正則表達式（regex)入門、元字符(特殊字符)學習與提高

熱門標簽：地圖標注商戶中心要收錢多少 400免費電話去哪申請 菏澤智能ai電銷機器人銷售公司 css百度地圖標注位置顯示 實用地圖標注app 線上教育ai外呼系統(tǒng) 地圖標注字母的軟件 宿遷智能外呼系統(tǒng)供應商 鄂州人工智能電銷機器人軟件

什么是正則表達式呢？
正則表達式，又稱正規(guī)表示法、常規(guī)表示法（英語：Regular Expression，在代碼中常簡寫為regex、regexp或RE），它是計算機科學的一個概念。正則表達式使用單個字符串來描述、匹配一系列符合某個句法規(guī)則的字符串。幾乎在各種計算機編程語言中都有用到。可以分為普通正則表達式、擴展正則表達式、高級正則表達式。普通正則表達式在linux shell中常用到，高級正則表達式語法規(guī)范，基本由perl演化而來。目前常見程序語言（php,perl,python,java,c#)都支持高級正則表達式。

我們?yōu)槭裁匆獙W習正則表達式？
高級程序語言的正則表達式幾乎都從perl語言發(fā)展而來，因此，語法幾乎一致。你學好了，一門正則表達式語言。幾乎在所有程序語言中就可以用到。就像，我知道sql語法，后端mysql,mssql幾乎都通用。這個也是我們需要學好正則表達式一個原因，通用性。另外一個原因是：正則表達式強大的文本匹配功能。很多文本匹配處理，如果沒有正則表達式，還真的很難做出來。如：從一段字符串，讀出手機號格式，我們如果用字符串查找，需要做循環(huán)，需要寫判斷。估計耗費不少代碼，開發(fā)時間。如果用正則表達式，就一行代碼就可以了。匹配所有成對的：html標簽，如果要做這個，我們發(fā)現(xiàn)非常復雜，要處理層次，要匹配標簽。一般同人短短幾個小時可能完成不了。如果用正則表達式，估計也就幾分鐘而已。

正則表達式字符串格式
既然我們知道正則表達式重要性，通用性。那么我們對常見格式可以了解下。一般正則表達式由：普通字符+特殊字符（元字符）一起組成的字符串。如：匹配“ab開頭，后面緊跟數(shù)字字符串“ “ab\d+” 這其中ab就是普通字符，\d代表可以是0-9數(shù)字，+代表前面字符可以出現(xiàn)1次或以上。哈哈，看起來還真的很容易吧！

正則表達式無論是普通還是擴展還是高級正則表達式。不同之處，可能在特殊字符方面有些不同。很多特殊字符，可以組合，形成一套新匹配規(guī)則。這里就不說太深了。我們一般只要知道它的常見元字符?；旧铣Ｒ娬齽t表達式就可以寫出來了。

