电子科技正则表达式

  转载自:http://114.xixik.com/regex/

  正则表达式(英文:Regular Expression)在处理器科学中,是依一个于是来
描述或配合同系列符合某个句法规则的字符串的么字符串。

平等、常用正则表达式

  • 正则表达式用于字符串处理、表单验证等场合,实用高效。现用部分常用的表达
    式收集于之,以备不时之得。
  • 用户名:/^[a-z0-9_-]{3,16}$/   
  • 密码:/^[a-z0-9_-]{6,18}$/
  • 十六向前制值:/^#?([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+\/>)$/
  • Unicode 编码中之方块字范围:/^[u4e00-u9fa5],{0,}$/
  • 匹配中文字符的正则表达式: [\u4e00-\u9fa5]
    • 评注:匹配汉语还确确实实是单头疼的事,有矣这表达式就好惩治了
  • 匹配双许节约字符(包括汉字在内):[^\x00-\xff]
    • 评注:可以据此来算字符串的尺寸(一个双字节字符长度计 2,ASCII
      字符计 1)
  • 配合配空白行的正则表达式:\n\s*\r
    • 评注:可以据此来删除空白行
  • 配合配 HTML
    标记的正则表达式:<(\S*?)[^>]*>.*?</\1>|<.*?
    />

    • 评注:网上流传的本子太不好,上面这吧惟有能够匹配有,对于复杂的嵌套标记依旧无法
  • 匹配配首尾空白字符的正则表达式:^\s*|\s*$

    • 评注:可以据此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
      常有用之表达式
  • 相当 Email 地址的正则表达式:
    \w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

    • 评注:表单验证时特别实用
  • 匹配网址 URL 的正则表达式:[a-zA-z]+://[^\s]*
    • 评注:网上流传的版本效果十分有限,上面这核心得以满足要求
  • 相当帐号是否合法(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:表单验证时好实用
  • 匹配国内电话号码:\d{3}-\d{8}|\d{4}-\d{7}
    • 评注:匹配形式而 0511-4405222 或 021-87888822
  • 相当配腾讯 QQ 号:[1-9][0-9]{4,}
    • 评注:腾讯 QQ 号从 10000 开始
  • 匹配中国次大陆邮政编码:[1-9]\d{5}(?!\d)
    • 评注:中国新大陆邮政编码为 6 各数字
  • 相当身份证:\d{15}|\d{18}
    • 评注:中国地的身份证啊 15 位或 18 位
  • 匹配 ip 地址:\d+\.\d+\.\d+\.\d+
    • 评注:提取 ip 地址时有用
  • 匹配特定数字:
    • ^[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:处理大量数量时有用,具体使用时留意修正

 

  • 相当特定字符串:

    • ^[A-Za-z]+$  //匹配由 26 个英文字母组成的字符串
    • ^[A-Z]+$      //匹配由 26 只英文字母的充分写组成的字符串
    • ^[a-z]+$       //匹配由 26 单英文字母的小写组成的字符串
    • ^[A-Za-z0-9]+$ //匹配由数字与 26 独英文字母组成的字符串
    • ^\w+$ //匹配由数字、26 个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品格。下表是以 PCRE
中长字符及其于正则表达式上下 文中的作为的一个整列表:

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(?)。

  以下是因 PHP 的语法所描写的演示

  验证字符串是否仅仅含有数字和英文,字符串长度并于 4~16 独字符中

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 ?>

 

以下示例是为此 Perl 语言写的,与地方的示范功能雷同

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

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

其三、如何勾勒有强效率的正则表达式

  如果纯粹是为了挑战自己的正则水平,用来实现有神效(例如使用正则表达式
计算质数、解线性方程),效率不是问题;如果所形容的正则表达式只是为着满 足
一两浅、几十浅的运行,优化与否区别吗无太怪。但是,如果所描绘的正则表达式
会百万糟、千万赖地运行,效率就是是老酷之问题了。我这里总结了几乎长达提升正则
表 达式运行效率的经验(工作中学到的,看书学来之,自己之回味),贴在及时
里。如果你有任何的涉而此没有提及,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始末范围超了所用限制,有些公文明明不符
合要求,但是被所描写的正则式“击中了”。例如,如果使用\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,它还会配合配 98765432100 这样的明
显不是手机号的字符串。我们将这么的匹配称之乎无心匹配。

  漏匹配:指正则表达式所匹配的情节所确定之限定最狭隘,有些公文确实是所要
要的,但是所勾画的正则没有以这种情景包括在内。例如,使用\d{18}来配合配 18
位的身份证号码,就会挂一漏万结尾是许母 X 的景。

