转载自：http://114.xixik.com/regex/
正则表达式(英文:Regular Expression)在微机科学中，是靠一个据此来
描述还是配合同多级符合某个句法规则之字符串的单个字符串。
平等、常用正则表达式
- 正则表达式用于字符串处理、表单验证等场所，实用高效。现将片常用之达
式收集于此，以备不时之用。 - 用户名:/^[a-z0-9_-]{3,16}$/
- 密码:/^[a-z0-9_-]{6,18}$/
- 十六上制值:/^#?([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:匹配中文还真的是单头疼的从业，有矣之表达式就好惩治了
- 匹配双配节约字符(包括汉字在内):[^\x00-\xff]
- 评注:可以据此来计量字符串的长(一个双字节字符长度计 2，ASCII
字符计 1)
- 评注:可以据此来计量字符串的长(一个双字节字符长度计 2，ASCII
- 相当配空白行的正则表达式:\n\s*\r
- 评注:可以用来删除空白行
-
配合配 HTML
标记的正则表达式:<(\S*?)[^>]*>.*?</\1>|<.*?
/>- 评注:网上传的版本太糟糕，上面这为惟有能配合有，对于复杂的嵌套标记依旧无法
-
配合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
- 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
- 相当 Email 地址之正则表达式:
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*- 评注:表单验证时充分实用
- 匹配网址 URL 的正则表达式:[a-zA-z]+://[^\s]*
- 评注:网上传的版效果异常单薄，上面这核心可以满足急需
- 匹配帐号是否合法(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}$- 评注:表单验证时杀实用
- 匹配国内电话号码:\d{3}-\d{8}|\d{4}-\d{7}
- 评注:匹配形式而 0511-4405222 或 021-87888822
- 匹配配腾讯 QQ 号:[1-9][0-9]{4,}
- 评注:腾讯 QQ 号从 10000 开始
- 配合中国地邮政编码:[1-9]\d{5}(?!\d)
- 评注:中国次大陆邮政编码为 6 个数字
- 相当身份证:\d{15}|\d{18}
- 评注:中国陆地的身份证啊 15 位或 18 位
- 匹配 ip 地址:\d+\.\d+\.\d+\.\d+
- 评注:提取 ip 地址时有用
- 匹配特定数字:
- ^[1-9]\d*$ //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:处理大量数目时有用，具体运用时只顾修正
-
相当特定字符串:
-
- ^[A-Za-z]+$ //匹配由 26 独英文字母组成的字符串
- ^[A-Z]+$ //匹配由 26 单英文字母的很写组成的字符串
- ^[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 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作风。下表是以 PCRE
中第一字符及其在正则表达式上下 文中之一言一行之一个整机列表:
| 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（?）。 |
以下是盖 PHP 的语法所描写的示范
验证字符串是否就包含数字和英文，字符串长度并以 4~16 个字符中
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”;
老三、如何勾勒有强效率的正则表达式
如果纯粹是以挑战自己之正则水平，用来落实部分特效(例如使用正则表达式
计算质数、解线性方程)，效率不是题材;如果所描写的正则表达式只是以满 足
一两赖、几十赖的运作，优化与否区别吧无极端死。但是，如果所形容的正则表达式
会百万不良、千万不良地运作，效率就是颇酷的题材了。我这边总结了几长长的提升正则
表 达式运行效率的涉(工作中学至之，看书学来的，自己的体会)，贴于就
里。如果您来其他的阅历而这里没提及，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内容范围超了所急需限，有些公文明明不符
合要求，但是于所形容的正则式“击中了”。例如，如果应用\d{11}来配合配 11 位
的手机号，\d{11}不单能配合正确的手机号，它还见面配合配 98765432100 这样的明
显不是手机号的字符串。我们管如此的匹配称之邪无心匹配。
漏匹配:指正则表达式所匹配的始末所确定之限最窄，有些公文确实是所用
要的，但是所形容的正则没有拿这种气象包括在内。例如，使用\d{18}来配合配 18
位的身份证号码，就会落结尾是许母 X 的气象。
写起同长达正则表达式，既可能单现出误匹配(条件写得极度宽松，其范围超目标
文本)，也恐怕才出现渗漏匹配(只描述了靶文本中又情况种的相同种植)，还可
