后的數字, 我們可以使用正向向后約束 (?<=\$)[0-9\.]*.
這個表達式匹配 $ 開頭, 之后跟著 0,1,2,3,4,5,6,7,8,9,. 這些字符可以出現大于等于 0 次.
前后關聯約束如下:
| 符號 | 描述 |
|---|---|
| ?= | 前置約束-存在 |
| ?! | 前置約束-排除 |
| ?<= | 后置約束-存在 |
| ?<! | 后置約束-排除 |
4.1 ?=... 前置約束(存在)
?=... 前置約束(存在), 表示第一部分表達式必須跟在 ?=...定義的表達式之后.
返回結果只滿足第一部分表達式.
定義一個前置約束(存在)要使用 (). 在括號內部使用一個問號和等號: (?=...).
前置約束的內容寫在括號中的等號后面.
例如, 表達式 (T|t)he(?=\sfat) 匹配 The 和 the, 在括號中我們又定義了前置約束(存在) (?=\sfat) ,即 The 和 the 后面緊跟著 (空格)fat.
<pre>
"(T|t)he(?=\sfat)" => <a href="#learn-regex"><strong>The</strong></a> fat cat sat on the mat.
</pre>
4.2 ?!... 前置約束-排除
前置約束-排除 ?! 用于篩選所有匹配結果, 篩選條件為 其后不跟隨著定義的格式
前置約束-排除 定義和 前置約束(存在) 一樣, 區(qū)別就是 = 替換成 ! 也就是 (?!...).
表達式 (T|t)he(?!\sfat) 匹配 The 和 the, 且其后不跟著 (空格)fat.
<pre>
"(T|t)he(?!\sfat)" => The fat cat sat on <a href="#learn-regex"><strong>the</strong></a> mat.
</pre>
4.3 ?<= ... 后置約束-存在
后置約束-存在 記作(?<=...) 用于篩選所有匹配結果, 篩選條件為 其前跟隨著定義的格式.
例如, 表達式 (?<=(T|t)he\s)(fat|mat) 匹配 fat 和 mat, 且其前跟著 The 或 the.
<pre>
"(?<=(T|t)he\s)(fat|mat)" => The <a href="#learn-regex"><strong>fat</strong></a> cat sat on the <a href="#learn-regex"><strong>mat</strong></a>.
</pre>
4.4 ?<!... 后置約束-排除
后置約束-排除 記作 (?<!...) 用于篩選所有匹配結果, 篩選條件為 其前不跟著定義的格式.
例如, 表達式 (?<!(T|t)he\s)(cat) 匹配 cat, 且其前不跟著 The 或 the.
<pre>
"(?<!(T|t)he\s)(cat)" => The cat sat on <a href="#learn-regex"><strong>cat</strong></a>.
</pre>
5. 標志
標志也叫修飾語, 因為它可以用來修改表達式的搜索結果.
這些標志可以任意的組合使用, 它也是整個正則表達式的一部分.
| 標志 | 描述 |
|---|---|
| i | 忽略大小寫. |
| g | 全局搜索. |
| m | 多行的: 錨點元字符 ^ $ 工作范圍在每行的起始. |
5.1 忽略大小寫 (Case Insensitive)
修飾語 i 用于忽略大小寫.
例如, 表達式 /The/gi 表示在全局搜索 The, 在后面的 i 將其條件修改為忽略大小寫, 則變成搜索 the 和 The, g 表示全局搜索.
<pre>
"The" => <a href="#learn-regex"><strong>The</strong></a> fat cat sat on the mat.
</pre>
<pre>
"/The/gi" => <a href="#learn-regex"><strong>The</strong></a> fat cat sat on <a href="#learn-regex"><strong>the</strong></a> mat.
</pre>
5.2 全局搜索 (Global search)
修飾符 g 常用語執(zhí)行一個全局搜索匹配, 即(不僅僅返回第一個匹配的, 而是返回全部).
