当前位置：网站首页>正则表达式

正则表达式

2022-07-03 12:22:00 【Jiutwo】

基本字符

[] ：用于自定义范围集，可指定字符、字符区间、或固定范围集

表达式	描述
`[abc]`	任意范围字符集。匹配集合中所含的任意单个字符。
`[^abc]`	排除范围字符集。匹配任何不在集合中的字符。
`[a-z]`	字符范围。匹配指定范围内的任意单个字符。
`.`	匹配除换行符以外的任何单个字符，包括本身。
`\`	转义字符。用于表示特殊字符，如：`^-[]$/` 等字符
`\w`	匹配任何字母、数字、下划线中的任意单个字符（等价于`[A-Za-z0-9_]`）。
`\W`	`\W` 表示`\w`之外的字符，等价于`[^A-Za-z0-9_]`）。
`\d`	数字。匹配0-9任何数字。
`\D`	非数字。匹配任何非数字字符。
`\s`	空白。匹配任何空白字符，包括空格、制表符、换行。
`\S`	非空白字符。匹配任何非空白字符。

多个字符集可以组合在一起，形成一个更大的字符集，如：[\d\s]

逻辑控制符

在正则表达式中也有逻辑计算符，例如正则 Hi ，表示第一个字符等于H并且第二个字符等于i,它们是默认的&&计算。如果要表达或的关系，就在中间加一个| ，如H|i表示等于H或等于i。

正则中的逻辑控制符只有以下三组：

逻辑符	描述
`	` 或
`()` 子表达示	用于独立计算括号中的内容，支持嵌套。如：`(张
`{}` 数量控制	对字符或字表达的数量范围进行限定。如：`张.{1,3}` 表示“张”后面只能跟1到3个任意字符。

注意：正则中不存在异或( ^ )逻辑

说明：| 在类Unix系统中使用问题

由于 | 在类Unix系统中是特殊字符，当你使用grep或 vim 进行正则搜索时，必须进行转义。在类Unix系统使用正则搜索正确姿势是：
# grep 使用正则
grep '401\|403\|404\|500' nginx.access.log

# 在vim 中输入/ 开始正则搜索，同样|需要转义
/401\|403\|404\|500

子表达式

子表达示支持嵌套，如：(www|mvn|test-(bj|sz|gz|sh)).coderead.cn 表示 test子域名又可继续拆分为test-bj、test-sz、test-sh、test-gz。

子表达示也可用于分组引用。

数量控制

量词：即正则表达式中用于范围控制的符号，如 * + ？ {m}

数量控制作用于字符或子表达示，已限制其数量范围。\d{6}表示必须是6位数字。请注意：一个{}仅作用于其前面的单个字符如：hi{2} 表示hii,而不是hihi。

量词 * + ? 实际就是对使用 {} 进行数量控制的一个简写

表达式	描述
`?`	匹配前面的表达式0个或1个。即表示可选项。相当于{0,1}
`+`	匹配前面的表达式至少1个。
`*`	匹配前面的表达式0个或多个。
`{m}`	匹配前面的表达式m个。
`{m,}`	匹配前面的表达式最少m个。
`{m,n}`	匹配前面的表达式最少m个，最多n个。

Q：如何限制文本的长度范围？

A：例如限制密码的长度为6~20位：^.{6,20}$

注意：? 用于量词后面可以表示最少化匹配的意思（懒惰匹配）

下面举例说明 ? 的使用场景，下文中包括几对标签？

<span>hello</span>  <span>uncle</span>

按照一般的思维肯定是两对标签，但是实际上有3对，因为对于整个文本来说还有一对 hello...uncle 。

如图所示，如果使用正则表达式 .* 匹配标签，那么将会匹配到最大的hello...uncle标签，而不是像预期的那样匹配到两个小的/标签。

这时候就可以在量词后面加 ?，告诉正则表达式引擎按最少化匹配。

.*? 和 .* 的区别可以这样理解，两个正则都是以  开头，中间为任何内容，直到遇到。但.*非常“勤奋”，就算遇到了一个，还会继续向后查看是否还有，后面又找到了一个，就以最后找到的为准。而.*?就比较“懒惰”，遇到第一个就直接匹配为一对标签，然后就去查找下一对 标签了。

