正则表达式学习笔记

# 什么是正则表达式

正则表达式是一组由字母和符号组成的特殊文本，它可以用来从文本中找出满足你想要的格式的句子。

# 1. 基本匹配

最基础的匹配方式，如：

"the" => The fat cat sat on the mat.

即可找出句子中the这个单词。正则表达式大小写敏感，所以The不会匹配the。

# 2. 元字符

正则表达式主要依赖于元字符。元字符不代表他们本身的字面意思，他们都有特殊的含义。一些元字符写在方括号中的时候有一些特殊的意思。以下是一些元字符的介绍：

元字符	描述
.	实心点匹配任意单个字符除了换行符。
[ ]	字符种类。匹配方括号内的任意字符。
[^ ]	否定的字符种类。匹配除了方括号里的任意字符
*	匹配>=0个重复的在*号之前的字符。
+	匹配>=1个重复的+号前的字符。
?	标记?之前的字符为可选.
{n,m}	匹配num个大括号之间的字符 (n <= num <= m).
(xyz)	字符集，匹配与 xyz 完全相等的字符串.
\|	或运算符，匹配符号前或后的字符.
\	转义字符,用于匹配一些保留的字符 `[ ] ( ) { } . * + ? ^ $ \ \|`
^	从开始行开始匹配.
$	从末端开始匹配

下面开始举例说明。

# 2.1 点运算符 `.`

.是元字符中最简单的例子。 .匹配任意单个字符，但不匹配换行符。例如，表达式.ar匹配一个任意字符后面跟着是a和r的字符串。

".ar" => The car parked in the garage.

# 2.2 字符集 `[]`

字符集也叫做字符类。方括号用来指定一个字符集。在方括号中可使用连字符来指定字符集的范围。在方括号中的字符集不关心顺序。例如，表达式[Tt]he 匹配 the 和 The。

“[Tt]he” => The car parked in the garage.

方括号的句号就表示句号。表达式 ar[.] 匹配 ar.字符串

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

# 2.2.1 否定字符集`[^]`

一般来说 ^ 表示一个字符串的开头，但它用在一个方括号的开头的时候，它表示这个字符集是否定的。例如，表达式[^c]ar 匹配一个后面跟着ar的除了c的任意字符。

“[^car]" => The car parked in the garage.

# 2.3 重复次数

后面跟着元字符 +，* or ? 的，用来指定匹配子模式的次数。这些元字符在不同的情况下有着不同的意思。

# 2.3.1 `*`号

*号匹配在*之前的字符出现大于等于0次。例如，表达式 a* 匹配0或更多个以a开头的字符。表达式[a-z]* 匹配一个行中所有以小写字母开头的字符串。

"[a-z]*" => The car parked in the garage #21.

*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号\s连起来用，如表达式\s*cat\s*匹配0或更多个空格开头和0或更多个空格结尾的cat字符串。

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

# 2.3.3 `?` 号

在正则表达式中元字符 ? 标记在符号前面的字符为可选，即出现 0 或 1 次。例如，表达式 [T]?he 匹配字符串 he 和 The。

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

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

# 2.4 `{}` 号

在正则表达式中 {} 是一个量词，常用来一个或一组字符可以重复出现的次数。例如，表达式 [0-9]{2,3} 匹配最少 2 位最多 3 位 0~9 的数字。

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

我们可以省略第二个参数。例如，[0-9]{2,} 匹配至少两位 0~9 的数字。

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

如果逗号也省略掉则表示重复固定的次数。例如，[0-9]{3} 匹配3位数字

"[0-9]{3}" => The number was 9.9997 but we rounded it off to 10.0.

# 2.5 `(...)` 特征标群

特征标群是一组写在 (...) 中的子模式。例如之前说的 {} 是用来表示前面一个字符出现指定次数。但如果在 {} 前加入特征标群则表示整个标群内的字符重复 N 次。例如，表达式 (ab)* 匹配连续出现 0 或更多个 ab。

我们还可以在 () 中用或字符 | 表示或。例如，(c|g|p)ar 匹配 car 或 gar 或 par.

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

# 2.6 `|` 或运算符

或运算符就表示或，用作判断条件。

例如 (T|t)he|car 匹配 (T|t)he 或 car。

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

# 2.7 转码特殊字符

反斜线 \ 在表达式中用于转码紧跟其后的字符。用于指定 { } [ ] / \ + * . $ ^ | ? 这些特殊字符。如果想要匹配这些特殊字符则要在其前面加上反斜线 \。

例如 . 是用来匹配除换行符外的所有字符的。如果想要匹配句子中的 . 则要写成 \. 以下这个例子 \.?是选择性匹配.

