正则表达式

  转载自:http://114.xixik.com/regex/

  正则表达式(英文:Regular Expression)在微机是中,是赖一个据此来
描述还是配合同多级符合某个句法规则的字符串的单个字符串。

一如既往、常用正则表达式

  • 正则表达式用于字符串处理、表单验证等场所,实用高效。现将一些常用之表述
    式收集于此,以备不时之欲。
  • 用户名:/^[a-z0-9_-]{3,16}$/   
  • 密码:/^[a-z0-9_-]{6,18}$/
  • 十六前行制值:/^#?([a-f0-9]{6}|[a-f0-9]{3})$/
  • 电子邮箱:/^([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})$/
  • URL:/^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w
    \.-]*)*\/?$/
  • IP 地址:
    /^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][
    0-9]|[01]?[0-9][0-9]?)$/
  • HTML
    标签:/^<([a-z]+)([^<]+)*(?:>(.*)<\/\1>|\s+\/>)$/
  • Unicode 编码中的字范围:/^[u4e00-u9fa5],{0,}$/
  • 匹配中文字符之正则表达式: [\u4e00-\u9fa5]
    • 评注:匹配中文还真是单头疼的从事,有了是表达式就吓惩治了
  • 相当双字节约字符(包括汉字在内):[^\x00-\xff]
    • 评注:可以用来计量字符串的长(一个双字节字符长度计 2,ASCII
      字符计 1)
  • 匹配配空白行的正则表达式:\n\s*\r
    • 评注:可以就此来删除空白行
  • 相当配 HTML
    标记的正则表达式:<(\S*?)[^>]*>.*?</\1>|<.*?
    />

    • 评注:网上传的版太不好,上面这个呢单独能够匹配有,对于复杂的嵌套标记依旧无法
  • 相当配首尾空白字符的正则表达式:^\s*|\s*$

    • 评注: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
  • 匹配 Email 地址之正则表达式:
    \w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

    • 评注:表单验证时好实用
  • 匹配网址 URL 的正则表达式:[a-zA-z]+://[^\s]*
    • 评注:网上流传的本效果异常简单,上面是基本可以满足需求
  • 配合帐号是否合法(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}$

    • 评注:表单验证时特别实用
  • 配合国内电话号码:\d{3}-\d{8}|\d{4}-\d{7}
    • 评注:匹配形式要 0511-4405222 或 021-87888822
  • 配合配腾讯 QQ 号:[1-9][0-9]{4,}
    • 评注:腾讯 QQ 号从 10000 开始
  • 配合中国陆上邮政编码:[1-9]\d{5}(?!\d)
    • 评注:中国次大陆邮政编码为 6 个数字
  • 配合身份证:\d{15}|\d{18}
    • 评注:中国大洲的身份证吗 15 位或 18 位
  • 匹配 ip 地址:\d+\.\d+\.\d+\.\d+
    • 评注:提取 ip 地址时有用
  • 配合特定数字:
    • ^[1-9]\d*$ //匹配正整数
    • ^-[1-9]\d*$ //匹配负整数
    • ^-?[1-9]\d*$  //匹配整数
    • ^[1-9]\d*|0$   //匹配非负整数 (正整数 + 0)   
    • ^-[1-9]\d*|0$  //匹配非正整数(负整数 + 0)
    • ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$   //匹配正浮点数
    • ^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ //匹配负浮点数
    • ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
      //匹配浮点数
    • ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
      //匹配非负浮点数(正浮点数 + 0)
    • ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
      //匹配非正浮点数(负浮 点数 + 0)
    • 评注:处理大量数时有用,具体采用时注意修正

 

  • 匹配特定字符串:

    • ^[A-Za-z]+$  //匹配由 26 独英文字母组成的字符串
    • ^[A-Z]+$      //匹配由 26 单英文字母的异常写组成的字符串
    • ^[a-z]+$       //匹配由 26 独英文字母的多少写组成的字符串
    • ^[A-Za-z0-9]+$ //匹配由数字和 26 单英文字母组成的字符串
    • ^\w+$ //匹配由数字、26 独英文字母或者下划线组成的字符串

