正則表達式，還不會的同學看過來
正則修煉，現在開始啦！
從零開始學正則表達式
正則表達式，又稱規則表達式。（英語：Regular Expression，在代碼中常簡寫為regex、regexp或RE），計算機編程科學中的一個概念。
正則表達式通常被用來檢索、替換那些符合某個模式(規則)的文本。正則表達式(regular expression)描述了一種字符串匹配的模式（pattern），可以用來檢查一個串是否含有某種子串、將匹配的子串替換或者從某個串中取出符合某個條件的子串等。
正則表達式通用於主流編程語言，應用廣泛，是新手小白程序員晉級的必過門檻。
正則表達式 - 作用
正則表達式旨在批量解決對應問題，使程序發揮其工作效率。
給定一個正則表達式和另一個字符串，我們可以達到如下的目的：
1. 給定的字符串是否符合正則表達式的過濾邏輯（稱作“匹配”）。
2. 可以通過正則表達式，從字符串中獲取我們想要的特定部分。
正則應用圖
正則表達式 - 如何來的
鼻祖
美國新澤西州的Warren McCulloch和出生在美國底特律的Walter Pitts這兩位神經生理方面的科學家，研究出了一種用數學方式來描述神經網絡的新方法，他們創造性地將神經系統中的神經元描述成了小而簡單的自動控制元，從而作出了一項偉大的工作革新。
1951 年,一位名叫Stephen Kleene的數學科學家，他在Warren McCulloch和Walter Pitts早期工作的基礎之上，發表了一篇題目是《神經網事件的表示法》的論文，利用稱之為正則集合的數學符號來描述此模型，引入了正則表達式的概念。
後來，人們發現可以將這一工作成果應用於其他方面。Ken Thompson就把這一成果應用於計算搜索算法的一些早期研究，Ken Thompson是 Unix的主要發明人，也就是大名鼎鼎的Unix之父。Unix之父將此符號系統引入編輯器QED，然後是Unix上的編輯器ed，並最終引入grep。
從此，正則表達式被廣泛應用開來。
近年來，正則表達式逐漸從模糊而深奧的數學概念，發展成為在計算機各類工具和軟件包應用中的主要功能。不僅僅眾多UNIX工具支持正則表達式，近二十年來，在WINDOWS的陣營下，正則表達式的思想和應用在大部分 Windows 開發者工具包中得到支持和嵌入應用！從正則式在Microsoft Visual Basic 6 或 Microsoft VBScript到.NET Framework中的探索和發展，WINDOWS系列產品對正則表達式的支持發展到無與倫比的高度，幾乎所有 Microsoft 開發者和所有.NET語言都可以使用正則表達式。如果你是一位接觸計算機語言的工作者，那麼你會在主流操作系統（*nix[Linux, Unix等]、Windows、HP、BeOS等）、主流的開發語言（delphi、Scala、PHP、C#、Java、C++、Objective-c、Swift、VB、Javascript、Ruby以及Python等）、數以億萬計的各種應用軟件中，都可以看到正則表達式優美的舞姿。
正則表達式 - 主要符號表
正則表達式元字符圖
元字符（基礎）
描述
\\
將下一個字符標記符、或一個向後引用、或一個八進制轉義符。例如，“\\\\n”匹配\\n。“\\n”匹配換行符。序列“\\\\”匹配“\\”而“\\(”則匹配“(”。即相當於多種編程語言中都有的“轉義字符”的概念。
^
匹配輸入字行首。如果設置了RegExp對象的Multiline屬性，^也匹配“\\n”或“\\r”之後的位置。
$
匹配輸入行尾。如果設置了RegExp對象的Multiline屬性，$也匹配“\\n”或“\\r”之前的位置。
*
匹配前面的子表達式任意次。例如，zo*能匹配“z”，也能匹配“zo”以及“zoo”。*等價於o{0,}
+
匹配前面的子表達式一次或多次(大於等於1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等價於{1,}。
?
匹配前面的子表達式零次或一次。例如，“do(es)?”可以匹配“do”或“does”中的“do”。?等價於{0,1}。
{n}
n是一個非負整數。匹配確定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的兩個o。
{n,}
n是一個非負整數。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,}”等價於“o+”。“o{0,}”則等價於“o*”。
{n,m}
m和n均為非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”將匹配“fooooood”中的前三個o為一組，後三個o為一組。“o{0,1}”等價於“o?”。請注意在逗號和兩個數之間不能有空格。
?