能既出误匹配又来漏匹配。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(合法的域名遭到莫包含下划线，\w 包含了下划线这种
情况)，又见面落 ab-c.com 这样的域名(合法域名中可坐富含被写道，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，现实中在这么的状况:
只能望个别数量的文件，根据这些文件写规则，但是这些规则以会为此到海 量
的公文中。这种状态下，尽可能地(如果不是了地)消除误匹配与漏匹配，
并提升运作效率，就是咱们的对象。本文所提出的经历，主要是针对性这种情况。
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
确所使用语言的正则的语法的细节，是描摹来不错、高效正则表达式的基础。例如，
perl 中同\w 等效的配合范围是[a-zA-Z0-9_];perl
正则式不支持肯定逆序环视 中以可变的重(variable repetition inside
lookbehind，例如 (?<=.*)abc)，但是.Net
语法是支撑即无异表征的;又如果，JavaScript 连逆序环
视(Lookbehind,如(?<=ab)c) 都非支持，而 perl 和 python
是永葆的。《精通 正则表达式》第 3
章《正则表达式的特性和法家概览》明确地排列有了各个大山头正
则的异议，这首文章也大概 地排有了几栽常用语言、工具被正则的比。对于
具体使用者而言，至少该详细摸底在用的那种工作语言里正则的语法细
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，可以
像画素描一样，先盖勾勒出框架，再逐渐以局步实现细节。仍举刚才底手机号
的例证，先界定\d{11}，总不见面擦;再细化为 1[358]\d{9}， 就于前面跨了一致特别
步(至于第二各是匪是
3、5、8，这里无意深究，只举这样一个例证，说明逐步细化的历程)。这样做的目的是事先消除漏匹配(刚起先行尽可能多
地兼容，做
加法)，然后再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“不误不漏”这个目标迈进。
留出后路。所能看出的文本 sample
是零星的，而欲匹配检验的文件是海量的，
暂时不可见的。对于如此的情状，在形容正则表达 式时如跳出所能见到的文本的
圈子，开拓思路，作出“战略性前瞻”。例如，经常接到这样的废品短信:“发
*票”、“发#流产”。如果一旦描绘规则屏蔽这样烦人的垃 圾短信，不但要能够写起可
以相当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”。这当具体的世界或会生出针对性的条条框框，不多讲。
这样做的目的是祛除漏匹配，延长正则表达式的生命周期。
明确。具体说来，就是小心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，就不用因此点号;只要能预测还次
数的，就无须为此任意量词。例如，写析取 twitter 信之本子，假而同一修消息的
xml 正文部分结束 构是<span
class=”msg”>…</span>且正文中任尖括号，那么 <span
class=”msg”>[^<]{1,480}</span>这种写法的思路使好叫<span
class=”msg”>.*</span>，原因有第二:一凡是采用[^<]，它保证了文本的限定未
会超出下一个低于号所于的岗位;二凡阳长度限制，{1,480}，其根据是如出一辙修
twitter 消息大致会之字符长度限制。当然，480 这个长度是否科学还而推敲，
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”。
不要被谷草压死骆驼。每用一个不足为奇括号()而无是未捕获型括号(?:…)，就见面
保留部分内存等在若重新做客。这样的正则表达式、无限次地运转次数，无异
于同一清根稻草的堆加，终于会拿骆驼压死。养成合理采取(?:…)括号的习惯。
宁简勿繁。将同长达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，运行效率会升级。例如用来排遣行首和行尾空白字符的正则表达式
s/^\s+|\s+$//g;，其运转效率理论及而小于 s/^\s+//g; s/\s+$//g;
。这个例
子出自《精通正则表达式》第五回，书中对她的评是“它几乎连接太抢之，而
且显然太轻了解”。既快以易于理解，何乐而不为?工作着我们还来其他的理
由而将 C==(A|B)这 样的正则表达式拆吗 A 和 B 个别久表达式分别施行。例如，虽
然 A 和 B 这半种情况只要出平等栽能打中所需要的文件模式就是会见成匹配，但是
如果如来雷同条表达式 (例如 A)会生误匹配，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因为 A 而遭震慑。
巧妙定位。有时候，我们用配合的 the，是作单词的 the(两限有空格)，
而不是当做单词一片的 t-h-e 的雷打不动排列(例如 together 中之 the)。在适
当的上用上^，$，\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。