一. 正则表达式基础知识
1. 概念
正则表达式是一种特殊的字符串模式，用于匹配一组字符串，就好比用模具做产品，而正则就是这个模具，定义一种规则去匹配符合规则的字符.
2. 应用领域
(1) 登录注册页的表单验证 web开发 要求简单语法
(2) 爬虫爬虫 把这个网页下载下来 从里面提取一些信息,找到我要的所有信息,做数据分析
(3) 自动化开发 日志分析
二. 正则表达式语法
字符
字符 描述 将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“n”匹配字符“n”。“ ”匹配一个换行符。串行“\”匹配“”而“(”则匹配“(”。 ^ 匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“ ”或“ ”之后的位置。 $ 匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“ ”或“ ”之前的位置。 * 匹配前面的子表达式零次或多次。例如，zo*能匹配“z”以及“zoo”。*等价于{0,}。 + 匹配前面的子表达式一次或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。 ? 匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“does”或“does”中的“do”。?等价于{0,1}。 {n} n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。 {n,} n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。 {n,m} m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。 ? 当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。 . 匹配除“ ”之外的任何单个字符。要匹配包括“ ”在内的任何字符，请使用像“(.| )”的模式。 (pattern) 匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“(”或“)”。 (?:pattern) 匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。 (?=pattern) 正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 (?!pattern) 正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始 (?<=pattern) 反向肯定预查，与正向肯定预查类拟，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。 (?<!pattern) 反向否定预查，与正向否定预查类拟，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。 x|y 匹配x或y。例如，“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。 [xyz] 字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。 [^xyz] 负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“p”。 [a-z] 字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。 [^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。 匹配一个单词边界，也就是指单词和空格间的位置。例如，“er”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。 B 匹配非单词边界。“erB”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。 cx 匹配由x指明的控制字符。例如，cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。 d 匹配一个数字字符。等价于[0-9]。 D 匹配一个非数字字符。等价于[^0-9]。 f 匹配一个换页符。等价于x0c和cL。 匹配一个换行符。等价于x0a和cJ。 匹配一个回车符。等价于x0d和cM。 s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ f v]。 S 匹配任何非空白字符。等价于[^ f v]。 匹配一个制表符。等价于x09和cI。 v 匹配一个垂直制表符。等价于x0b和cK。 w 匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。 W 匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。 xn 匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“x41”匹配“A”。“x041”则等价于“x04&1”。正则表达式中可以使用ASCII编码。. um 匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)1”匹配两个连续的相同字符。 标识一个八进制转义值或一个向后引用。如果 之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。 m 标识一个八进制转义值或一个向后引用。如果 m之前至少有nm个获得子表达式，则nm为向后引用。如果 m之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则 m将匹配八进制转义值nm。 ml 如果n为八进制数字（0-3），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。 un 匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，u00A9匹配版权符号（©）
1.元字符
(1) 字符组[], [^], |, ()
字符组 [] 在一个字符的位置上能出现的内容
[1bc] 是一个范围 [0-9][A-Z][a-z] 匹配三个字符 [abc0-9] 匹配一个字符 [0-9a-zA-Z] 匹配一个字符 d == [0-9] 也示匹配一个字符,匹配的是一个数字 w == [0-9a-zA-Z_] 表示匹配一个数字字母下划线 s == [ ] 包括回车,空格和制表符tab 匹配回车 匹配制表符 D 匹配非数字 W 匹配非数字字母下滑线 S 匹配非空白 [dD] [wW] [sS] 匹配所有 ^ 匹配字符串的开始 S 匹配字符串的结尾 . 匹配除换行符以外的任意字符
| 正则 | 待匹配字符 | 匹配结果 | 说明 |
| [123456] | 5 | True | 在一个字符组里枚举合法的所有字符，字符组里的任意一个字符和"待匹配字符"相同都视为可以匹配. |
| [0-9] | 6 | True | [0-9] 表示从0到9的10个数字. [a/A-z/Z]表示从a/A到z/Z |
| [^123456] | 5 | False | [^]里的^表示的是非的意思,匹配的是不在字符组里的字符 |
| [123]|[456] | 5 | True | | 表示或的意思,两边都可以匹配 |
| (123) | 123 | True | ()代表一个整体,匹配的必须是和()里所有的字符 |
| [123][456][123456] |
255 428 |
True False |
三个[]表示匹配三个字符,一一与待匹配字符相对应 |
| d | 12259 | True | d表示匹配任意数字 |
| w | 12ASxft | True | w表示匹配任意数字和大小写字母,即[0-9a-zA-Z] |
| s | 234 | False | 匹配的字符包括回车,空格和制表符tab |
| 海. | 海燕海娇海东 | 海燕海娇海东 | 匹配所有"海."的字符 |
| ^海. | 海燕海娇海东 | 海燕 | 只从开头匹配"海." |
| 海.$ | 海燕海娇海东 | 海东 | 只匹配结尾的"海.$" |
2. 量词
(1) *, +, ?
(2) {n}, {n,}, {n,m}
* 重复零次或更多次
+ 重复一次或更多次
? 重复零次或一次
{n} 重复n次
{n,} 重复n次或更多次
{n,m} 重复n到m次
正则 待匹配字符 匹配结果 说明
d* 12345678 12345678 从数字开始匹配,至少匹配0次
d+ 12345678 12345678 从数字开始匹配,至少匹配一次
d{3,6} 123456 123456 从数字开始匹配,至少匹配三次最多匹配6次
d*(.d)? 123.456 123.456 匹配正整数或者小数
? 的使用 : 在量词的后面跟了一个 ? 取消贪婪匹配 非贪婪(惰性)模式
3. 正则表达式的转义
'(' 表示匹配小括号 [()+*?/$.] 在字符组中一些特殊的字符会现出原形 所有的 w d s( , , ) W D S都表示它原本的意义 [-]只有写在字符组的首位的时候表示普通的减号 写在其他位置的时候表示范围[1-9] 如果就是想匹配减号 [1-9]
常见的正则表达式
用户名 /^[a-z0-9_-]{3,16}$/
密码 /^[a-z0-9_-]{6,18}$/
十六进制值 /^#?([a-f0-9]{6}|[a-f0-9]{3})$/
电子邮箱 /^([a-z0-9_.-]+)@([da-z.-]+).([a-z.]{2,6})$/
/^[a-zd]+(.[a-zd]+)*@([da-z](-[da-z])?)+(.{1,2}[a-z]+)+$/
URL /^(https?://)?([da-z.-]+).([a-z.]{2,6})([/w .-]*)*/?$/
IP 地址 /((2[0-4]d|25[0-5]|[01]?dd?).){3}(2[0-4]d|25[0-5]|[01]?dd?)/
/^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?).){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$/
HTML 标签 /^<([a-z]+)([^<]+)*(?:>(.*)</1>|s+/>)$/
删除代码\注释 (?<!http:|S)//.*$
Unicode编码中的汉字范围 /^[u2E80-u9FFF]+$/