當該字符緊跟在任何一個其他限制符（*,+,?，{n}，{n,}，{n,m}）後面時，匹配模式是非貪婪的。非貪婪模式儘可能少的匹配所搜索的字符串，而默認的貪婪模式則儘可能多的匹配所搜索的字符串。例如，對於字符串“oooo”，“o+”將盡可能多的匹配“o”，得到結果[“oooo”]，而“o+?”將盡可能少的匹配“o”，得到結果 ['o', 'o', 'o', 'o']
.點
匹配除“\\n”之外的任何單個字符。要匹配包括“\\n”在內的任何字符，請使用像“[\\s\\S]”的模式。
(pattern)
匹配pattern並獲取這一匹配。所獲取的匹配可以從產生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字符，請使用“\\(”或“\\)”。
(?:pattern)
非獲取匹配，匹配pattern但不獲取匹配結果，不進行存儲供以後使用。這在使用或字符“(|)”來組合一個模式的各個部分時很有用。例如“industr(?:y|ies)”就是一個比“industry|industries”更簡略的表達式。
(?=pattern)
非獲取匹配，正向肯定預查，在任何匹配pattern的字符串開始處匹配查找字符串，該匹配不需要獲取供以後使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字符之後開始。
(?!pattern)
非獲取匹配，正向否定預查，在任何不匹配pattern的字符串開始處匹配查找字符串，該匹配不需要獲取供以後使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。
(?<=pattern)
非獲取匹配，反向肯定預查，與正向肯定預查類似，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”。
(?
非獲取匹配，反向否定預查，與正向否定預查類似，只是方向相反。例如“(?
此處用或任意一項都不能超過2位，如“(?
x|y
匹配x或y。例如，“z|food”能匹配“z”或“food”(此處請謹慎)。“[zf]ood”則匹配“zood”或“food”。
[xyz]
字符集合。匹配所包含的任意一個字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]
負值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。
[a-z]
字符範圍。匹配指定範圍內的任意字符。例如，“[a-z]”可以匹配“a”到“z”範圍內的任意小寫字母字符。
注意:只有連字符在字符組內部時,並且出現在兩個字符之間時,才能表示字符的範圍; 如果出字符組的開頭,則只能表示連字符本身.
[^a-z]
負值字符範圍。匹配任何不在指定範圍內的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”範圍內的任意字符。
\\b
匹配一個單詞邊界，也就是指單詞和空格間的位置（即正則表達式的“匹配”有兩種概念，一種是匹配字符，一種是匹配位置，這裡的\\b就是匹配位置的）。例如，“er\\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
\\B
匹配非單詞邊界。“er\\B”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匹配一個Control-M或回車符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的“c”字符。
\\d
匹配一個數字字符。等價於[0-9]。grep 要加上-P，perl正則支持
\\D
匹配一個非數字字符。等價於[^0-9]。grep要加上-P，perl正則支持
\\f
匹配一個換頁符。等價於\\\\x0c和\\cL。
\\n
匹配一個換行符。等價於\\\\x0a和\\cJ。
\\r
匹配一個回車符。等價於\\\\x0d和\\cM。
\\s
匹配任何不可見字符，包括空格、製表符、換頁符等等。等價於[ \\f\\n\\r\\t\\v]。
\\S
匹配任何可見字符。等價於[^ \\f\\n\\r\\t\\v]。
\\t
匹配一個製表符。等價於\\\\x09和\\cI。
\\v
匹配一個垂直製表符。等價於\\\\x0b和\\cK。
\\w
匹配包括下劃線的任何單詞字符。類似但不等價於“[A-Za-z0-9_]”，這裡的"單詞"字符使用Unicode字符集。
\\W
匹配任何非單詞字符。等價於“[^A-Za-z0-9_]”。
\\\\xn
匹配n，其中n為十六進制轉義值。十六進制轉義值必須為確定的兩個數字長。例如，“\\\\x41”匹配“A”。“\\\\x041”則等價於“\\\\x04&1”。正則表達式中可以使用ASCII編碼。
\\num
匹配num，其中num是一個正整數。對所獲取的匹配的引用。例如，“(.)\\1”匹配兩個連續的相同字符。
\\n
標識一個八進制轉義值或一個向後引用。如果\\n之前至少n個獲取的子表達式，則n為向後引用。否則，如果n為八進制數字（0-7），則n為一個八進制轉義值。