例如, 表達式 /.(at)/g 表示搜索 任意字符(除了換行) + at, 并返回全部結果.
<pre>
"/.(at)/" => The <a href="#learn-regex"><strong>fat</strong></a> cat sat on the mat.
</pre>
<pre>
"/.(at)/g" => The <a href="#learn-regex"><strong>fat</strong></a> <a href="#learn-regex"><strong>cat</strong></a> <a href="#learn-regex"><strong>sat</strong></a> on the <a href="#learn-regex"><strong>mat</strong></a>.
</pre>
5.3 多行修飾符 (Multiline)
多行修飾符 m 常用語執(zhí)行一個多行匹配.
像之前介紹的 (^,$) 用于檢查格式是否是在待檢測字符串的開頭或結尾. 但我們如果想要它在每行的開頭和結尾生效, 我們需要用到多行修飾符 m.
例如, 表達式 /at(.)?$/gm 表示在待檢測字符串每行的末尾搜索 at后跟一個或多個 . 的字符串, 并返回全部結果.
<pre>
"/.at(.)?$/" => The fat
cat sat
on the <a href="#learn-regex"><strong>mat.</strong></a>
</pre>
<pre>
"/.at(.)?$/gm" => The <a href="#learn-regex"><strong>fat</strong></a>
cat <a href="#learn-regex"><strong>sat</strong></a>
on the <a href="#learn-regex"><strong>mat.</strong></a>
</pre>
最短匹配
懶惰限定符
| 代碼 | 說明 |
| ：-- | ：-- |
| *? | 重復任意次，但盡可能少重復 |
| ?? | 重復0次或1次，但盡可能少重復 |
| {n,m}? | 重復n到m次，但盡可能少重復 |
| {n,}? | 重復n次以上，但盡可能少重復 |
分組捕獲
捕獲組
捕獲組可以通過從左到右計算其開括號來編號 。例如，在表達式 (A)(B(C)) 中，存在四個這樣的組：
| 組號 | 捕獲組 |
| ：-- | :-- |
| 0 | (A)(B(C)) |
| 1 | (A) |
| 2 | (B(C)) |
| 3 | (C) |
組零 始終代表 整個表達式
之所以這樣命名捕獲組是因為在匹配中，保存了與這些組匹配的輸入序列的每個子序列。捕獲的子序列稍后可以通過 Back 引用（反向引用） 在表達式中使用，也可以在匹配操作完成后從匹配器檢索。
Back 引用 是說在后面的表達式中我們可以使用 組的編號 來引用前面的表達式所捕獲到的文本序列。注意：反向引用，引用的是前面捕獲組中的 文本 而不是正則，也就是說反向引用處匹配的文本應和前面捕獲組中的文本相同，這一點很重要。
【例】 (["']).*\1
例子中使用了分組，\1 就是對引號這個分組的引用，它匹配包含在兩個引號或者兩個單引號中的所有字符串，如，"abc" 或 " ' " 或 ' " ' ，但是請注意，它并不會對 " a' 或者 'a" 匹配。原因上面已經說明， Back引用只是引用文本而不是表達式
非捕獲組
它的作用就是匹配 Pattern 字符，好處就是不捕獲文本，不將匹配到的字符存儲到內存中，從而節(jié)省內存。
【例】匹配 indestry 或者 indestries
我們可以使用 indestr(y|ies) 或者 indestr(?:y|ies)
【例】 (?:a|A)123(?:b) 可以匹配 a123b 或者 A123b
非捕獲組有很多種形式，其中包括： 零寬度斷言 和 模式修正符
零寬度斷言
