正则表达式
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。一个正则表达式是一种从左到右匹配主体字符串的模式
元字符
正则表达式主要依赖于元字符。
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。
字符集[ ]
表达式[Tt]he 匹配 the 和 The。
* 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。
.+号
+号匹配+号之前的字符出现 >=1 次。 例如表达式c.+t 匹配以首字母c开头以t结尾,中间跟着至少一个字符的字符串。
?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。
{}号
在正则表达式中 {} 是一个量词,常用来限定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。
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。
固定的次数。 例如,[0-9]{3} 匹配3位数字
(…) 特征标群
特征标群是一组写在 (…) 中的子模式。(…) 中包含的内容将会被看成一个整体,和数学中小括号( )的作用相同。
例如, 表达式 (ab)* 匹配连续出现 0 或更多个 ab。如果没有使用 (…) ,那么表达式 ab* 将匹配连续出现 0 或更多个 b 。再比如之前说的 {} 是用来表示前面一个字符出现指定次数。但如果在 {} 前加上特征标群 (…) 则表示整个标群内的字符重复 N 次。
| 或运算符
或运算符|表示或,用作判断条件。
例如 (T|t)he|car 匹配 (T|t)he 或 car。
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.
开头锚点^号和$号
在正则表达式中,想要匹配指定开头或结尾的字符串就要使用到锚点。^ 指定开头,$ 指定结尾
简写字符集
正则表达式提供一些常用的字符集简写。
零宽度断言
?=正先行断言
?=…为正先行断言,表示第一部分表达式之后必须跟着 ?=定义的表达式。
例子
注意这里是要找出The 和 the 后面紧跟着 (空格)fat的字符串,但是正先行断言只是一个判断条件,他不会作为匹配被检索,所以最后匹配到的只是The
?!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。 (说白了就是正先行断言的反例)
?<= 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。
?<! 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。
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。
多行修饰符 m
多行修饰符 m 常用于执行一个多行匹配。
像之前介绍的 (^,$) 用于检查格式是否是在待检测字符串的开头或结尾。但我们如果想要它在每行的开头和结尾生效,我们需要用到多行修饰符 m。
贪婪匹配与惰性匹配
正则表达式默认采用贪婪匹配模式,在该模式下意味着会匹配尽可能长的子串。我们可以使用 ? 将贪婪匹配模式转化为惰性匹配模式。
贪婪匹配
懒惰匹配
正则表达式的应用
验证一个用户名
这是我们最开始讲正则表达式概念时候提到的例子,他其实可以用来验证用户名。以上的正则表达式可以接受 john_doe、jo-hn_doe、john12_as。 但不匹配Jo,因为它包含了大写的字母而且太短了
验证电话号码
(’^(\d{3,4}-)\d{7,8}$’)正确格式:xxx/xxxx-xxxxxxx/xxxxxxxx;