什么是正则表达式:

查找符合某些复杂规则的字符串。正则表达式就是用于描述这些规则的工具。换句话说,正则表达式就是记录文本规则的代码。

例:查找 hi:

\bhi\b

\b 用于匹配一个位置,指 hi 前面或后面没有字符(匹配单词的开始或结束)

例:查找 hi 后面不远处跟着一个 Lucy:

\bhi\b.*\bLucy\b

. 是一个元字符,用于匹配除换行符外的任意字符
.* 表示任意数量的不包含换行的字符

例:0\d\d-\d\d\d\d\d\d\d\d 以 0 开头,然后两个数字,-,最后 8 个数字

(012-12345678)——> 可以简写成 0\d{2}-\d{8}

例:简单的 IP 地址分配

(\d{1,3}\.){3}\d{1,3}——a.b.c.d

\d{1,3}匹配 1 到 3 位数字,.匹配一个点(.),(\d{1,3}.){3}重复三次
abcd 数值处于 0-255

((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}((2[0-4]\d|25[0-5]|[01]?\d\d?))
2[0-4]\d——匹配200-249之间的数值
25[0-5]——匹配250-255之间的数值
[01]?\d\d?——匹配0-199之间的数值

\b(\w+)\b\s+\1\b可以用来匹配重复的单词,像go go, 或者kitty kitty。

这个表达式首先是一个单词,也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b),这个单词会被捕获到编号为 1 的分组中,然后是 1 个或几个空白符(\s+),最后是分组 1 中捕获的内容(也就是前面匹配的那个单词)(\1)

常用的元字符

代码 说明
. 匹配除换行符以外的任意字符
\w 匹配字母或数字或下划线或汉字
\s 匹配任意的空白符
\d 匹配数字
\b 匹配单词的开始或结束
^ 匹配字符串的开始
$ 匹配字符串的结束

如果要查找元字符本身,就要用\来取消定义
如:查找. 用. 查找* 用* 查找\ 用\
[0-9]=\d

常用的限定符

代码/语法 说明
* 重复零次或更多次
+ 重复一次或更多次
? 重复零次或一次
{n} 重复 n 次
{n,} 重复 n 次或更多次
{n,m} 重复 n 到 m 次

常用的反义代码

代码/语法 说明
\W 匹配任意不是字母,数字,下划线,汉字的字符
\S 匹配任意不是空白符的字符
\D 匹配任意非数字的字符
\B 匹配不是单词开头或结束的位置
[^x] 匹配除了 x 以外的任意字符
[^aeiou] 匹配除了 aeiou 这几个字母以外的任意字符

常用分组语法

分类 代码/语法 说明
捕获 (exp) 匹配 exp,并捕获文本到自动命名的组里
- (?exp) 匹配 exp,并捕获文本到名称为 name 的组里,也可以写成(?’name’exp)
- (?:exp) 匹配 exp,不捕获匹配的文本,也不给此分组分配组号
零宽断言 (?=exp) 匹配 exp 前面的位置
- (?=exp) 匹配 exp 后面的位置
- (?!exp) 匹配后面跟的不是 exp 的位置
- (?<!exp) 匹配前面不是 exp 的位置
注释 (?#comment) 这种类型的分组不对正则表达式的处理产生任何影响,用于提供注释让人阅读
\b\w+(?=ing\b) 匹配以ing结尾的单词的前面部分(不包含ing)  
(?<=bre)\w+\b 匹配以re开头的单词的后半部分(不包含bre)
(?<=\s)\d+(?=\s) 匹配以空白字符间隔的数字(不包含这些空白字符)
\b\w*q[^u]\w*\b
匹配包含后面不是字母u的字母q的单词。
但是如果q出现在单词的结尾的话,像Iraq,Benq,这个表达式就会出错。
这是因为[^u]总要匹配一个字符,所以如果q是单词的最后一个字符的话,后面的[^u]将会匹配q后面的单词分隔符(可能是空格,或者是句号或其它的什么),后面的\w*\b将会匹配下一个单词,于是\b\w*q[^u]\w*\b就能匹配整个Iraq fighting。
负向零宽断言能解决这样的问题,因为它只匹配一个位置,并不消费任何字符。
现在,我们可以这样来解决这个问题:\b\w*q(?!u)\w*\b。

贪婪匹配:

a.*b 会匹配最长的以 a 开始,b 结束的字符串,比如 aabab,结果是 aabab。

懒惰匹配:

a.*?b 如 aabab,结果是 aab(第一个字符到第三个字符)和 ab(第四个到第五个字符);为什么是 aab 而不是 ab(第二到第三个字符),因为正则表达式有一条规则:最先开始匹配拥有最高优先级。