  写起同修正则表达式,既可能一味出现误匹配(条件写得最为宽松,其范围超目标
文本),也恐怕单现出渗漏匹配(只描述了目标文本中又场面种的同一种植),还只是
能既出无意匹配又起漏匹配。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(合法的域名遭到莫分包下划线,\w 包含了下划线这种
情况),又见面落 ab-c.com 这样的域名(合法域名受唯独坐富含着写道,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,现实中是这么的图景:
只能见到个别数量的文件,根据这些文件写规则,但是这些规则以会为此到海 量
的文本中。这种景象下,尽可能地(如果未是完全地)消除误匹配和漏匹配,
并提升运行效率,就是咱的目标。本文所提出的涉,主要是指向这种情景。

  掌握语法细节。正则表达式在各种语言中,其语法大致相同,细节各发千秋。明
确所用语言的正则的语法的底细,是写起对、高效正则表达式的根底。例如,
perl 中以及\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 中使用可变的重复(variable repetition inside
lookbehind,例如 (?<=.*)abc),但是.Net
语法是永葆就无异于表征的;又要,JavaScript 连逆序环
视(Lookbehind,如(?<=ab)c) 都不支持,而 perl 和 python
是永葆之。《精通 正则表达式》第 3
章《正则表达式的特色与宗派概览》明确地排有了各国大派正
则的异议,这首文章吧简要 地排有了几乎栽常用语言、工具被正则的较。对于
具体使用者而言,至少应该详细摸底在用的那种工作语言里刚刚则的语法细
节。

  先稍微后精,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,再逐步以局步实现细节。仍举刚才之手机号
的例证,先界定\d{11},总不见面擦;再细化为 1[358]\d{9}, 就为前方迈出了千篇一律雅
步(至于第二各项是不是
3、5、8,这里无意深究,只举这样一个事例,说明逐步细化的长河)。这样做的目的是先期消除漏匹配(刚开头先行尽可能多
地兼容,做
加法),然后再次一点一点地铲除误匹配(做减法)。这样有先有后,在考虑时才
不易出错,从而为“不误不透”这个目标迈进。

  留出后路。所能来看的文件 sample
是少的,而需匹配检验之文书是海量的,
暂时不可见的。对于这样的情事,在形容正则表达 式时如跳出所能够望的文书的
圈子,开拓思路,作出“战略性前瞻”。例如,经常接到这么的排泄物短信:“发
*票”、“发#流产”。如果要描绘规则屏蔽这样烦人的垃 圾短信,不但使力所能及写来可
以配合当前文件的正则表达式 发[*#](?:票|漂),还要能想到
发.(?:票|漂|
飘)之类可能出现的“变种”。这在实际的领域或会发生指向的平整,不多提。
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 定范围的,例如\w,就不用为此点号;只要能够预测还次
数的,就甭就此任意量词。例如,写析取 twitter 消息的剧本,假而同一修信息之
xml 正文部分竣工 构是<span
class=”msg”>…</span>且正文中管尖括号,那么 <span
class=”msg”>[^<]{1,480}</span>这种写法的笔触使好给<span
class=”msg”>.*</span>,原因产生次:一是应用[^<],它保证了文件的范围不
会超出下一个仅次于号所当的职;二凡是尽人皆知长度限制,{1,480},其依据是均等漫长
twitter 消息大致能的字符长度限制。当然,480 这个尺寸是否科学还可推敲,
但是这种思路是值得借鉴之。说得狠一点,“滥用点号、星号和加号是休环保、
不负责任的做法”。

  不要受谷草压死骆驼。每使用一个习以为常括号()而非是勿捕获型括号(?:…),就会
保留部分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
于同一到底根稻草的堆加,终于能够拿骆驼压死。养成合理施用(?:…)括号的惯。

  宁简勿繁。将平条复杂的正则表达式拆分为简单久或多久简单的正则表达式,编程
难度会骤降,运行效率会升级。例如用来消除行首和行尾空白字符的正则表达式
s/^\s+|\s+$//g;,其运转效率理论及万一小于 s/^\s+//g; s/\s+$//g;
。这个例
子出自《精通正则表达式》第五段,书被针对它的品是“它几乎总是顶抢的,而
且显然太爱懂”。既快而易掌握,何乐而不为?工作面临我们还发另的理
由而用 C==(A|B)这 样的正则表达式拆为 A 和 B 片长长的表达式分别行。例如,虽
然 A 和 B 这有限栽状况要有相同种植能打中所待的文本模式就是会中标匹配,但是
如果只要发生同样便条表达式 (例如 A)会产生误匹配,那么不论是其它的子表达式
(例如 B)效率如何的大,范围如何精准,C 的总体精准度也会见坐 A 而饱受震慑。

  巧妙定位。有时候,我们得相当的 the,是用作单词的 the(两度发空格),
而非是作为单词一有的的 t-h-e 的平稳排列(例如 together 中之 the)。在适
当的下用上^,$,\b 等等定位锚点,能管用提升找到成功匹配、淘汰未成事
匹配的频率。

相关文章