\\nm
標識一個八進制轉義值或一個向後引用。如果\\nm之前至少有nm個獲得子表達式，則nm為向後引用。如果\\nm之前至少有n個獲取，則n為一個後跟文字m的向後引用。如果前面的條件都不滿足，若n和m均為八進制數字（0-7），則\\nm將匹配八進制轉義值nm。
\\nml
如果n為八進制數字（0-7），且m和l均為八進制數字（0-7），則匹配八進制轉義值nml。
\\\\un
匹配n，其中n是一個用四個十六進制數字表示的Unicode字符。例如，\\\\u00A9匹配版權符號（©）。
\\p{P}
小寫 p 是 property 的意思，表示 Unicode 屬性，用於 Unicode 正表達式的前綴。中括號內的“P”表示Unicode 字符集七個字符屬性之一：標點字符。
其他六個屬性：
L：字母；
M：標記符號（一般不會單獨出現）；
Z：分隔符（比如空格、換行等）；
S：符號（比如數學符號、貨幣符號等）；
N：數字（比如阿拉伯數字、羅馬數字等）；
C：其他字符。
*注：此語法部分語言不支持，例：javascript。
\\<
\\>
匹配詞（word）的開始（\\）。例如正則表達式\\
( )將( 和 ) 之間的表達式定義為“組”（group），並且將匹配這個表達式的字符保存到一個臨時區域（一個正則表達式中最多可以保存9個），它們可以用 \\1 到\\9 的符號來引用。
|將兩個匹配條件進行邏輯“或”（Or）運算。例如正則表達式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：這個元字符不是所有的軟件都支持的。
正則表示式 - 封裝實例
標準xml文件格式示例：
<urlset>
<data>
<display>
<xhtml>http://m.0460.com/view/${1}.html/<xhtml>
<html5>http://m.0460.com/view/${1}.html/<html5>
標準txt文件格式示例：
每行兩列數據，第一列為PC url pattern，第二列為對應Wap url pattern，兩列數據以tab鍵做分隔。
示例如下：
http://www.0460.com/web/(\\d+)/(\\d+)/ http://www.0460.com/web/${1}/${2}/
http://www.0460.com/web/(\\w+).html http://m.0460.com/web/${1}.html
正則表達式 - 應用實例
1 . 校驗密碼強度
密碼的強度必須是包含大小寫字母和數字的組合，不能使用特殊字符，長度在8-10之間。
^(?=.*\\\\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
2. 校驗中文
字符串僅能是中文。
^[\\\\\\u4e00-\\\\\\u9fa5]{0,}$
3. 由數字、26個英文字母或下劃線組成的字符串
^\\\\w+$
4. 校驗E-Mail 地址
同密碼一樣，下面是E-mail地址合規性的正則檢查語句。
[\\\\w!#$%&'*+/=?^_`{|}~-]+(?:\\\\.[\\\\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\\\\w](?:[\\\\w-]*[\\\\w])?\\\\.)+[\\\\w](?:[\\\\w-]*[\\\\w])?
5. 校驗身份證號碼
下面是身份證號碼的正則校驗。15 或 18位。
15位：
^[1-9]\\\\d{7}((0\\\\d)|(1[0-2]))(([0|1|2]\\\\d)|3[0-1])\\\\d{3}$
18位：
^[1-9]\\\\d{5}[1-9]\\\\d{3}((0\\\\d)|(1[0-2]))(([0|1|2]\\\\d)|3[0-1])\\\\d{3}([0-9]|X)$
6. 校驗日期
“yyyy-mm-dd“ 格式的日期校驗，已考慮平閏年。
^(?:(?!0000)[0-9]{4}-(?:(?:0[1-9]|1[0-2])-(?:0[1-9]|1[0-9]|2[0-8])|(?:0[13-9]|1[0-2])-(?:29|30)|(?:0[13578]|1[02])-31)|(?:[0-9]{2}(?:0[48]|[2468][048]|[13579][26])|(?:0[48]|[2468][048]|[13579][26])00)-02-29)$
7. 校驗金額
金額校驗，精確到2位小數。
^[0-9]+(.[0-9]{2})?$
8. 校驗手機號
下面是國內 13、15、18開頭的手機號正則表達式。（可根據目前國內收集號擴展前兩位開頭號碼）
^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\\\\d{8}$
9. 判斷IE的版本
IE目前還沒被完全取代，很多頁面還是需要做版本兼容，下面是IE版本檢查的表達式。
^.*MSIE [5-8](?:\\\\.[0-9]+)?(?!.*Trident\\\\/[5-9]\\\\.0).*$