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

# 2.8 锚点

在正则表达式中，想要匹配指定开头或结尾的字符串就要使用到锚点。^ 指定开头，$ 指定结尾。

# 2.8.1 `^` 号

^ 用来检查匹配的字符串是否在所匹配字符串的开头。

例如，在 abc 中使用表达式 ^a 会得到结果 a。但如果使用 ^b 将匹配不到任何结果。因为在字符串 abc 中并不是以 b 开头。

例如，^(T|t)he 匹配以 The 或 the 开头的字符串。

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

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

# 2.8.2 `$` 号

同理于 ^ 号，$ 号用来匹配字符是否是最后一个。

例如，(at\.)$ 匹配以 at. 结尾的字符串。

"(at\.)" => The fat cat. sat. on the mat.

"(at\.)$" => The fat cat. sat. on the mat.

# 3. 简写字符集

正则表达式提供一些常用的字符集简写。如下:

简写	描述
.	除换行符外的所有字符
\w	匹配所有字母数字或下划线或汉字或希腊或俄文字符等，等同于 `[a-zA-Z0-9_]\|汉字\|希腊俄文字符等` `\w` 能不能匹配汉字要视你的操作系统和你的应用环境而定
\W	匹配所有非字母数字，即符号，等同于： `[^\w]`
\d	匹配数字： `[0-9]`
\D	匹配非数字： `[^\d]`
\s	匹配所有空格字符，等同于： `[\t\n\f\r\v]`
\S	匹配所有非空格字符： `[^\s]`
\f	匹配一个换页符
\n	匹配一个换行符
\r	匹配一个回车符
\t	匹配一个制表符
\v	匹配一个垂直制表符
\p	匹配 CR/LF（等同于 `\r\n`），用来匹配 DOS 行终止符

# 4. 零宽度断言（前后预查）

先行断言和后发断言都属于非捕获簇（不捕获文本，也不针对组合计进行计数）。先行断言用于判断所匹配的格式是否在另一个确定的格式之前，匹配结果不包含该确定格式（仅作为约束）。

例如，我们想要获得所有跟在 $ 符号后的数字，我们可以使用正后发断言 (?<=\$)[0-9\.]*。这个表达式匹配 $ 开头，之后跟着 0,1,2,3,4,5,6,7,8,9,. 这些字符可以出现大于等于 0 次。

零宽度断言如下：

符号	描述
?=	正先行断言-存在
?!	负先行断言-排除
?<=	正后发断言-存在
?<!	负后发断言-排除

# 4.1 `?=...` 正先行断言

?=... 正先行断言，表示第一部分表达式之后必须跟着 ?=...定义的表达式。

返回结果只包含满足匹配条件的第一部分表达式。 定义一个正先行断言要使用 ()。在括号内部使用一个问号和等号： (?=...)。

正先行断言的内容写在括号中的等号后面。例如，表达式 (T|t)he(?=\sfat) 匹配 The 和 the，在括号中我们又定义了正先行断言 (?=\sfat) ，即 The 和 the 后面紧跟着 (空格)fat。

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

# 4.2 `?!...` 负先行断言

负先行断言 ?! 用于筛选所有匹配结果，筛选条件为其后不跟随着断言中定义的格式。 正先行断言 定义和 负先行断言 一样，区别就是 = 替换成 ! 也就是 (?!...)。

表达式 (T|t)he(?!\sfat) 匹配 The 和 the，且其后不跟着 (空格)fat。

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

# 4.3 `?<= ...` 正后发断言

正后发断言记作(?<=...) 用于筛选所有匹配结果，筛选条件为其前跟随着断言中定义的格式。例如，表达式 (?<=(T|t)he\s)(fat|mat) 匹配 fat 和 mat，且其前跟着 The 或 the。

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

# 4.4 `?<!...` 负后发断言

负后发断言记作 (?<!...) 用于筛选所有匹配结果，筛选条件为其前不跟随着断言中定义的格式。例如，表达式 (?<!(T|t)he\s)(cat) 匹配 cat，且其前不跟着 The 或 the。

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

# 5. 标志

标志也叫模式修正符，因为它可以用来修改表达式的搜索结果。这些标志可以任意的组合使用，它也是整个正则表达式的一部分。

标志	描述
i	忽略大小写。
g	全局搜索。
m	多行修饰符：锚点元字符 `^` `$` 工作范围在每行的起始。

# 5.1 忽略大小写（Case Insensitive）

修饰语 i 用于忽略大小写。例如，表达式 /The/gi 表示在全局搜索 The，在后面的 i 将其条件修改为忽略大小写，则变成搜索 the 和 The，g 表示全局搜索。

"The" => The fat cat sat on the mat.

