需要许多行语句才能完成的任务，基本上只需要一个正则表达式，一条语句就可以完成。正因为如此，不少人虽然认为正则表达式不够花哨、漂亮，却不得不承认它是一种“匕首应用”——匕首，没有十八般兵刃那么大方，关键时候却不可或缺，所以值得花时间练练。

正则表达式发源于与计算机密切相关的两个领域：计算理论和形式语言。

UNIX 下的文本编辑器ed最终演化为 grep（grep 得名自 ed 编辑器中的正则表达式搜索命令 g/re/p,其中 re 表示“正则表达式”)

正则表达式可以极大地提高代码的重用度和执行效率。如果完全不使用正则表达式，代码量会增加数倍甚至十倍。

除了 web 开发领域，需要实现大量自动化功能的一些领域，例如运维领域和自动化测试领域，也是正则表达式大显身手的地方。

“面向对象”是“广义相对论”，而“正则表达式”则是“量子力学”

经常需要处理文本的程序员自然会知道正则表达式的价值。

第一部分

第一章 字符组(character set)

字符组就是一组字符，在正则表达式中，表示“在同一个位置可能出现的各种字符”，其写法是在一对方括号[ 和 ] 之间列出所有可能出现的字符，简单的字符组比如 [ab]、[314]、[#.?]

.NET C# 
// 匹配：true    不匹配：false 
Regex.IsMatch(charStr, "[0123456789]");
Java
// 匹配：true     不匹配：false 
charStr.matches("[0123456789]");
JavaScript
// 匹配：true   不匹配：false 
/[0123456789]/.test(charStr);
PHP
// 匹配：1    不匹配：0 
preg_match("/[0123456789]/", charStr);
Python
#  匹配：RegexObject   不匹配：None 
re.search("[0123456789]", charStr)
Ruby
#  匹配：0    不匹配：nil 
charStr =~ /[0123456789]/

# 导入正则表达式对应的包           
import re
re.search(pattern, string)

^：定位到字符串的起始位置
$：定位到字符串的结束位置

字符组中的字符排列顺序并不影响字符组的功能，出现重复字符也不会影响
范围表示法：-表示范围，一般是根据字符对应的码值来确定的，码值小的字符在前，码值大的字符在后。
码值：0～9 是48～57；A～Z是65～90；a~z是97～122；

转义序列：**\x**``_hex_ 表示一个字符，**\x**是固定前缀，表示转义序列的开头，num 是字符对应的码值(Code Point)

可以表示一些难以输入或者难以显示的字符，

元字符：-``[``]``^``$ 在匹配中有特殊的意义。但是有时候并不需要表示这些特殊的意义，就必须通过转义来实现

-：如果紧邻字符组中的开方括号[，那么它就是普通字符，其它情况下都是元字符

正则表达式中的每个反斜线字符\，必须转义成 \\。例如[0\-9]需要表示成[0\\-9]

原生字符串(Row String)：正则表达式是怎样，原生字符串就是怎样，完全不需要考虑正则表达式之外的转义(只有双引号字符是例外，原生字符串内的双引号字符必须转义写成\"。表达形式：r"string"

r"^[0\-9]$" == "^[0\\-9]$  # true

只希望匹配字符串[012],写成[012]会被识别成字符组，因此需要转义[012]，注意只有开方括号需要转义，闭方括号不需要转义。

排除型字符组(Negated Character Class)：在当前位置，匹配一个没有列出的字符。表达式：[^...]

• 排除型字符组必须匹配一个字符，即“在当前位置，匹配一个没有列出的字符”，而不是“在当前位置不要匹配列出的字符，即使不出现任何字符也可以”
• ^仅在它紧跟在{之后时是一个元字符，如果不让它紧挨着，就表示“这个字符组中可以出现^字符”

字符组简记法(shorthands)：

流派：
PCRE: Per Compatible Regular Expression
POSIX: Portable Operating System Interface for unix

第二章 量词

{m,n}: m 是下限，n是上限，均为闭区间。如果不确定长度的上限，可以省略，只指定下限，写成\d{m,}。量词限定次数一般都有明确下限，如果没有，则默认为0.最好使用{0,n}

量词简记法：

分支条件

使用分枝条件时，要注意各个条件的顺序。如果你把它改成\d{5}|\d{5}-\d{4}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。

分组

用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了，你也可以对子表达式进行其它一些操作

((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) # 匹配 IP 地址

每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

常用分组语法

反向引用

用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本

贪婪与懒惰

贪婪：匹配尽可能多的字符。
懒惰：匹配尽可能少的字符。在限定符后面添加一个？
正则表达式有另一条规则，比懒惰／贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权

修饰符

• u 修饰符：用于处理 4 个字节的 UTF-16 编码。点(.)字符可以匹配除换行符以外的任意单个字符(对于码点大于0xFFFF的Unicode字符，必须加上u才能识别)。
• y 修饰符：y 修饰符与 g 修饰符类似，也是全局匹配，后一次匹配都是从上一次匹配成功的下一个位置开始。不同之处在于，g 修饰符只要剩余位置中存在匹配就行，而 y 修饰符会确保匹配必须从剩余的第一个位置开始，即“sticky”
• s 修饰符：忽略行终止符，匹配任意单个字符。比点(.)字符匹配范围广，因此称作dotAll模式
• m修饰符：多行修饰符

ES6 RegExp 的属性

• sticky：是否设置了 y 修饰符
• dotAll: 是否设置了 s 修饰符

  经典匹配

  | 正则表达式 | <(\S?)[^>]>.?</\1>|<.? /> | | —- | —- | | 匹配 | hello|abcd | | 不匹配 | abc|123|ddd |

