正则表达式

概述：

• 就是一套规则，一种匹配模式，要么匹配字符，要么匹配位置。
• 正则表达式是专门解决字符串规则匹配的工具。
• 正则表达式也是一个字符串，用来定义匹配规则。
• 参照帮助文档，在Pattern类中有简单的规则定义，可以结合字符串类的方法使用。

正则表达式的匹配规则：

正则表达式中明确区分大小写字母。

正则表达式速查手册

字符	描述	举例
字符类：
^ $	代表正则的头和尾
x	代表的是字符’x’	匹配规则为”a”，那么需要匹配的字符串内容就是”a”
*\*	代表的是反斜线字符’\‘	匹配规则为”\“ ，那么需要匹配的字符串内容就是”\“
a|b	匹配a或b	匹配规则为”z|food”能匹配”z”或”food”。”(z|f)ood”则匹配”zood”或”food”
[abc]	代表的是字符a、b或c	匹配规则为”[abc]” ，那么需要匹配的内容就是字符a，或者字符b，或字符c的一个
[^abc]	代表的是除了a、b或c以外的任何字符	匹配规则为”[^abc]”，那么需要匹配的内容就是不是字符a，或者不是字符b，或不是字符c的任意一个字符
[a-zA-Z]	代表的是a到z或A到Z，两头的字母包括在内	匹配规则为”[a-zA-Z]”，那么需要匹配的是一个大写或者小写字母
[0-9]	代表的是0到9数字，两头的数字包括在内	匹配规则为”[0-9]”，那么需要匹配的是一个数字
[a-zA-Z_0-9]	代表的字母或者数字或者下划线(即单词字符)	匹配规则为”[a-zA-Z_0-9]”，那么需要匹配的是一个字母或者是一个数字或一个下滑线
预定义字符类：
.	代表的是任何字符,表示几乎任意字符。换行符、回车符、行分隔符和段分隔符除外	匹配规则为”.”，那么需要匹配的是一个任意字符。如果，就想使用.的话，使用匹配规则”\.”来实现
\d 等价于 [0-9]	代表的是0到9数字，两头的数字包括在内	匹配规则为”\d”，那么需要匹配的是一个数字
\D 等价于 [^0-9]	代表的是除了数字外的任意字符	匹配规则为”\D”，那么需要匹配的是一个非数字字符
\w 等价于 [a-zA-Z_0-9]	代表的字母或者数字或者下划线(即单词字符)	匹配规则为”\w”，那么需要匹配的是一个字母或者是一个数字或一个下滑线
\W 等价于 [^a-zA-Z_0-9]	代表的非字母并且非数字并且非下划线(即非单词字符)	匹配规则为”\W”，那么需要匹配的是一个非字母并且非数字并且非下滑线的字符
\s 等价于 [\t\v\n\r\f]	代表的是空格、水平制表符、垂直制表符、换行符、回车符、换页符(即空白符)	匹配规则为”\s”，那么需要匹配是一个空白符
\S 等价于 [^\t\v\n\r\f]	代表的是匹配非空白符	匹配规则为”\S”，那么需要匹配是一个非空白符
\b	匹配一个单词边界，也就是指单词和空格间的位置	匹配规则为”er\b”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	匹配规则为”er\B”能匹配”verb”中的”er”，但不能匹配”never”中的”er”
\f、\n、\r、\t、\v	分别对应匹配一个换页符、换行符、回车符、制表符、垂直制表符
\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	匹配规则为”\x41”匹配”A”。”\x041”则等价于”\x04&1”。正则表达式中可以使用ASCII编码
\num	匹配num，其中num是一个正整数。对所获取的匹配的引用。	匹配规则为”(.)\1”匹配两个连续的相同字符
\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	匹配规则为”\u00A9”匹配版权符号（©）
量词：
X? 等价于 {0,1}	代表的是X出现一次或一次也没有	匹配规则为”a?”，那么需要匹配的内容是一个字符a，或者一个a都没有
X* 等价于 {0,}	代表的是X出现零次或多次	匹配规则为”a*” ，那么需要匹配的内容是多个字符a，或者一个a都没有
X+ 等价于 {0,1}	代表的是X出现一次或多次	匹配规则为”a+”，那么需要匹配的内容是多个字符a，或者一个a
X{n}	代表的是X出现恰好n次	匹配规则为”a{5}”，那么需要匹配的内容是5个字符a
X{n,}	代表的是X出现至少n次	匹配规则为”a{5,}”，那么需要匹配的内容是最少有5个字符a
X{n,m}	代表的是X出现至少n次，但是不超过m次	匹配规则为”a{5,8}”，那么需要匹配的内容是有5个字符a到8个字符a之间
其他模式：
(pattern)	匹配pattern并获取这一匹配。所获取的匹配可以使用$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
(?=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	匹配规则为”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	匹配规则为”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	匹配规则为”(?<=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	匹配规则为”(?<!95|98|NT|2000)Windows”能匹配”3.1Windows”中的”Windows”，但不能匹配”2000Windows”中的”Windows”