  二、表达式全集

  正则表达式有多种不同的风骨。下表是于 PCRE
中初字符及其在正则表达式上下 文中的表现之一个圆列表:

字符 描述
\ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如,“n”匹配字符“n”。“\n”匹配一个换行符。序列“\\”匹配“\”而“\(”则匹配“(”。
^ 匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性,^也匹配“\n”或“\r”之后的位置。
$ 匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性,$也匹配“\n”或“\r”之前的位置。
* 匹配前面的子表达式零次或多次。例如,zo*能匹配“z”以及“zoo”。*等价于{0,}。
+ 匹配前面的子表达式一次或多次。例如,“zo+”能匹配“zo”以及“zoo”,但不能匹配“z”。+等价于{1,}。
? 匹配前面的子表达式零次或一次。例如,“do(es)?”可以匹配“do”或“does”中的“do”。?等价于{0,1}。
{n} n是一个非负整数。匹配确定的n次。例如,“o{2}”不能匹配“Bob”中的“o”,但是能匹配“food”中的两个o。
{n,} n是一个非负整数。至少匹配n次。例如,“o{2,}”不能匹配“Bob”中的“o”,但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m} m和n均为非负整数,其中n<=m。最少匹配n次且最多匹配m次。例如,“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
? 当该字符紧跟在任何一个其他限制符(*,+,?,{n},{n,},{n,m})后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串“oooo”,“o+?”将匹配单个“o”,而“o+”将匹配所有“o”。
. 匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符,请使用像“[.\n]”的模式。
(pattern) 匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中则使用$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。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
(?=pattern) 正向预查,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。例如,“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) 负向预查,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。例如“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
x|y 匹配x或y。例如,“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。
[xyz] 字符集合。匹配所包含的任意一个字符。例如,“[abc]”可以匹配“plain”中的“a”。
[^xyz] 负值字符集合。匹配未包含的任意字符。例如,“[^abc]”可以匹配“plain”中的“p”。
[a-z] 字符范围。匹配指定范围内的任意字符。例如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。
[^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如,“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b 匹配一个单词边界,也就是指单词和空格间的位置。例如,“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。“er\B”能匹配“verb”中的“er”,但不能匹配“never”中的“er”。
\cx 匹配由x指明的控制字符。例如,\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则,将c视为一个原义的“c”字符。
\d 匹配一个数字字符。等价于[0-9]。
\D 匹配一个非数字字符。等价于[^0-9]。
\f 匹配一个换页符。等价于\x0c和\cL。
\n 匹配一个换行符。等价于\x0a和\cJ。
\r 匹配一个回车符。等价于\x0d和\cM。
\s 匹配任何空白字符,包括空格、制表符、换页符等等。等价于[\f\n\r\t\v]。
\S 匹配任何非空白字符。等价于[^\f\n\r\t\v]。
\t 匹配一个制表符。等价于\x09和\cI。
\v 匹配一个垂直制表符。等价于\x0b和\cK。
\w 匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。
\W 匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
\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。例如,“\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。例如,“(.)\1”匹配两个连续的相同字符。
\n 标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式,则n为向后引用。否则,如果n为八进制数字(0-7),则n为一个八进制转义值。
\nm 标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式,则nm为向后引用。如果\nm之前至少有n个获取,则n为一个后跟文字m的向后引用。如果前面的条件都不满足,若n和m均为八进制数字(0-7),则\nm将匹配八进制转义值nm。
\nml 如果n为八进制数字(0-3),且m和l均为八进制数字(0-7),则匹配八进制转义值nml。
\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。例如,\u00A9匹配版权符号(?)。