正则表达式	<[a-zA-Z]+(\s+[a-zA-Z]+\s=\s(“([^”])”|’([^’])’))\s/>
匹配
不匹配	|

一、校验数字的表达式

1 数字：^[0-9]$
2 n位的数字：^\d{n}$
3 至少n位的数字：^\d{n,}$
4 m-n位的数字：^\d{m,n}$
5 零和非零开头的数字：^(0|[1-9][0-9])$
6 非零开头的最多带两位小数的数字：^([1-9][0-9])+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数：^(-)?\d+(.\d{1,2})?$
8 正数、负数、和小数：^(-|+)?\d+(.\d+)?$
9 有两位小数的正实数：^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数：^[1-9]\d$ 或 ^([1-9][0-9]){1,3}$ 或 ^+?[1-9][0-9]$
12 非零的负整数：^-[1-9][]0-9”$ 或 ^-[1-9]\d$
13 非负整数：^\d+$ 或 ^[1-9]\d|0$
14 非正整数：^-[1-9]\d|0$ 或 ^((-\d+)|(0+))$
15 非负浮点数：^\d+(.\d+)?$ 或 ^[1-9]\d.\d|0.\d[1-9]\d|0?.0+|0$
16 非正浮点数：^((-\d+(.\d+)?)|(0+(.0+)?))$ 或 ^(-([1-9]\d.\d|0.\d[1-9]\d))|0?.0+|0$
17 正浮点数：^[1-9]\d.\d|0.\d[1-9]\d$ 或 ^(([0-9]+.[0-9][1-9][0-9])|([0-9][1-9][0-9].[0-9]+)|([0-9][1-9][0-9]))$
18 负浮点数：^-([1-9]\d.\d|0.\d[1-9]\d)$ 或 ^(-(([0-9]+.[0-9][1-9][0-9])|([0-9][1-9][0-9].[0-9]+)|([0-9][1-9][0-9])))$
19 浮点数：^(-?\d+)(.\d+)?$ 或 ^-?([1-9]\d.\d|0.\d[1-9]\d|0?.0+|0)$
二、校验字符的表达式
1 汉字：^[\u4e00-\u9fa5]{0,}$
2 英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3 长度为3-20的所有字符：^.{3,20}$
4 由26个英文字母组成的字符串：^[A-Za-z]+$
5 由26个大写英文字母组成的字符串：^[A-Z]+$
6 由26个小写英文字母组成的字符串：^[a-z]+$
7 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
8 由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$
9 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9]+$
10 中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
11 可以输入含有^%&’,;=?$\”等字符：[^%&’,;=?$\x22]+
12 禁止输入含有~的字符：[^~\x22]+
三、特殊需求表达式
1 Email地址：^\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)$
2 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL：[a-zA-z]+://[^\s] 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
4 手机号码：^(13[0-9]|14[0-9]|15[0-9]|16[0-9]|17[0-9]|18[0-9]|19[0-9])\d{8}$ (由于工信部放号段不定时，所以建议使用泛解析 ^([1][3,4,5,6,7,8,9])\d{9}$) 5 电话号码(“XXX-XXXXXXX”、”XXXX-XXXXXXXX”、”XXX-XXXXXXX”、”XXX-XXXXXXXX”、”XXXXXXX”和”XXXXXXXX)：^((\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
7 18位身份证号码(数字、字母x结尾)：^((\d{18})|([0-9x]{18})|([0-9X]{18}))$
8 帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9]{4,15}$
9 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$
10 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间)：^(?=.\d)(?=.[a-z])(?=.[A-Z]).{8,10}$
11 日期格式：^\d{4}-\d{1,2}-\d{1,2}
12 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
13 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
14 钱的输入格式：
15 1.有四种钱的表示形式我们可以接受:”10000.00” 和 “10,000.00”, 和没有 “分” 的 “10000” 和 “10,000”：^[1-9][0-9]$
16 2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符”0”不通过,所以我们采用下面的形式：^(0|[1-9][0-9])$
17 3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9])$
18 4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?$
19 5.必须说明的是,小数点后面至少应该有1位数,所以”10.”是不通过的,但是 “10” 和 “10.2” 是通过的：^[0-9]+(.[0-9]{2})?$
20 6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?$
21 7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})(.[0-9]{1,2})?$
22 8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3}))(.[0-9]{1,2})?$
23 备注：这就是最终结果了,别忘了”+”可以用”“替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
24 xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\.[x|X][m|M][l|L]$
25 中文字符的正则表达式：[\u4e00-\u9fa5]
26 双字节字符：[^\x00-\xff] (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1))27 空白行的正则表达式：\n\s\r (可以用来删除空白行)
28 HTML标记的正则表达式：<(\S?)[^>]>.?</\1>|<.? /> (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)29 首尾空白字符的正则表达式：^\s|\s$或(^\s)|(\s$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式)
30 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
31 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
32 IP地址：\d+.\d+.\d+.\d+ (提取IP地址时有用)
33 IP地址：((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d)) (由@飞龙三少 提供,感谢共享)

测试工具

在线

http://tool.oschina.net/regex/
https://www.regexpal.com/
https://regex101.com/

安装包

http://deerchao.net/tools/regester/index.htm

资源

• 正则表达式30分钟入门教程 http://deerchao.net/tutorials/regex/regex.htm
• 一个学习、分享、测试正则表达式的平台。对每一个正则表达式，还可以写出逻辑解释，并可以查找别人写的正则表达式来借鉴和使用：https://regexr.com/
• New Fiddle
• Online regex tester and debugger: PHP, PCRE, Python, Golang and JavaScript
• learn-regex：https://github.com/ziishaned/learn-regex/blob/master/translations/README-cn.md
• any-rule 常用正则搜索工具：https://github.com/any86/any-rule