分组、引用和替换

表达式	描述
`(expression)`	分组。匹配括号里的整个表达式。
`(?:expression)`	非捕获分组。匹配括号里的整个字符串但不获取匹配结果，拿不到分组引用。
`\num`	对前面所匹配分组的引用。比如`(\d)\1`可以匹配两个相同的数字，`(Code)(Sheep)\1\2`则可以匹配`CodeSheepCodeSheep`。
`$组号`	替换。替换操作指将正则匹配到的内容，替换成指定字符串，该字符串可通过`$组号`引用组进行拼装。通过`$0`可以引用整个匹配的内容。（`$0`在 Python与Javascript中不支持，使用`$&`代替）

说明：

[] 和 () 的一个需要注意的区别是 [] 只能匹配单个字符，而 () 可以匹配多个字符。

[abc] 匹配 a 和 b 和 c
(abc) 匹配 abc

分组

分组指将匹配的内容，使用( )划分成多个组块，分好的组可用于提取、反向引用以及替换操作。

举例1：在 javascript 中使用分组

// javascript
"小丽生日是2011-11-23".match(/(\d{
    4})-(\d{
    2})-(\d{
    2})/);
// 得出结果如下：
['2011-11-23', '2011', '11', '23']
// 一对括号表示一个分组，从1开始计数

移除分组

()即用于子表达示，同时也是一个分组。如果只想用作子表达示，而不想用于分组就可以使用(?: )从分组列表中移除。比如(?:\d{4})-(\d{2})-(\d{2}) 该表达示只存在两个组，月$1和日$2。

嵌套分组

在嵌套分组中组号是如何命名的呢？比如：生日((\d{4})-(\d{2})(\d{2})) 其组号的命名顺序是以开括号出现顺序为准。

分组+量词

同一个分组如果使用了量词，该分组会代表多个值，这时通过$组号去提取值的时候会得到该组最后匹配的值。如 (\d)+ 匹配12345，通过 $1 将得到 5

反向引用

反向引用：指在表达示中通过\组号引用之前的分组，但是不能够引用之后的内容。

举例2：在正则中引用分组，匹配html中的所有标题内容

文本内容如下

<h1>一级标题</h1>
<h2>二级标题</h2>

如果不使用分组，可以按照如下方式匹配，但是这样非常繁琐。

<h1>.*?<\/h1>|<h2>.*?<\/h2>

通过反向引用可以简化正则表达式

<(h[1-2])>.*?<\/\1>

引用替换

引用替换：正则有着强大的替换能力，比如匹配文本中所有空行，然后替换为空（删除）；或者匹配所有的注释，然后替换为空；或者匹配普通文本中的所有http链接，然后替换为<a>标签；或者将文本替换为 insert sql 语句。

举例3：将下文中所有日期替换成yyyy-MM-dd 格式

实现替换的步骤如下：

写出匹配日期的正则：\d{4}[-.\/]\d{2}[-.\/]\d{2}
对日期年、月、日进行分组：(\d{4})[-.\/](\d{2})[-.\/](\d{2})
在替换字符中引用分组：$1-$2-$3

替换后的结果

大小写转化

在Idea、VS Code、Sublime、Notepad++等工具进行替换操作时，还可以使用下表中操作符进行大小写转换，但是在编程语言中是不支持的。

操作符	描述
\u 单个转大写	转换下一个字符为大写
\U 全部转大写	转换`\U`后所有字符转大写
\U…\E 区间转大写	`\U`与`\E`区间的内容转大写
\l 单个转小写	转换一下个字符为小写
\L 全部转小写	转换`\L`后所有字符转小写
\L…\E 区间转小写	`\L`与`\U`区间的内容转小写

具体使用方法是：在替换字符串中加入转换操作符。

举例：把单词首字母转成大写

编写匹配正则：\w+
首字母转大写并替换：\u$0

转换后的结果为：Hello World!