  以下是以 PHP 的语法所形容的以身作则

  验证字符串是否只是包含数字与英文,字符串长度并以 4~16 单字符中

1 <?php
2 
3 $str = 'a1234';
4 if (preg_match("^[a-zA-Z0-9]{4,16}$", $str)) {
5 echo "驗證成功"; } else {
6 
7 echo "驗證失敗"; }
8 
9 ?>

简易的台湾身份证字号验证

1 <?php
2 
3 $str = 'a1234';
4 if (preg_match("/^\w[12]\d{8}$/", $str)) {
5 echo "驗證成功"; } else {
6 
7 echo "驗證失敗"; }
8 
9 ?>

 

以下示例是故 Perl 语言写的,与地方的言传身教功能雷同

print $str = “a1234” =~ m:^[a-zA-Z0-9]{4,16}$: ? “COMFIRM” :
“FAILED”;

print $str = “a1234″ =~ m”^\w[12]\d{8}$” ? “COMFIRM” : “INVAILD”;

其三、如何勾勒起赛效率的正则表达式

  如果纯粹是以挑战自己之正则水平,用来贯彻有特效(例如使用正则表达式
计算质数、解线性方程),效率不是问题;如果所描写的正则表达式只是以满 足
一两坏、几十坏的周转,优化与否区别吧不顶好。但是,如果所形容的正则表达式
会百万软、千万软地运作,效率就是深老之题材了。我这边总结了几乎漫漫提升正则
表 达式运行效率的更(工作中学到的,看书学来之,自己之认知),贴在当时
里。如果你发出外的经验而这里没提及,欢迎赐教。

 为行文方便,先定义两个概念。

  误匹配:指正则表达式所匹配的情节范围超了所欲限制,有些公文明明不符
合要求,但是吃所写的正则式“击中了”。例如,如果运用\d{11}来配合配 11 位
的手机号,\d{11}不单能匹配正确的手机号,它还见面配合配 98765432100 这样的明
显不是手机号的字符串。我们拿如此的匹配称之也无心匹配。

  漏匹配:指正则表达式所匹配的始末所确定之限定最狭隘,有些公文确实是所待
要的,但是所描绘的正则没有拿这种状况包括在内。例如,使用\d{18}来配合配 18
位的身份证号码,就见面挂一漏万结尾是配母 X 的情形。

  写起同样长长的正则表达式,既可能只有出现误匹配(条件写得最为宽松,其范围超目标
文本),也或只出现渗漏匹配(只描述了靶文本中多状态种的平种植),还可
能既出误匹配又生漏匹配。例如,使用\w+\.com 来配合配.com 结尾的域名,既会
误匹配 abc_.com 这样的字串(合法的域名遭受不含下划线,\w 包含了下划线这种
情况),又会挂一漏万 ab-c.com 这样的域名(合法域名被唯独因含有着写道,但是\w 不
匹配中写道)。

  精准的正则表达式意味着既是无误匹配且无漏匹配。当然,现实中存在这样的景况:
只能观零星数量之文书,根据这些文件写规则,但是这些规则以会晤就此到海 量
的文件中。这种情景下,尽可能地(如果非是意地)消除误匹配和漏匹配,
并提升运行效率,就是咱的目标。本文所提出的经历,主要是本着这种情形。

  掌握语法细节。正则表达式在各种语言中,其语法大致相同,细节各发生千秋。明
确所采取语言的正则的语法的细节,是描摹起是、高效正则表达式的根底。例如,
perl 中同\w 等效的相当范围是[a-zA-Z0-9_];perl
正则式不支持肯定逆序环视 中应用可变的再次(variable repetition inside
lookbehind,例如 (?<=.*)abc),但是.Net
语法是永葆即同一特性的;又使,JavaScript 连逆序环
视(Lookbehind,如(?<=ab)c) 都不支持,而 perl 和 python
是永葆的。《精通 正则表达式》第 3
章《正则表达式的特色与门户概览》明确地排有了各级大门户正
则的异同,这篇稿子为大概 地排列有了几乎栽常用语言、工具中正则的于。对于
具体使用者而言,至少应当详细摸底在用的那种工作语言里刚则的语法细
节。