10. 校驗IP-v4地址
IP4 正則語句。
\\\\b(?:(?: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]?)\\\\b
11. 校驗IP-v6地址
IP6 正則語句。
(([0-9a-fA-F]{1,4}:){7,7}[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,7}:|([0-9a-fA-F]{1,4}:){1,6}:[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,5}(:[0-9a-fA-F]{1,4}){1,2}|([0-9a-fA-F]{1,4}:){1,4}(:[0-9a-fA-F]{1,4}){1,3}|([0-9a-fA-F]{1,4}:){1,3}(:[0-9a-fA-F]{1,4}){1,4}|([0-9a-fA-F]{1,4}:){1,2}(:[0-9a-fA-F]{1,4}){1,5}|[0-9a-fA-F]{1,4}:((:[0-9a-fA-F]{1,4}){1,6})|:((:[0-9a-fA-F]{1,4}){1,7}|:)|fe80:(:[0-9a-fA-F]{0,4}){0,4}%[0-9a-zA-Z]{1,}|::(ffff(:0{1,4}){0,1}:){0,1}((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])|([0-9a-fA-F]{1,4}:){1,4}:((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9]))
12. 檢查URL的前綴
應用開發中很多時候需要區分請求是HTTPS還是HTTP，通過下面的表達式可以取出一個url的前綴然後再邏輯判斷。
if (!s.match(/^[a-zA-Z]+:\\\\/\\\\//))
{
s = 'http://' + s;
}
13. 提取URL鏈接
下面的這個表達式可以篩選出一段文本中的URL。
^(f|ht){1}(tp|tps):\\\\/\\\\/([\\\\w-]+\\\\.)+[\\\\w-]+(\\\\/[\\\\w- ./?%&=]*)?
14. 文件路徑及擴展名校驗
驗證windows下文件路徑和擴展名（下面的例子中為.txt文件）
^([a-zA-Z]\\\\:|\\\\\\\\)\\\\\\\\([^\\\\\\\\]+\\\\\\\\)*[^\\\\/:*?"<>|]+\\\\.txt(l)?$
15. 提取Color Hex Codes
有時需要抽取網頁中的顏色代碼，可以使用下面的表達式
^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$
16. 提取網頁圖片
假若你想提取網頁中所有圖片信息，可以利用下面的表達式。
\\\\< *[img][^\\\\\\\\>]*[src] *= *[\\\\"\\\\']{0,1}([^\\\\"\\\\'\\\\ >]*)
17. 提取頁面超鏈接
提取html中的超鏈接。
(
18. 查找CSS屬性
通過下面的表達式，可以搜索到相匹配的CSS屬性。
^\\\\s*[a-zA-Z\\\\-]+\\\\s*[:]{1}\\\\s[a-zA-Z0-9\\\\s.#]+[;]{1}
19. 抽取註釋
如果你需要移除HMTL中的註釋，可以使用如下的表達式。
20. 匹配HTML標籤
通過下面的表達式可以匹配出HTML中的標籤屬性。
\\\\s]+))?)+\\\\s*|\\\\s*)\\\\/?>
正則表達式 - 在程序語言中的應用示例（C#版）
using System;
using System.Text.RegularExpressions;
public class RegexTest
{
public static void RunTest()
{
int counter;
Match m;
CaptureCollection cc;
GroupCollection gc;
Regex r = new Regex("(Abc)+"); //查找"Abc"
m = r.Match("XYZAbcAbcAbcXYZAbcAb"); //設定要查找的字符串
gc = m.Groups;
//輸出查找組的數目
Console.WriteLine("Captured groups = " + gc.Count.ToString());
// Loop through each group.
for (int i=0; i < gc.Count; i++) //查找每一個組
{
cc = gc[i].Captures;
counter = cc.Count;
Console.WriteLine("Captures count = " + counter.ToString());
for (int ii = 0; ii < counter; ii++)
{
// Print capture and position.
