blog:regexp:regexp

正则表达式

正则表达式由正则字符(如字母、逗号、数字)和元字符(如星号、圆括号)构成。

元字符 说明 反义 说明
. 匹配除换行以外的任意字符
[ ] 定义一个字符集合,匹配该集合中的一个字符
- 在字符集合中定义一个区间,例如[a-zA-Z]
\ 对下一个字符转义,比如表示换行
\w 匹配字母或数字或下划线或汉字 \W 匹配任意不是字母,数字,下划线,汉字的字符
\s 匹配任意的空白符 \S 匹配任意不是空白符的字符
\d 匹配数字 \D 匹配任意非数字的字符
\b 匹配单词的开始或结束 \B 匹配不是单词开头或结束的位置
^ 匹配字符串的开始
$ 匹配字符串的结束
* *前边的内容可重复任意次以使整个表达式得到匹配
.* 匹配任意数量的不包含换行的字符
[^aeiou] 匹配除了aeiou这几个字母以外的任意字符

例: 1. 要求填写的QQ号必须为5位到12位数字

  `^\d{5,12}$`
  `{5,12}` 表示重复的次数不能少于5次,不能多于12次,否则都不匹配。
  

2. 字符转义:由于元字符会被解释为特殊含义, 所以在查找元字符时必须加上转义字符,去掉它们的特殊含义.

  `deerchao\.net` 匹配 `deerchao.net`
  `C:\\Windows` 匹配 `C:\Windows`
  

3. 匹配一个hi开头,以Luch结尾的单词

  `\bhi\b.*\bLucy\b`
  

4. 以0开头,然后是两个数字,然后是一个连字号“-”,最后是8个数字

  `^0\d{2}-\d{8}`
  `\d` 是一个元字符,匹配一位数字(`0, 或1, 或2, 或其他数字`)
  `-` 不是元字符,只匹配它本身
  `\d` 后面的`{2}` 或 `{8}` 表示 `\d` 必须连续重复匹配2次或8次.
  

5. 匹配1个或更多连续的数字

  `\d+`
  `+` 是和 `*` 类似的元字符, 不同的是 `*` 匹配重复任意次(可能是0次), 而 `+` 则匹配重复1次或更多次.
  

6. 匹配刚好6个字符的单词

  `\b\w{6}\b`

—-

限定符 说明
* 重复零次或更多次
+ 重复一次或更多次
? 重复零次或一次
{n} 重复n次
{n,} 重复n次或更多次
{n,m} 重复n到m次

例:

  `\(?0\d{2}[) -]?\d{8}`
这个表达式可以匹配几种格式的电话号码.
首先左括号`(`出现0次或者1次, 然后是一个0, 紧跟2个数字.
然后是右括号`)`或者`-`出现零次或者一次, 最后再跟8个数字.
可以匹配如下格式:
  (010)88886666    022-22334455    02912345678
  但是同样可以匹配  010)12345678或(022-87654321这样的“不正确”的格式
  为了解决这个问题,需要用到分支条件.
用 `|` 把不同的规则分隔开
例如: `0\d{2}-\d{8}|0\d{3}-\d{7}`
  这个表达式能匹配两种以连字号分隔的电话号码:
  一种是3位区号,8位本地号(如010-12345678)
  一种是4位区号, 7位本地号(如0376-2233445)
`\d{5}-\d{4}|\d{5}`
  用于匹配美国的邮政编码, 美国邮编的规则是5位数字,或者用连字号间隔的9位数字.
  使用分支条件时, 要注意各个条件的顺序.
如果你把它改成`\d{5}|\d{5}-\d{4}`的话,那么就只会匹配5位的邮编,以及9位邮编的前5位.
原因是匹配分枝条件时, 将会从左到右地测试每个条件,如果满足了某个分枝的话, 就不会去再测试其它条件.
`(\d{1,3}\.){3}\d{1,3}` 可用来匹配IPV4地址.
其中`(\d{1,3}\.)`这个分组重复了三次, 用小括号指定子表达式.
  但是这个表达式却可以匹配256.300.888.999这种错误的IP地址。
用字符类来改善错误的IP地址匹配:
`((2[0-4]\d|25[0-5]|[0 1]?\d?\d)\.){3}(2[0-4]\d|25[0-5]|[0 1]?\d?\d)`
使用小括号指定一个子表达式后,匹配这个子表达式的文本(也就是此分组捕获的内容)
可以在表达式或其它程序中作进一步的处理.
后向引用用于重复搜索前面某个分组匹配的文本。例如,\1代表分组1匹配的文本
可以自己指定子表达式的组名。要指定一个子表达式的组名,请使用这样的语法:
`(?<Word>表达式)`  (或者把尖括号换成 `'` 也行: `(?'Word'\w+)` ),
这样就把表达式匹配的组名指定为Word了. 引用该组时,可以用使用\k<Word>
例:
  `(?<word>\d-\d{2})\s+\k<word>`
  word表示`\d-\d{2}`这个分组的名称叫word
  上式其实表示`\k<word>\s+\k<word>`
  即:`\d-\d{2}\s+\d-\d{2}`  查找类似于2-15 2-15这样重复出现两次的格式
Type Syntax Description
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
注: 零宽断言:(英文原文为 Lookarounds), 用于确定一个位置,就像 `^` `\b` `$` 一样.
字符类是系统预先定义的一些特殊字符集
例:

1. [a-zA-Z] 表示匹配任意一个字母 2. [0-9\*\+] 表示匹配 数字,星号,加好中的任意一个 3. [A-Z][0-9] 表示匹配一个有一个大写字母和一位数字组成的字符串,如A1. 4. [^a-z]

 表示匹配任意一个除小写字母之外的字符
字符类 说明
[[:alpha:]] 小写及大写字母,等价于[a-zA-Z]
[[:alnum:]] 小写和大写字母及数字,等价于[a-zA-Z0-9]
[[:cntrl:]] 控制字符,如制表符(Tab)、换行符或反斜线
[[:digit:]] 数字0~9,等价于[0-9]
[[:graph:]] ASCII码在33~126之间可打印的字符
[[:lower:]] 小写字母,等价于[a-z]
[[:punct:]] 标点符号…………..
[[:upper:]] 大写字母,等价于[A-Z]
[[:space:]] 空白字符,
[[:xdigit:]] 16进制字符,等价于[a-fA-F0-9]
  • blog/regexp/regexp.txt
  • 最后更改: 2022/01/09 17:28
  • (外部编辑)