  先小后精,先加后减。使用正则表达式语法对于目标文本进行描述和限制,可以
像画素描一样,先盖勾勒出框架,再慢慢以局步实现细节。仍举刚才之无绳电话机号
的例证,先界定\d{11},总不会见擦;再细化为 1[358]\d{9}, 就向前面跨了同等异常
步(至于第二各项是免是
3、5、8,这里无意深究,只举这样一个例,说明逐步细化的过程)。这样做的目的是优先祛除漏匹配(刚开先行尽可能多
地配合,做
加法),然后又一点一点地清除误匹配(做减法)。这样有先有后,在设想时才
不易出错,从而为“不误不透”这个目标迈进。

  留出后路。所能够看到的文书 sample
是片的,而得匹配检验的文本是海量的,
暂时不可见的。对于如此的气象,在描写正则表达 式时如跳出所能收看的文本的
圈子,开拓思路,作出“战略性前瞻”。例如,经常收到这样的污染源短信:“发
*票”、“发#流产”。如果假定描写规则屏蔽这样烦人的垃 圾短信,不但要能够写来可
以相当当前文件的正则表达式 发[*#](?:票|漂),还要能够想到
发.(?:票|漂|
飘)之类可能出现的“变种”。这在具体的圈子可能会出指向的平整,不多张嘴。
这样做的目的是破除漏匹配,延长正则表达式的生命周期。

  明确。具体说来,就是谨慎用点号这样的元字符,尽可能不用星号和加号这样的
任意量词。只要能确 定范围之,例如\w,就无须为此点号;只要能够预测还次
数的,就绝不因此任意量词。例如,写析取 twitter 信息之台本,假而同一久消息的
xml 正文部分竣工 构是<span
class=”msg”>…</span>且正文中不管尖括号,那么 <span
class=”msg”>[^<]{1,480}</span>这种写法的笔触使好叫<span
class=”msg”>.*</span>,原因产生次:一是利用[^<],它保证了文件的限定未
会超出下一个仅次于号所于的岗位;二是判长度限制,{1,480},其依据是一致条
twitter 消息大致会之字符长度限制。当然,480 这个长度是否正确还只是推敲,
但是这种思路是值得借鉴的。说得狠一点,“滥用点号、星号和加号是勿环保、
不负责任的做法”。

  不要让谷草压死骆驼。每动一个常见括号()而非是未捕获型括号(?:…),就会见
保留有内存等着公重新访问。这样的正则表达式、无限次地运行次数,无异
于一致完完全全根稻草的堆加,终于能够将骆驼压死。养成合理施用(?:…)括号的习惯。

  宁简勿繁。将同长长的复杂的正则表达式拆分为零星长长的或多长条简单的正则表达式,编程
难度会下跌,运行效率会提升。例如用来排行首和行尾空白字符的正则表达式
s/^\s+|\s+$//g;,其运行效率理论及而自愧不如 s/^\s+//g; s/\s+$//g;
。这个例
子出自《精通正则表达式》第五回,书中针对其的评价是“它几乎总是太抢之,而
且显然太容易了解”。既快以好理解,何乐而不为?工作受到我们还发生外的理
由而将 C==(A|B)这 样的正则表达式拆吗 A 和 B 片漫漫表达式分别实施。例如,虽
然 A 和 B 这半种情形如果发生一样栽能打中所用之文本模式就是会见中标匹配,但是
如果只要出相同便条表达式 (例如 A)会发出误匹配,那么不论其它的子表达式
(例如 B)效率如何的强,范围如何精准,C 的整精准度也会见盖 A 而吃震慑。

  巧妙定位。有时候,我们要般配的 the,是当做单词的 the(两止有空格),
而非是作为单词一局部的 t-h-e 的不变排列(例如 together 中之 the)。在适
当的当儿用上^,$,\b 等等定位锚点,能有效提升找到成功匹配、淘汰不成功
匹配的效率。

相关文章