关于正则表达式

正则表达式，regular expression，简写为 regex。

一组有一些相同特征的字符串可以用正则表达式简洁地表示出来。也就是说，正则表达式是用来简洁地表示一组字符串的表达式。

正则表达式的作用：

• 表达一组字符串的特征。
• 同时查找或替换一组字符串。
• 字符串匹配。

元字符

元字符一览表

点运算符 .

. 可以匹配除换行符以外的任意字符。

如果用 \ 将 . 转义，或将 . 写在 [] 内，. 会变成普通字符，只能匹配英文句号。

字符集 [] 和否定字符集 [^]

字符集也叫做字符类，方括号用来指定一个字符集。

字符集有两种写法：[aeiou]、[a-z]，后一种写法表示从 a 到 z 的任意字符。

在方括号开始处加上 ^ 元字符，该字符集会变为否定字符集，如：[^aeiou]。

重复次数

1. {n,m}：匹配前面的字符 n 到 m 次。如果省略 m，表示匹配前面的字符 n 到无穷次，如：{0,}；如果逗号也省略掉则表示重复固定的次数，如：{3} 表示重复三次。
2. * 号：匹配指定表达式 >=0 次，等价于 {0,}
3. + 号：匹配指定表达式 >=1 次，等价于 {1,}
4. ? 号：匹配指定表达式 0 次或 1 次，等价于 {0,1}

(...) 特征标群

特征标群是一组写在 () 中的子模式。

使用特征标群将字符组合起来以后，元字符可以作用在整个特征标群上。如：(abc){5} 会匹配 abc 重复 5 次。

或运算符 |

与其他元字符不同的是，其他元字符往往以一个字符为单位，而或运算符以一个字符串为单位，直到字符串结束或遇到 ()。

如：abcd|efgh 匹配 abcd 或 efgh。

我们经常使用 () 来限制或运算符的作用范围，如：(a|b)cd 匹配 acd 或 bcd。

转义符号 \

使用 \ 可以将元字符转义为普通字符，或将某些普通字符转义为简写字符集。

锚点

在正则表达式中，想要匹配指定开头或结尾的字符串就要使用到锚点。^ 指定开头，$ 指定结尾。

例如 ^(T|t)he 只能匹配字符串开头的 The 或 the，(T|t)he$ 只能匹配字符串结尾的 The 或 the。

简写字符集

正则表达式提供了一些常用的字符集简写，如下：

零宽度断言（前后预查）

断言的作用与种类

先行断言用于判断所匹配的格式是否在另一个确定的格式之前，匹配结果不包含该确定格式；相对的，后发断言用于判断所匹配的格式是否在另一个确定的格式之后。

例如，如果想要获得所有跟在 $ 符号后的数字，可以使用正后发断言 (?<=\$)[0-9\.]*。这个表达式匹配 $ 开头，之后跟着 0,1,2,3,4,5,6,7,8,9,.，这些字符可以出现大于等于 0 次。

零宽度断言有如下几种：

正先行断言

?=... 正先行断言，表示第一部分表达式之后必须跟着 ?=...定义的表达式。

返回结果只包含满足匹配条件的第一部分表达式。定义一个正先行断言要使用 ()。在括号内部使用一个问号和等号：(?=...)

正先行断言的内容写在括号中的等号后面。例如，表达式 (T|t)he(?=\sfat) 匹配 The 和 the，在括号中又定义了正先行断言 (?=\sfat)，即 The 和 the 后面紧跟着 (空格)fat

(T|t)he(?=\sfat) —> The fat cat sat on the mat.

负先行断言

负先行断言 ?! 用于筛选所有匹配结果，筛选条件为 其后不跟随着断言中定义的格式。负先行断言定义和正先行断言一样，区别就是 = 替换成 ! 也就是 (?!...)

表达式 (T|t)he(?!\sfat) 匹配 The 和 the，且其后不跟着 (空格)fat：

(T|t)he(?!\sfat) —> The fat cat sat on the mat.

正后发断言

正后发断言记作(?<=...)，用于筛选所有匹配结果，筛选条件为其前跟随着断言中定义的格式。例如，表达式 (?<=(T|t)he\s)(fat|mat) 匹配 fat 和 mat，且其前跟着 The 或 the

(?<=(T|t)he\s)(fat|mat) —> The fat cat sat on the mat.

负后发断言

负后发断言记作 (?<!...)，用于筛选所有匹配结果，筛选条件为其前不跟随着断言中定义的格式。例如，表达式 (?<!(T|t)he\s)(cat) 匹配 cat，且其前不跟着 The 或 the

(?<!(T|t)he\s)(cat) —> The cat sat on cat.

贪婪匹配与惰性匹配

正则表达式默认采用贪婪匹配模式，在该模式下意味着会匹配尽可能长的子串，而惰性匹配则是匹配尽可能短的子串。

如对于字符串 <div>some words</div> 来说，<.*> 会匹配整个字符串，因为默认贪婪匹配。

在表示重复次数的元字符后面加上一个 ? 会启用惰性匹配模式，如：

1. ? —> ??
2. * —> *?
3. + —> +?
4. {1,} —> {1,}?

所以，对于上面的字符串，<.*?> 的匹配结果是 <div>。

标志

常用正则表达式

正则表达式合集：

一组匹配中国大陆手机号码的正则表达式：

Reference