正则表达式快速入门
冰洋 1/24/2019 正则表达式
正则表达式:在编写处理字符串的程序或者网页时,经常会有查找符合某些复杂规则的字符串的需求。正则表达时就是描述这些规则的工具。正则表达式就是 记录文本规则的代码。 参考地址 (opens new window) 一些术语:
通配符
元字符
语法格式
# 元字符
# 常用的元字符
.
\w
\s
\
# 字符转义
\
# 重复
*
重复0次或者更多次+
重复一次或者更多次?
重复0次或者1次{n}
重复n次{n,}
重复n次或者多次{n,m}
重复n次到m次
# 字符类
[aeiou]
[.?!]
[0-9]
和\d
完全一直[a-z0-9A-Z]
和\w
完全一致
# 分枝
|
:
# 分组
(\d{1,3}\.){3}\d{1,3}
ip地址的简单校验
# 反义 查找不属于某个能简单定义的字符类型的字符。
\W
匹配任意非数字、字母、下划线、汉字的字符\S
匹配任意非数字的字符\D
匹配任意非数字\B
匹配不是单词开头或者结尾的位置[^x]
匹配除了x以外的任意字符[^aeiou】
匹配非元音字母\S+
匹配不包含空白符的字符串<a[^>]+>
匹配用尖括号括起来的以a开头的字符串
# 后向引用
使用小括号的时候,可以加组名,默认从左往右,以分组的左括号为标志,第一个出现的分组的组号为1,第二个组号为2,以此类推。
\b(\w+)\b\s+\1\b
可以用来匹配重复的单词,像go go
, 或者kitty kitty
。- 可以自己定义组名:
- 指定一个表达式的组名,请使用这样的语法:
(?<Word>\w+)
(或者把尖括号换成'也行:(?'Word'\w+)
),这样就把\w+
的组名指定为Word
了。 - 反向引用组名:
\k<Word>
- 所以上面的例子也可以用
\b(?'Word'\w+)\b\s+\k<Word>\b
- 指定一个表达式的组名,请使用这样的语法:
分类 | 代码/语法 | 说明 |
---|---|---|
捕获 | (exp) | 匹配exp,并捕获文本到自动命名的组里 |
(?<name>exp) | 匹配exp,并捕获文本到名称为name的组里,也可以写成(?'name'exp) | |
(?:exp) | 匹配exp,不捕获匹配的文本,也不给此分组分配组号 | |
零宽断言 | (?=exp) | 匹配exp前面的位置 |
(?<=exp) | 匹配exp后面的位置 | |
(?!exp) | 匹配后面跟的不是exp的位置 | |
(?<!exp) | 匹配前面不是exp的位置 | |
注释 | (?#comment) | 这种类型的分组不对正则表达式的处理产生任何影响,用于提供注释让人阅读 |
# 零宽断言
# 负向零宽断言
零宽度负预测先行断言(?!exp)
# 注释
小括号的另一种用途是通过语法(?#comment)来包含注释。例如:2[0-4]\d(?#200-249)|250-5|[01]?\d\d?(?#0-199)。
要包含注释的话,最好是启用“忽略模式里的空白符”选项,这样在编写表达式时能任意的添加空格,Tab,换行,而实际使用时这些都将被忽略。启用这个选项后,在#后面到这一行结束的所有文本都将被当成注释忽略掉。例如,我们可以前面的一个表达式写成这样:
(?<= # 断言要匹配的文本的前缀
<(\w+)> # 查找尖括号括起来的字母或数字(即HTML/XML标签)
) # 前缀结束
.* # 匹配任意文本
(?= # 断言要匹配的文本的后缀
<\/\1> # 查找尖括号括起来的内容:前面是一个"/",后面是先前捕获的标签
) # 后缀结束
1
2
3
4
5
6
7
2
3
4
5
6
7
# 贪婪和懒惰
贪婪匹配:当正则表达式中包含能接受重复的限定符时,通常的行为是(在使整个表达式能得到匹配的前提下)匹配尽可能多的字符。
a.*b
,它将会匹配最长的以a开始,以b结束的字符串。如果用它来搜索aabab的话,它会匹配整个字符串aabab。这被称为贪婪匹配。
惰性匹配:我们更需要懒惰匹配,也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式,只要在它后面加上一个问号?。
a.*?b
匹配最短的,以a开始,以b结束的字符串。
懒惰限定符
代码/语法 说明 *?
重复任意次,但尽可能少重复 +?
重复1次或者多次,但尽可能少重复 ??
重复0次或者1次,但尽可能少重复 {n,m}?
重复n次到m次,但尽可能少重复 {n,}?
重复n次以上,但尽可能少重复
# 处理选项
IgnoreCase(忽略大小写) 匹配时不区分大小写。
Multiline(多行模式) 更改^和$的含义,使它们分别在任意一行的行首和行尾匹配,而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置.)
Singleline(单行模式) 更改.的含义,使它与每一个字符匹配(包括换行符\n)。
IgnorePatternWhitespace(忽略空白) 忽略表达式中的非转义空白并启用由#标记的注释。
ExplicitCapture(显式捕获) 仅捕获已被显式命名的组。
1
2
3
4
5
2
3
4
5
# 平衡组/递归匹配
emmm....
# 其他
\a 报警字符(打印它的效果是电脑嘀一声)
\b 通常是单词分界位置,但如果在字符类里使用代表退格
\t 制表符,Tab
\r 回车
\v 竖向制表符
\f 换页符
\n 换行符
\e Escape
\0nn ASCII代码中八进制代码为nn的字符
\xnn ASCII代码中十六进制代码为nn的字符
\unnnn Unicode代码中十六进制代码为nnnn的字符
\cN ASCII控制字符。比如\cC代表Ctrl+C
\A 字符串开头(类似^,但不受处理多行选项的影响)
\Z 字符串结尾或行尾(不受处理多行选项的影响)
\z 字符串结尾(类似$,但不受处理多行选项的影响)
\G 当前搜索的开头
\p{name} Unicode中命名为name的字符类,例如\p{IsGreek}
(?>exp) 贪婪子表达式
(?<x>-<y>exp) 平衡组
(?im-nsx:exp) 在子表达式exp中改变处理选项
(?im-nsx) 为表达式后面的部分改变处理选项
(?(exp)yes|no) 把exp当作零宽正向先行断言,如果在这个位置能匹配,使用yes作为此组的表达式;否则使用no
(?(exp)yes) 同上,只是使用空表达式作为no
(?(name)yes|no) 如果命名为name的组捕获到了内容,使用yes作为表达式;否则使用no
(?(name)yes) 同上,只是使用空表达式作为no
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26