以下是javascript 正則表達式常見的元字符：

字符	描述
\	將下一個字符標記為一個特殊字符、或一個原義字符、或一個 后向引用、或一個八進制轉義符。例如，'n' 匹配字符 "n"。'\n' 匹配一個換行符。序列 ‘\\' 匹配 "\" 而 "\(" 則匹配 "("。
^	匹配輸入字符串的開始位置。如果設置了 RegExp 對象的 Multiline 屬性，^ 也匹配 ‘\n' 或 ‘\r' 之后的位置。
$	匹配輸入字符串的結束位置。如果設置了RegExp 對象的 Multiline 屬性，$ 也匹配 ‘\n' 或 ‘\r' 之前的位置。
*	匹配前面的子表達式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。 * 等價于{0,}。
+	匹配前面的子表達式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等價于 {1,}。
?	匹配前面的子表達式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等價于 {0,1}。
{n}	n 是一個非負整數(shù)。匹配確定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 ‘o'，但是能匹配 "food" 中的兩個 o。
{n,}	n 是一個非負整數(shù)。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,}' 等價于 ‘o+'。'o{0,}' 則等價于 ‘o*'。
{n,m}	m 和 n 均為非負整數(shù)，其中n = m。最少匹配 n 次且最多匹配 m 次。劉， "o{1,3}" 將匹配 "fooooood" 中的前三個 o。'o{0,1}' 等價于 ‘o?'。請注意在逗號和兩個數(shù)之間不能有空格。
?	當該字符緊跟在任何一個其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認的貪婪模式則盡可能多的匹配所搜索的字符串。例如，對于字符串 "oooo"，'o+?' 將匹配單個 "o"，而 ‘o+' 將匹配所有 ‘o'。
.	匹配除 "\n" 之外的任何單個字符。要匹配包括 ‘\n' 在內的任何字符，請使用象 ‘[.\n]‘ 的模式。
(pattern)	匹配pattern 并獲取這一匹配。所獲取的匹配可以從產生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中則使用 $0…$9 屬性。要匹配圓括號字符，請使用 ‘\(‘ 或 ‘\)'。
(?:pattern)	匹配 pattern 但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供以后使用。這在使用 "或" 字符 (|) 來組合一個模式的各個部分是很有用。例如， ‘industr(?:y|ies) 就是一個比 ‘industry|industries' 更簡略的表達式。
(?=pattern)	正向預查，在任何匹配 pattern 的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如， ‘Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。預查不消耗字符，也就是說，在一個匹配發(fā)生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始。
(?!pattern)	負向預查，在任何不匹配Negative lookahead matches the search string at any point where a string not matching pattern 的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。預查不消耗字符，也就是說，在一個匹配發(fā)生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始
x|y	匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 則匹配 "zood" 或 "food"。
[xyz]	字符集合。匹配所包含的任意一個字符。例如， ‘[abc]‘ 可以匹配 "plain" 中的 ‘a'。
[^xyz]	負值字符集合。匹配未包含的任意字符。例如， ‘[^abc]‘ 可以匹配 "plain" 中的'p'。
[a-z]	字符范圍。匹配指定范圍內的任意字符。例如，'[a-z]‘ 可以匹配 ‘a' 到 ‘z' 范圍內的任意小寫字母字符。
[^a-z]	負值字符范圍。匹配任何不在指定范圍內的任意字符。例如，'[^a-z]‘ 可以匹配任何不在 ‘a' 到 ‘z' 范圍內的任意字符。
\b	匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， ‘er\b' 可以匹配"never" 中的 ‘er'，但不能匹配 "verb" 中的 ‘er'。
\B	匹配非單詞邊界。'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 匹配一個 Control-M 或回車符。 x 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個原義的 ‘c' 字符。
\d	匹配一個數(shù)字字符。等價于 [0-9]。
\D	匹配一個非數(shù)字字符。等價于 [^0-9]。
\f	匹配一個換頁符。等價于 \x0c 和 \cL。
\n	匹配一個換行符。等價于 \x0a 和 \cJ。
\r	匹配一個回車符。等價于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、換頁符等等。等價于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等價于 [^ \f\n\r\t\v]。
\t	匹配一個制表符。等價于 \x09 和 \cI。
\v	匹配一個垂直制表符。等價于 \x0b 和 \cK。
\w	匹配包括下劃線的任何單詞字符。等價于'[A-Za-z0-9_]‘。
\W	匹配任何非單詞字符。等價于 ‘[^A-Za-z0-9_]‘。
\xn	匹配 n，其中 n 為十六進制轉義值。十六進制轉義值必須為確定的兩個數(shù)字長。例如， ‘\x41′ 匹配 "A"。'\x041′ 則等價于 ‘\x04′ "1"。正則表達式中可以使用 ASCII 編碼。.
\num	匹配 num，其中 num 是一個正整數(shù)。對所獲取的匹配的引用。例如，'(.)\1′ 匹配兩個連續(xù)的相同字符。
\n	標識一個八進制轉義值或一個后向引用。如果 \n 之前至少 n 個獲取的子表達式，則 n 為后向引用。否則，如果 n 為八進制數(shù)字 (0-7)，則 n 為一個八進制轉義值。
\nm	標識一個八進制轉義值或一個后向引用。如果 \nm 之前至少有is preceded by at least nm 個獲取得子表達式，則 nm 為后向引用。如果 \nm 之前至少有 n 個獲取，則 n 為一個后跟文字 m 的后向引用。如果前面的條件都不滿足，若 n 和 m均為八進制數(shù)字 (0-7)，則 \nm 將匹配八進制轉義值 nm。
\nml	如果 n 為八進制數(shù)字 (0-3)，且 m 和 l 均為八進制數(shù)字 (0-7)，則匹配八進制轉義值 nml。
\un	匹配 n，其中 n 是一個用四個十六進制數(shù)字表示的 Unicode 字符。例如， \u00A9 匹配版權符號 (?)。