Console.WriteLine(cc[ii] + " Starts at character " +
cc[ii].Index); //輸入捕獲位置
}
}
}
public static void Main() {
RunTest();
}
}
此例返回下面的輸出結果：
Captured groups = 2
Captures count = 1
AbcAbcAbc Starts at character 3
Captures count = 3
Abc Starts at character 3
Abc Starts at character 6
Abc Starts at character 9
附錄：正則表達式 - 驗證類應用合集
正則基礎圖
1.驗證用戶名和密碼：（"^[a-zA-Z]\\w{5,15}$"）正確格式："[A-Z][a-z]_[0-9]"組成,並且第一個字必須為字母6~16位；
2.驗證電話號碼：（"^(\\d{3,4}-)\\d{7,8}$"）正確格式：xxx/xxxx-xxxxxxx/xxxxxxxx；
3.驗證手機號碼："^1[3|4|5|7|8][0-9]{9}$"；
4.驗證身份證號（15位）："\\d{14}[[0-9],0-9xX]"，（18位）："\\d{17}[[0-9],0-9xX]"；
5.驗證Email地址：("^\\w+([-+.]\\w+)*@\\w+([-.]\\w+)*\\.\\w+([-.]\\w+)*$")；
6.只能輸入由數字和26個英文字母組成的字符串：("^[A-Za-z0-9]+$")；
7.整數或者小數：^[0-9]+([.][0-9]+){0,1}$
8.只能輸入數字："^[0-9]*$"。
9.只能輸入n位的數字："^\\d{n}$"。
10.只能輸入至少n位的數字："^\\d{n,}$"。
11.只能輸入m~n位的數字："^\\d{m,n}$"。
12.只能輸入零和非零開頭的數字："^(0|[1-9][0-9]*)$"。
13.只能輸入有兩位小數的正實數："^[0-9]+(\\.[0-9]{2})?$"。
14.只能輸入有1~3位小數的正實數："^[0-9]+(\\.[0-9]{1,3})?$"。
15.只能輸入非零的正整數："^\\+?[1-9][0-9]*$"。
16.只能輸入非零的負整數："^\\-[1-9][0-9]*$"。
17.只能輸入長度為3的字符："^.{3}$"。
18.只能輸入由26個英文字母組成的字符串："^[A-Za-z]+$"。
19.只能輸入由26個大寫英文字母組成的字符串："^[A-Z]+$"。
20.只能輸入由26個小寫英文字母組成的字符串："^[a-z]+$"。
21.驗證是否含有^%&',;=?$\\"等字符："[%&',;=?$\\\\^]+"。
22.只能輸入漢字："^[\\\\u4e00-\\\\u9fa5]{0,}$"。
23.驗證URL："^http://([\\w-]+\\.)+[\\w-]+(/[\\w-./?%&=]*)?$"。
24.驗證一年的12個月："^(0?[1-9]|1[0-2])$"正確格式為："01"～"09"和"10"～"12"。
25.驗證一個月的31天："^((0?[1-9])|((1|2)[0-9])|30|31)$"正確格式為；"01"～"09"、"10"～"29"和“30”~“31”。
26.獲取日期正則表達式：\\\\d{4}[年|\\-|\\.]\\d{\\1-\\12}[月|\\-|\\.]\\d{\\1-\\31}日?
評註：可用來匹配大多數年月日信息。
27.匹配雙字節字符(包括漢字在內)：[^\\\\x00-\\\\xff]
評註：可以用來計算字符串的長度（一個雙字節字符長度計2，ASCII字符計1）
28.匹配空白行的正則表達式：\\n\\s*\\r
評註：可以用來刪除空白行
29.匹配HTML標記的正則表達式：]*>.*?>|<./>
評註：網上流傳的版本太糟糕，上面這個也僅僅能匹配部分，對於複雜的嵌套標記依舊無能為力
30.匹配首尾空白字符的正則表達式：^\\s*|\\s*$
評註：可以用來刪除行首行尾的空白字符(包括空格、製表符、換頁符等等)，非常有用的表達式
31.匹配網址URL的正則表達式：[a-zA-z]+://[^\\s]*
評註：網上流傳的版本功能很有限，上面這個基本可以滿足需求
32.匹配帳號是否合法(字母開頭，允許5-16字節，允許字母數字下劃線)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
評註：表單驗證時很實用
33.匹配騰訊QQ號：[1-9][0-9]{4,}
評註：騰訊QQ號從10 000 開始
34.匹配中國郵政編碼：[1-9]\\\\d{5}(?!\\d)
評註：中國郵政編碼為6位數字
35.匹配ip地址：([1-9]{1,3}\\.){3}[1-9]。
評註：提取ip地址時有用
36.匹配MAC地址：([A-Fa-f0-9]{2}\\:){5}[A-Fa-f0-9]
即便某種語言強大如c哪天被淘汰了，正則表達式也不會被淘汰，收藏本篇，日後或用得著。
以上是基本的正則參考資料，具體應用，還需結合您遇到的情況活學活用，如果您在實踐中碰到正則方面的難題，可以在此留言，我將一一回復。
如果您覺得有用，請點贊，您的轉發與評論支持是我繼續寫下去的最大動力，感謝您，十年來，一路陪伴0460！
閱讀更多 每日休閒驛站 的文章
