正则表达式基础

发现宝藏

前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。【宝藏入口】。

前言

为了巩固所学的知识，作者尝试着开始发布一些学习笔记类的博客，方便日后回顾。当然，如果能帮到一些萌新进行新技术的学习那也是极好的。作者菜菜一枚，文章中如果有记录错误，欢迎读者朋友们批评指正。
（博客的参考源码可以在我主页的资源里找到，如果在学习的过程中有什么疑问欢迎大家在评论区向我提出）

1. 正则表达式的定义

正则表达式（Regular Expression，简称Regex或RegExp）是一种用于描述字符串匹配规则的表达式。它是由普通字符（例如字母、数字）和特殊字符（称为元字符）组成的文本模式。正则表达式在文本处理、搜索和替换等操作中被广泛使用，提供了一种灵活、强大的方式来描述和匹配字符串的模式。

正则表达式的应用涵盖了多个领域，包括文本搜索、替换、数据验证、语法分析等。在编程中，常常使用正则表达式来进行字符串的模式匹配和处理。各种编程语言，如Java、Python、JavaScript等，都提供了对正则表达式的支持，使开发者能够更方便地利用这一强大的工具。

2. 常见的正则表达式字符

正则表达式的基本元素包括普通字符和元字符。普通字符表示它们自身，而元字符具有特殊含义，用于表示一类字符或字符的数量。

常见的正则表达式元字符包括：

元字符	描述	示例正则表达式	示例匹配字符串
.	匹配任意单个字符（除了换行）	‘a.b’	“aab”, “a1b”
^	匹配字符串的开头	‘^abc’	“abcdef”, “abc123”
$	匹配字符串的结尾	‘xyz$’	“123xyz”, “abcxyz”
*	匹配前一个字符零次或多次	’ a*b ’	“b”, “aaab”
+	匹配前一个字符一次或多次	’ c+d ’	“cd”, “cccd”
?	匹配前一个字符零次或一次	'e?f ’	“ef”, “f”
[]	字符类，匹配其中任意一个字符	‘[aeiou]’	“a”, “e”, “o”
[^]	排除字符类，匹配非其中字符	‘[^0-9]’	“abc”, “$%”
\ |	选择，匹配两者之一	‘cat \ |dog’	“cat”, “dog”
()	分组，将多个模式组合为一个整体	‘(ab)+’	“ab”, “abab”
\	转义字符，取消元字符的特殊含义	‘\ .’	“abc.def”, “123.45”
\d	匹配任意数字	‘\d{3}’	“123”, “456”
\D	匹配任意非数字字符	‘\D{2}’	“ab”, “$%”
\w	匹配任意字母、数字或下划线	‘\w+’	“abc123”, “word_word”
\W	匹配任意非字母、数字或下划线	‘\W{3}’	“$%#”, “123!”
\s	匹配任意空白字符（空格、制表符等）	’ \s ’	" ", “\t”
\S	匹配任意非空白字符	‘\S+’	“word”, “123!”

3. 经典示例

3.1 匹配电子邮件地址

1. 正则表达式示例：

\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b

2. 解析：

• \b : 匹配单词边界
• [A-Za-z0-9._%+-]+ : 匹配用户名部分，可以包含字母、数字、点、下划线、百分比、加号和减号
• @ : 匹配 “@” 符号
• [A-Za-z0-9.-]+ : 匹配域名部分，可以包含字母、数字、点和减号
• \. : 匹配域名和顶级域之间的点
• [A-Za-z]{2,} : 匹配顶级域，至少包含两个字母
• \b : 匹配单词边界

3.2 匹配URL

1. 正则表达式示例：

^(https?|ftp):\/\/[^\s\/$.?#].[^\s]*$

2. 解析：

• ^ : 匹配字符串的开头
• (https?|ftp) : 匹配 “http”、“https” 或 “ftp”
• :\ / \ / : 匹配 " : / /" 部分
• [^\s\/$.?#]* : 匹配域名，不包含空格、斜杠、点、问号和井号
• (\/[^\s]*)? : 匹配可选的路径部分，以斜杠开头，后面可以包含字母、数字和其他字符，但不能包含空格
• $ : 匹配字符串的结尾

3.3 匹配日期

1. 正则表达式示例：

\b\d{4}[-/]\d{1,2}[-/]\d{1,2}\b

2. 解析：

• \b : 匹配单词边界
• \d{4} : 匹配四个数字，表示年份
• [-/] : 匹配日期部分的分隔符，可以是短横线或斜杠
• \d{1,2} : 匹配一到两个数字，表示月份和日期
• \b : 匹配单词边界

3.4 匹配IP地址

1. 正则表达式示例：

\b(?:\d{1,3}\.){3}\d{1,3}\b

2. 解析：

• \b : 匹配单词边界
• (?:\d{1,3}\.){3} : 非捕获分组，匹配三次数字和点的组合，用于匹配前三个IP地址部分
• \d{1,3} : 匹配IP地址的最后一部分，可以是一个到三个数字
• \b : 匹配单词边界

3.5 匹配HTML标签

1. 正则表达式示例：

<("[^"]*"|'[^']*'|[^'">])*> 

2. 解析：

• < : 匹配HTML标签的开始
• ("[^"]*"|'[^']*'|[^'">])* : 匹配HTML标签内的内容，可以是双引号中的任意字符、单引号中的任意字符，或者除了单引号、双引号和大于号之外的任意字符
• > : 匹配HTML标签的结束

3.6 匹配电话号码

1. 正则表达式示例：

\b\d{3}[-.]?\d{3}[-.]?\d{4}\b

2. 解析：

• \b : 匹配单词边界
• \d{3}[-.]? : 匹配三个数字，后面可以跟一个可选的短横线或点
• \d{3}[-.]? : 再次匹配三个数字，后面可以跟一个可选的短横线或点
• \d{4} : 最后匹配四个数字
• \b : 匹配单词边界

3.7 匹配用户名

1. 正则表达式示例：

^[a-zA-Z0-9_-]{3,16}$

2. 解析：

• ^ : 匹配字符串的开头
• [a-zA-Z0-9_-]{3,16} : 匹配用户名，可以包含字母、数字、下划线和短横线，长度为3到16个字符
• $ : 匹配字符串的结尾