正则表达式中需要转义的字符

• $:匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则$也匹配'\n'或'\r'。要匹配$字符本身，请使用\$。
• ( ):标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用\(、\)。
• *:匹配前面的子表达式零次或多次。要匹配*字符，请使用\*。
• +:匹配前面的子表达式一次或多次。要匹配+字符，请使用\+。
• .:匹配除换行符\n之外的任何单字符。要匹配.，请使用\.。
• [ ]:标记一个中括号表达式的开始。要匹配[ ]，请使用\[、\]。
• ?:匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配?字符，请使用\?。
• \:将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如，'n'匹配字符'n'。'\n'匹配换行符。序列'\\'匹配\，而'\('则匹配(。
• ^:匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合。要匹配^字符本身，请使用\^。
• { }:标记限定符表达式的开始。要匹配{ }，请使用\{、\}。
• |:指明两项之间的一个选择。要匹配|，请使用\|。

总述一下(14个)：* . ? + $ ^ [ ] ( ) { } | \

常用正则表达式

• 汉字:^[\u4e00-\u9fa5]{0,}$
• 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})$/
• 电子邮箱:/^([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})$/或/^[a-z\d]+(\.[a-z\d]+)*@([\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]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)/或/^(?:(?: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]+$/
• 16进制颜色值(#ffbbad、#Fc01DF、#FFF、#ffE等):/^#([0-9a-fA-F]{6}|[0-9a-fA-F]{3})$/
• 时间(23:59):/^([01][0-9]|[2][0-3]):[0-5][0-9]$/、如果需要省略前面的0则使用/^(0?[0-9]|1[0-9]|[2][0-3]):(0?[0-9]|[1-5][0-9])$/
• 日期(yyyy-mm-dd):/\^[0-9]{4}-(0[1-9]|1[0-2])-(0[1-9]|[12][0-9]|3[01])$/
• window操作系统文件路径:/^[a-zA-Z]:\\([^\\:*<>|"?\r\n/]+\\)*([^\\:*<>|"?\r\n/]+)?$/
  • 要求匹配：
    • F:\study\javascript\regex\regular expression.pdf
    • F:\study\javascript\regex\
    • F:\study\javascript
    • F:\
  • 详细分析：
    • 整体模式是: 盘符:\文件夹\文件夹\文件夹\
    • 其中匹配F:\，需要使用[a-zA-Z]:\\，其中盘符不区分大小写，注意\字符需要转义。
    • 文件名或者文件夹名，不能包含一些特殊字符，此时我们需要排除字符组[^\\:*<>|"?\r\n/]来表示合法字符。另外不能为空名，至少有一个字符，也就是要使用量词+。因此匹配”文件夹"，可用[^\\:*<>|"?\r\n/]+\\。
    • 另外”文件夹"，可以出现任意次。也就是([^\\:*<>|"?\r\n/]+\\)*。其中括号提供子表达式。
    • 路径的最后一部分可以是”文件夹”，没有\，因此需要添加([^\\:*<>|"?\r\n/]+)?。

正则表达式的注意事项：

• 要匹配”a”、”-“、”z”这三者中任意一个字符，不能写成[a-z]，因为其表示小写字符中的任何一个字符。可以写成如下的方式：[-az]或[az-]或[a-z]。即要么放在开头，要么放在结尾，要么转义。总之不会让引擎认为是范围表示法就行了。
• 如果要匹配任意字符怎么办？可以使用[\d\D]、[\w\W]、[\s\S]和[^]中任何的一个。

  String str = "123456";
  boolean flag = str.matches("[1-9][0-9]{4,14}");//判断str是否符合该正则

贪婪匹配和惰性匹配

• 贪婪匹配:
  • /\d{2,5}/，表示数字连续出现2到5次;其是贪婪的，它会尽可能多的匹配。
• 惰性匹配:
  • /\d{2,5}?/表示，虽然2到5次都行，当2个就够的时候，就不在往下尝试了。
• 通过在量词后面加个问号就能实现惰性匹配，因此所有惰性匹配情形如下：
  • {m,n}?
  • {m,}?
  • ??
  • +?
  • *?
  • 对惰性匹配的记忆方式是：量词后面加个问号，问一问你知足了吗，你很贪婪吗？
• 多选分支:|
  • 支持多个子模式任选其一
  • (p1|p2|p3)，其中p1、p2和p3是子模式，用|(管道符)分隔，表示其中任何之一。

匹配位置

• 什么是位置？
  • 位置是相邻字符之间的位置。
• 如何匹配位置呢？
  • 共有6个锚字符：^ $ \b \B (?=p) (?!p)
  • ^(脱字符)匹配开头，在多行匹配中匹配行开头。
  • $(美元符号)匹配结尾，在多行匹配中匹配行结尾。
  • \b是单词边界，具体就是\w和\W之间的位置，也包括\w和^之间的位置，也包括\w和$之间的位置。
  • \B就是\b的反面的意思，非单词边界。例如在字符串中所有位置中，扣掉\b，剩下的都是\B的。
    • 具体说来就是\w与\w、\W与\W、^与\W，\W与$之间的位置。
  • (?=p)，其中p是一个子模式，即p前面的位置。
  • 而(?!p)就是(?=p)的反面意思

附录

常用正则表达式最强整理（速查手册）