10分钟搞定正则表达式

学习资料：《正则表达式必知必会》人民邮电出版社
正则表达式测试工具：http://regexr.com/

1.匹配单个字符

1.1匹配纯文本

格式：

text

说明：匹配text文本
例子：

1.2匹配任意字符

格式：

说明：如果想匹配任意一个字符，可将这个字符的位置用.代替，比如想匹配cat或cot，即中间的字符可能是a也可能是o，那么就正则式就可以这么写：c.t。
例子：

1.3匹配特殊字符

格式：

\字符

说明：拿上面的例子来说，有时候我们只想匹配.这个字符，而如果直接写.的话就会匹配一个任意字符，所以针对这种情况，可以使用转义字符\表明后面的字符有特殊含义，而不是字符本身的含义。比如上一个例子，如果只想匹配一个.，那可以写成\.。
例子：

2.匹配一组字符

2.1匹配多个字符中的某一个

格式：

[字符集合]

说明：拿之前cat和cot的例子来说，如果用c.t，那么同时会匹配到crt、cct这些字符，因为中间那个字符是任意的，而如果我们只想匹配cat和cot这两个文本，那么就可以使用[]，在方括号里定义可能出现的字符集合，这样在匹配时，只要字符是在这个带匹配的字符集合里的都能匹配成功。所以如果想匹配cat和cot，那么就可以写成：c[ao]t。
例子：

2.2字符集合区间

格式：[字符集合区间]
说明：如果我们要匹配的那个位置可以是任何一个英文字符，我们该怎么写？把所有可能出现的英文字符都写一遍么？那就是[abcdefghijklmnopqrstuvwxyz]，这才只是小写字母，如果我在加上大写字母和数字呢？是不是要疯掉了，所以字符区间就是解决这个问题，如果我们要匹配a-z的小写字母就可以这么写:[a-z]，是不是比之前的写法简单多了。针对常用的几种匹配内容，正则表达式可以支持以下一些区间：

A-Z：匹配从A到Z的所有大写字母
a-z：匹配从a-z的所有小写字母
0-9：匹配从0-9的所有数字

例子：

2.3取非匹配

格式：

[^字符集合]

说明：之前我们说的是匹配字符集合中的字符，那么问题来了，如果我们想匹配除了a的所有字符，那怎么办？（吐个槽，a到底跟你多大仇，就是不匹配它）总不能一个个列举可能出现的字符吧。所以我们可以使用取非匹配，排除掉一个a，其他字符都可以匹配，写成：[^a]，这样就能匹配除了a的任意字符了。
例子：

3.使用元字符

3.1对特殊字符进行转义

格式：

\元字符

说明：这其实是在1.3中讲的内容，所谓元字符，就是在正则表达式中有特殊含义的字符，比如[、]、.包括\，他们匹配的字符并不是他们本身。但如果我们确实要匹配他们本身的时候，需要用\加上该字符来匹配字符本身。
例子：

匹配一个数组项 array\[0\]
匹配文件目录 \\home\\src\\bin

3.2匹配空白字符

格式：

\元字符

说明：当需要找出原始文本中的空白字符或者换行符是怎么办呢？系统内置的几个元字符可是实现该功能。

[\b] 回退（并删除）一个字符
\f 换页符
\n 换行符
\r 回车符
\t 制表符
\v 垂直制表符

3.3匹配特定的字符类别

匹配数字与非数字
格式：\d、\D
说明：之前说匹配数字可以用[0-9]，其实更简单的写法是\d，两者的意思是等价的。同理[^0-9]与\D也是等价的，表示匹配除了0-9的任意字符(非数字的字符）。
例子：匹配数组任意一项 array\[\d\]
匹配数字和字符与非数字和字母
格式：\w、\W
说明：\w匹配任何一个字母或数字（大小写均可）或下划线，等价于[a-zA-z0-9_]
\W匹配任何一个非字母或数字（大小写均可）或下划线，等价于[^a-zA-z0-9_]
例子：
匹配空白字符与非空白字符
格式：\s、\S
说明：\s匹配任何一个空白字符，等价于[\f\n\r\t\v]
\S匹配任何一个非空白字符，等价于[^\f\n\r\t\v]
例子：
匹配十六进制值与八进制值
格式：\x、\0
说明：\x匹配十六进制数的前缀
\0匹配八进制数的前缀
例子：
- \x48值为72，对应的ASCII码是H
- \047值为39，对应的ASCII码是'

4.重复匹配

4.1有多少个匹配

匹配一个或多个
格式：字符+、[字符集合]+
说明：如果想匹配一个字符或字符集合的多次重复，那么可以使用+作为后缀。比如，a+表示匹配一个或多个连续出现的a，[0-9]+表示匹配一个或多个连续出现的数字。
例子：
匹配零个或多个字符
格式：字符*、[字符集合]*
说明：+至少需要匹配一个字符，而*匹配的字符则是可有可无。
例子：
匹配零个或一个字符
格式：字符?、[字符集合]?
说明：？匹配的字符要么出现，要么只出现一次，只有这两种情况。
例子：