| 模式 | 說明 |
| ：-- | :-- |
| (?=X) | X,通過零寬度的正 lookahead |
| (?!X) | X,通過零寬度的負 lookahead |
| (?<=X) | X,通過零寬度的正 lookbehind |
| (?<!X) | X,通過零寬度的負 lookbehind |
這四個非捕獲組用于匹配表達式 X，但是不包含表達式的文本。
| 模式 | 說明 |
| ：--- | :-- |
| (?=X) | 零寬度正先行斷言。僅當子表達式 X 在 此位置的右側匹配時才繼續(xù)匹配。也就是說要使此零寬度斷言起到我們想要的效果的話，就必須把這個非捕獲組放在整個表達式的右側。例如，/w+(?=/d) 與后跟數字的單詞匹配，而不與該數字匹配。此構造不會回溯。 |
| (?!X) | 零寬度負先行斷言。僅當子表達式 X 不在 此位置的右側匹配時才繼續(xù)匹配。例如，例如，/w+(?!/d) 與后不跟數字的單詞匹配，而不與該數字匹配 。 |
| (?<=X) | 零寬度正后發(fā)斷言。僅當子表達式 X 在 此位置的左側匹配時才繼續(xù)匹配。例如，(?<=19)99 與跟在 19 后面的 99 的實例匹配。此構造不會回溯。 |
| (?<!X) | 零寬度負后發(fā)斷言。僅當子表達式 X 不在此位置的左側匹配時才繼續(xù)匹配。例如，(?<!19)99 與不跟在 19 后面的 99 的實例匹配 |
上面都是理論性的介紹，這里就使用一些例子來說明一下問題：
【例1】正則表達式 (?<!4)56(?=9)
含義：匹配后面的文本56前面不能是4，后面必須是9組成。因此，可以匹配如下文本 5569中的 56 ，與4569不匹配。
【例2】提取字符串 da12bka3434bdca4343bdca234bm 中包含在字符a和b之間的數字，但是這個a之前的字符不能是c；b后面的字符必須是d才能提取。
顯然，這里就只有3434這個數字滿足要求。那么我們怎么提取呢？
首先，我們寫出含有捕獲組的正則表達式： [^c]a\d*bd
然后我們再將其變?yōu)榉遣东@組的正則表達式： (?<=[^c]a)\d*(?=bd)
模式修正符
以(?)開頭的非捕獲組除了零寬度斷言之外，還有模式修正符。
正則表達式中常用的模式修正符有i、g、m、s、x、e等。它們之間可以組合搭配使用。
(?imnsx-imnsx: ) 應用或禁用子表達式中指定的選項。例如，(?i-s: ) 將打開不區(qū)分大小寫并禁用單行模式。關閉不區(qū)分大小寫的開關可以使用 (?-i) 。有關更多信息，請參閱正則表達式選項。
【例1】 (?i)ab
表示對 (?i) 后的所有字符都開啟不區(qū)分大小寫的開關。故它可以匹配ab、aB、Ab、AB
【例2】 (?i:a)b
它表示只對a開啟不區(qū)分大小寫的開關。故它可以匹配ab和Ab。不能匹配aB和AB。
(?>Pattern)等同于侵占模式
匹配成功不進行回溯，這個比較復雜，與侵占量詞“+”可以通用，比如：\d++ 可以寫為 (?>\d+)
【例】將一些多位的小數截短到三位小數：\d+\.\d\d[1-9]?\d+
在這種條件下 6.625 能進行匹配，這樣做沒有必要，因為它本身就是三位小數。最后一個“5”本來是給 [1-9] 匹配的，但是后面還有一個 \d+ 所以，[1-9] 由于是“?”可以不匹配所以只能放棄當前的匹配，將這個“5”送給 \d+ 去匹配，如果改為： \d+\.\d\d[1-9]?+\d+ 的侵占形式，在“5”匹配到 [1-9] 時，由于是侵占式的，所以不會進行回溯，后面的 \d+ 就匹配不到任東西了，所以導致 6.625 匹配失敗。
這種情況，在替換時就有效了，比如把數字截短到小數點后三位，如果正好是三位小數的，就可以不用替換了，可以提高效率，侵占量詞基本上就是用來提高匹配效率的。
把 \d+\.\d\d[1-9]?+\d+ 改為 \d+\.\d\d(?>[1-9]?)\d+ 這樣是一樣的。