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

# 5.2 全局搜索（Global search）

修饰符 g 常用于执行一个全局搜索匹配，即（不仅仅返回第一个匹配的，而是返回全部）。例如，表达式 /.(at)/g 表示搜索任意字符（除了换行）+ at，并返回全部结果。

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

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

# 5.3 多行修饰符（Multiline）

多行修饰符 m 常用于执行一个多行匹配。

像之前介绍的 (^,$) 用于检查格式是否是在待检测字符串的开头或结尾。但我们如果想要它在每行的开头和结尾生效，我们需要用到多行修饰符 m。

例如，表达式 /at(.)?$/gm 表示小写字符 a 后跟小写字符 t ，末尾可选除换行符外任意字符。根据 m 修饰符，现在表达式匹配每行的结尾。

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

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

# 6. 贪婪匹配与惰性匹配（Greedy vs lazy matching）

正则表达式默认采用贪婪匹配模式，在该模式下意味着会匹配尽可能长的子串。我们可以使用 ? 将贪婪匹配模式转化为惰性匹配模式。

"/(.*at)/" => The fat cat sat on the mat.

"/(.*?at)/" => The fat cat sat on the mat.

# 简单实验

# 匹配所有正数和负数

Example:

1
2
3
4

Regex:

-?\d+(\.\d+)?

-?匹配前面的负号， \d+表示必须带有数字，(\.\d+)?表示后面的点+小数位 ?代表不是必须

# 匹配日期规则

Example:

2020-1-1
2019-12-12
2020-01-01

1
2
3

Regex:

^[1-2]?\d{1,3}-(0?[1-9]|1[0-2])-(0?[1-9]|[12]\d|3[01])$

# 匹配邮箱地址

Example:

cwyu123@qq.com
901237niqd@163.cn
fengyuwusong@fengyuwusong.cn

// @前面必须有内容且只能是字母(大小写),数字,下划线,减号,点；
// @和最后一个点之间必须有内容且只能是字母(大小写),数字,点,减号,且两个点不能挨着；
// 最后一个点之后必须有内容且内容只能是字母(大小写),数字。长度为大于等于2,小于等于6。

1
2
3
4
5
6
7

Regex:

^[a-zA-Z0-9_\-\.]+@[a-zA-Z0-9\-]*\.*[a-zA-Z0-9\-]+\.[a-zA-Z0-9]{2,6}$

# 匹配Html标签

Example:

从以下标签匹配:
<a>wahaha</a>
<b>banana</b>
<h1>qqxing</h1>

内容:
wahaha
banana
qqxing

标签:
a
b
h1

1
2
3
4
5
6
7
8
9
10
11
12
13
14

Regex:

内容:
(?<=>)\w+(?=<)

"<a>wahaha</a>" => "wahaha"

标签:
(?<=</)\w+(?=>)
"<a>wahaha</a>" => "a"

1
2
3
4
5
6
7
8

编辑

#正则表达式 #学习笔记

上次更新: 2023/02/17, 16:53:03

正则表达式学习笔记

# 什么是正则表达式

# 1. 基本匹配

# 2. 元字符

# 2.1 点运算符 .

# 2.2 字符集 []

# 2.2.1 否定字符集[^]

# 2.3 重复次数

# 2.3.1 *号

# 2.3.3 ? 号

# 2.4 {} 号

# 2.5 (...) 特征标群

# 2.6 | 或运算符

# 2.7 转码特殊字符

# 2.8 锚点

# 2.8.1 ^ 号

# 2.8.2 $ 号

# 3. 简写字符集

# 4. 零宽度断言（前后预查）

# 4.1 ?=... 正先行断言

# 4.2 ?!... 负先行断言

# 4.3 ?<= ... 正后发断言

# 4.4 ?<!... 负后发断言

# 5. 标志

# 5.1 忽略大小写（Case Insensitive）

# 5.2 全局搜索（Global search）

# 5.3 多行修饰符（Multiline）

# 6. 贪婪匹配与惰性匹配（Greedy vs lazy matching）

# 简单实验

# 匹配所有正数和负数

# 匹配日期规则

# 匹配邮箱地址

# 匹配Html标签

# 2.1 点运算符 `.`

# 2.2 字符集 `[]`

# 2.2.1 否定字符集`[^]`

# 2.3.1 `*`号

# 2.3.3 `?` 号

# 2.4 `{}` 号

# 2.5 `(...)` 特征标群

# 2.6 `|` 或运算符

# 2.8.1 `^` 号

# 2.8.2 `$` 号

# 4.1 `?=...` 正先行断言

# 4.2 `?!...` 负先行断言

# 4.3 `?<= ...` 正后发断言

# 4.4 `?<!...` 负后发断言