從上面元字符里面，我們看到，很多元字符，實際上可以代表一組普通字符。因此，我們要匹配一些字符串，正則表達式往往會有很多種。如：匹配0-9數(shù)字，可以用[0-9],\d,[0123456789] ，這樣3種都可以，條條大路通羅馬，都是對的。那么那一種正則表達式更好呢，性能更高呢，匹配速度更快呢？通過10萬次 循環(huán)匹配，發(fā)現(xiàn)幾種幾乎相差不大，\d速度比[0-9快，[0-9]比[0123456789]快。從正則表達式精簡]程度方面，\d最簡單。使用時候，我們盡量用代表字符集元字符去匹配。精簡且速度快！

怎么樣書寫正則表達式呢？
我們寫正則表達式，都是從分析匹配字符串特點開始，然后逐步補充其它元字符，普通字符。匹配從左到右。

例如：我們要匹配一個手機號碼。

1. 分析字符串特點，手機號碼是數(shù)字，并且是以1開頭，11位長

2.可以寫”1\d”   1開頭，后面跟著數(shù)字 也可以是：1[0-9]

3.數(shù)字長度是11位 ，繼續(xù)補充1\d{10} ，后面數(shù)字長11字符，也可以是：1[0-9]{10} ；{}里面數(shù)字，表示它左邊字符可以重復出現(xiàn)次數(shù)

4.所有字符必須是11位，因此頭尾直接必須滿足條件，因此可以是：^1\d{10}$ 了。

例如：我們匹配QQ號碼

1.分析QQ號碼特點是，號碼是 最少是5位數(shù)，首位字符非0，最大長度，目前到11位了

2.可以先定義首位字符，[1-9]\d    首位字符是1到9，后面是字符

3.后面字符個數(shù)在4到10位 [1-9]\d{4,10}

4.所有字符串必須都滿足上面匹配，因為可以寫成：^[1-9]\d{4,10}

例如：匹配IP地址

1.分析ip結構是，每節(jié) 0-255，中間用”.”分割，一共有4節(jié)

2.首先我們寫第一個0-255 ，可以分解為0-9 一位數(shù),10-99兩位數(shù),100-199三位數(shù),200-249三位數(shù)第2節(jié),250-255第四節(jié)

[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]   “|”表示或者，計算優(yōu)先級最低，左右兩邊可以是多個元字符普通字符組合字符串為一個整體。

3.這樣的字符，有三次重復，中間加”.” ，所以結果是：

[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]\. ，因為是點字符是元字符，所有需要轉義。這樣是不是可以了呢，我們發(fā)現(xiàn)有問題，”|”優(yōu)先級最低，這樣會把最后\.字符表，組合為：“25[0-5] \.”了。因此，應該是前面幾種情況，后面跟個”.”字符，正確是：([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\. ，這樣就達到要求了。我們會發(fā)現(xiàn)，實際上每家一個()字符，都一個子匹配，會在匹配結果里面出現(xiàn)()內容。這里我們加()目的是，讓優(yōu)先計算，因此不需要里面子匹配內容。我們可以加忽略子匹配內容字符：?: ，結果將變?yōu)椋??:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\.

4.一段已經匹配到了，然后我們這樣需要重復三次，我們可以直接重復上一個表達式3次：

方法一：(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\.(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\.(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\.

方法二：把第一段作為分組，重復3次    ((?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\.){3} ，然后同樣忽略子匹配結果，可以變?yōu)椋?/p>

(?:(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\.){3} 哈哈，看到這個表達式是不是很暈了，其實一個長的表達式，都是從一點一點加上去的。這個利用到，重復次數(shù)，將結果簡化不少了。

5.最后還有一段0-255匹配

(?:(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\.){3}(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]) ，也就是在后面加多一個0-255匹配即可，然后在上面再加上頭尾限定符，變成了：^(?:(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\.){3}(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])$

下面一個圖，是讀一段文字里面，所有IP個格式地址

其中(?=……)是正向匹配，搜索左邊字符串，并且該字符串右邊必須滿足?=后面匹配成功的才匹配成功！

好了，寫了這么些例子，發(fā)現(xiàn)一口氣能從很簡單正則表達式，匹配到這么長的表達式了。是不是感覺有些暈了，其實不奇怪，長的正則表達式都是從簡單正則表達式得到。逐步加上去了。 歡迎討論交流！