4.2匹配的重复次数

为重复匹配次数设定一个精确值
格式：字符{重复次数}、[字符集合]{重复次数}
说明：虽然之前说的+ * ？功能很强大，但是很多情况下并不能满足要求，比如要匹配一个11位数的电话号码显然用任意一个功能都完不成。这时就需要引入重复次数，比如[0-9]{11}就表示匹配连续11个出现的数字，这就能匹配像电话号码这样的要求（当然可能还有更详细地约束，比如必须以1开头，这里只是举个简单的例子）。
例子：
为重复匹配次数设定一个区间
格式：字符{最少重复次数,最多重复次数}、[字符集合]{最少重复次数,最多重复次数}
说明：为重复次数设定一个最小值和最大值，表明一个字符或字符集合最少出现的次数和最多出现的次数。
例子：
匹配至少重复多少次
格式：字符{最少重复次数,}、[字符集合]{最少重复次数,}
说明：有了第2点介绍的只是，这里就很好理解，为重复次数设定一个最小值，不设定最大值，那不就是表明一个字符至少出现多少次嘛！
例子：

4.3防止过度匹配

说明：之前介绍的+*{n,}都没有定义匹配次数的上限，这就很容易造成过度匹配的现象。所以有必要引入“贪婪型”字符和“懒惰型”字符的概念。
贪婪型字符有：

*、+、{n,}

对应的懒惰型字符有：

*?、+?、{n,}？

比如一个h5的页面有很多

`...`

这样的标签，如果我们使用贪婪型字符匹配可以写成：

.*

贪婪型字符*的匹配原则是，只要没匹配到最后一个，我就一直匹配下去，直到匹配到最后一个。
使用懒惰型字符匹配可以写成

.*？

懒惰型字符*？的匹配原则是，只要我匹配到了后面的一个,我就不干了，不匹配了，除非找到下一个

，我再继续匹配。

例子：

贪婪型字符匹配

懒惰型字符匹配

5.位置匹配

5.1单词边界

格式：\b单词\b、\b单词、单词\b
说明：什么是边界匹配呢？举个简单的例子，比如一篇英文文章，我想找其中的cat单词，于是我这么写：cat，看起来是没问题，但是实际匹配的时候会将所有cat都找出来，当然cat这个单词能找出来是毋庸置疑的，但同时会将类似scattered这样包含cat的单词也找出来，着当然不是我们所期望的，于是引入单词边界的概念，在cat前后各加上一个\b表示这中间是一个单词，\b用来匹配一个单词的开始或结尾。注意：只有\bcat\b才表示要匹配cat这个单词，而\bcat、cat\b则分别表示匹配以cat开头和以cat结尾的单词。
例子：

不带单词边界匹配
带单词边界匹配
匹配cat开头的单词
匹配cat结尾的单词

5.2字符串边界

格式：^字符串$、^字符串、字符串$
说明：与单词边界同理，字符串边界表示字符串的开头与结尾，分别用^、$表示。
例子：

cat开头字符串
bar结尾字符串

6.子表达式

6.1什么是子表达式

格式：

(子表达式)

说明：前面我们学过如何指定重复次数，用的是字符{重复次数}或[字符集合]{重复次数}，这里的重复次数只是前面的字符或者字符集合，加入我想将\d{1,3}\.这样一个完整的表达式重复几次，那怎么办呢？我们可以用（）将这样的表达式包裹起来，将括号的内容作为一个整体，再进行重复次数的表示，比如如果想找出连续出现3次cat单词，可以写成这样：(\d{1,3}\.){3}
例子：匹配IP地址

6.2子表达式的嵌套

格式：

(（子表达式1）|（子表达式2）)

说明：子表达式是允许嵌套的，举个例子，如果我们想匹配一串IP地址，12.159.46.200，略加思考我们不难能写出这样的正则表达式：(\d{1,3}\.){3}\d{1,3}，但是其实这个表达式并不等价于IP地址，999.999.999.999明显不是一个IP地址，但是它是符合这个规则的，所以我们要对这个表达式中的数字要求做出修改，IP地址的四个组成部分必须符合以下要求：

任何一个1位数字或2位数字（0-99）——\d{1,2}
任何一个以1开头的3位数字（100-199）——1\d{2}
任何一个以2开头，第2位在0-4之间的3位数字（200-249）——2[0-4]\d
任何一个以25开头，第3位在0-5之间的3位数字（250-255）——25[0-5]

所以根据以上规则将原表达式改写为：

((((25[0-5])|(2[0-4]\d)|(1\d{2})|\d{1,2})|)\.){3}(((25[0-5])|(2[0-4]\d)|(1\d{2})|\d{1,2})|)

例子：

注意：这里将详细地规则写在前面，比如匹配200，如果检测到20是满足\d{1,2}的，就不会再去看后面的0了