边界断言

边界断言：指一段表达示前后是否满足指定条件，该条件由一个子表达式组成，基于前后字符能否匹配来计算布尔值。因断言部分不会消耗匹配字符，固又称为零宽断言。

边界断言让正则有了条件判断的能力，功能更加强大。

特殊边界断言

表达式	描述
`^`	匹配断言文本或行开头。
`$`	匹配断言文本或行结尾。
`\b`	匹配断言单词的开头或结尾。比如`Sheep\b`可以匹配`CodeSheep`末尾的`Sheep`，不能匹配`CodeSheepCode`中的`Sheep`。
`\B`	匹配非单词边界或结尾。比如`Code\B`可以匹配`HelloCodeSheep`中的`Code`，不能匹配`HelloCode`中的`Code`。
`\A` 文本开头	断言文本开头。JavaScript 不支持
`\Z` 文本结尾	断言文本结尾。JavaScript 不支持

说明：
^ 和 $ 配合边界/m使用表示每一行的开头和结尾，否则表示的是整个文本的开头和结尾。被m修饰后，^表示行的开头，等价于(?<=\n|\A)，被m修饰后，$表示行的结尾,等价于(?=\n|\Z)。
\b 单词边界本质上还是一个边界断言，符合边界断言的特性。\b断言单词的前后是一个\W字符，或是一个其它边界（行边界，文本边界）
\bhello\b 等价于 (?<=^|\W|\A)Hello(?=$|\W|\Z)

边界断言语法

表达式	描述
`(?=)`	前置断言，判定一段表达式前面是否满足条件。比如`Code(?=Sheep)`能匹配`CodeSheep`中的`Code`，但不能匹配`CodePig`中的`Code`。
`(?!)`	前置否定断言，判定一段表达式前面是否不满足条件。比如`Code(?!Sheep)`不能匹配`CodeSheep`中的`Code`，但能匹配`CodePig`中的`Code`。
`(?<=)`	后置断言，判定一段表达式后面是否满足条件。比如`(?<=Code)Sheep`能匹配`CodeSheep`中的`Sheep`，但不能匹配`ReadSheep`中的`Sheep`。
`(?<!)`	后置否定断言，判定一段表达示后面是否不满足条件。比如`(?<!Code)Sheep`不能匹配`CodeSheep`中的`Sheep`，但能匹配`ReadSheep`中的`Sheep`。

说明：所谓前置后置是以表达式为中心，边界断言位于表达式的前面（左边）和后面（右边）
例如：(?<=身高)\d{3}(?=cm) 中 (?<=身高)为后置断言(表达式后面)，(?=cm)为前置断言。

注意：后置断言在javascript中只有部分浏览器支持。另外后置断言非常消耗性能，所以不推荐使用无限大的量词如：*+{n,}。甚至在JAVA、Python、PHP会直接报语法错误。

高级特性

零宽断言：断言条件本身不会消耗字符
**多边界断言:**一个正则可同时存在多个边界断言。根据其所处位置来决定断言的边界。
条件组合:多个子断言可以进行布尔运算如：&&||()，
任意边界：可以是任意合法的表达式边界，甚至可以是空字符边界。

高级特性之条件组合

边界条件本质上就是布尔值计算，其自然可以进行类似&&||()布尔运算，以应对更复杂的场景。其书写方式有以几种：

h(?=条件1)(?=条件2)且运算,指必须同时满足多个条件
h(?=(?=条件1)(?=条件2))且运算,条件1与条件2组成一个新条件,并且两个条件都必须满足
h(?=(?=条件1)|(?!条件2))或运算,满足条件1或者 不满足 条件2
h(?=表达式1|(?=条件1)(?!条件2))混合运算,表示满足表达式1或者同时满足条件1、2

上述条件组合在后置断言中同样适用，而且没有额外的兼容性问题。另外上述任意条件都是基于同一个边界进行计算，即字符h

修饰符

修饰符用于影响表达式的匹配逻辑。

表达式	描述
`/.../i`	忽略大小写。（… 表示正则表达式）
`/.../g`	全局匹配。默认只会匹配一个结果，加上 `g` 后会匹配全部可匹配结果
`/.../m`	行边界修饰符。用于多行匹配。
`/.../s`	使用此修饰符后 `.` 能匹配任意字符，包括换行符。
`/.../x`	书写正则表达式时会忽略空白字符，可以多行书写，并可以使用#进行注释说明。JavaScript 不支持