  1. 校验密码强度
    密码的强度必须是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}$
  1. 校验中文
    字符串仅能是中文。
^\[\\\\u4e00-\\\\u9fa5\]{0,}$
  1. 由数字、26 个英文字母或下划线组成的字符串
^\\\\w+$
  1. 校验 E-Mail 地址
    同密码一样,下面是 E-mail 地址合规性的正则检查语句。
\[\\\\w!#$%&'\*+/=?^\_\`{|}~-\]+(?:\\\\.\[\\\\w!#$%&'\*+/=?^\_\`{|}~-\]+)\*@(?:\[\\\\w\](?:\[\\\\w-\]\*\[\\\\w\])?\\\\.)+\[\\\\w\](?:\[\\\\w-\]\*\[\\\\w\])?
  1. 校验身份证号码
    下面是身份证号码的正则校验。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)$
  1. 校验日期
    “yyyy-mm-dd“ 格式的日期校验,已考虑平闰年。
^(?:(?!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)$
  1. 校验金额
    金额校验,精确到 2 位小数。
^\[0\-9\]+(.\[0\-9\]{2})?$
  1. 校验手机号
    下面是国内 13、15、18 开头的手机号正则表达式。(可根据目前国内收集号扩展前两位开头号码)
^(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}$
  1. 判断 IE 的版本
    IE 目前还没被完全取代,很多页面还是需要做版本兼容,下面是 IE 版本检查的表达式。
^.\*MSIE \[5-8\](?:\\\\.\[0-9\]+)?(?!.\*Trident\\\\/\[5-9\]\\\\.0).\*$
  1. 校验 IP-v4 地址
    IP4 正则语句。
\\\\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
  1. 校验 IP-v6 地址
    IP6 正则语句。
((\[0-9a-fA-F\]{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}\[0-9\]))
  1. 检查 URL 的前缀
    应用开发中很多时候需要区分请求是 HTTPS 还是 HTTP,通过下面的表达式可以取出一个 url 的前缀然后再逻辑判断。
if (!s.match(/^\[a-zA-Z\]+:\\\\/\\\\//))  
{
s = 'http://' + s;
}
  1. 提取 URL 链接
    下面的这个表达式可以筛选出一段文本中的 URL。
^(f|ht){1}(tp|tps):\\\\/\\\\/(\[\\\\w-\]+\\\\.)+\[\\\\w-\]+(\\\\/\[\\\\w- ./?%&=\]\*)?
  1. 文件路径及扩展名校验
    验证 windows 下文件路径和扩展名(下面的例子中为.txt 文件)
^(\[a-zA-Z\]\\\\:|\\\\\\\\)\\\\\\\\(\[^\\\\\\\\\]+\\\\\\\\)\*\[^\\\\/:\*?"<>|\]+\\\\.txt(l)?$
  1. 提取 Color Hex Codes
    有时需要抽取网页中的颜色代码,可以使用下面的表达式。
^#(\[A\-Fa\-f0\-9\]{6}|\[A\-Fa\-f0\-9\]{3})$
  1. 提取网页图片
    假若你想提取网页中所有图片信息,可以利用下面的表达式。
\\\\< \*\[img\]\[^\\\\\\\\\>\]\*\[src\] \*= \*\[\\\\"\\\\'\]{0,1}(\[^\\\\"\\\\'\\\\ >\]\*)
  1. 提取页面超链接
    提取 html 中的超链接。
(<a\\\\s\*(?!.\*\\\\brel=)\[^>\]\*)(href="https?:\\\\/\\\\/)((?!(?:(?:www\\\\.)?'.implode('|(?:www\\\\.)?', $follow\_list).'))\[^"\]+)"((?!.\*\\\\brel=)\[^>\]\*)(?:\[^>\]\*)\>
  1. 查找 CSS 属性
    通过下面的表达式,可以搜索到相匹配的 CSS 属性。
^\\\\s\*\[a-zA-Z\\\\\-\]+\\\\s\*\[:\]{1}\\\\s\[a-zA-Z0-9\\\\s.#\]+\[;\]{1}
  1. 抽取注释
    如果你需要移除 HMTL 中的注释,可以使用如下的表达式。
<!--(.*?)-->
  1. 匹配 HTML 标签
    通过下面的表达式可以匹配出 HTML 中的标签属性。
<\\/?\\w+((\\s+\\w+(\\s*=\\s*(?:".*?"|'.*?'|[\\^'">\\s]+))?)+\\s*|\\s*)\\/?>

to be continued…