全部文章

正则表达式

概述

概念

正则表达式，又称规则表达式（Regular Expression），是使用单个字符串来描述、匹配某个句法规则的字符串，常被用来检索、替换、验证、提取那些符合某个模式（规则）的文本。是模式匹配和搜索文本的工具。

简单来说，正则表达式就是使用：字符串定义规则，并通过规则去验证字符串是否匹配。 比如，验证一个字符串是否是符合条件的电子邮箱地址，只需要配置好正则规则，即可匹配任意邮箱。 比如通过正则规则： (^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$) 即可匹配一个字符串是否是标准邮箱格式。

但如果不使用正则，使用if else来对字符串做判断就非常困难了。

快速理解

下面通过一个用户注册时，校验用户名是否符合规则的表达式快速理解什么是正则表达式，及她的强大作用：

我们在写用户注册表单时，只允许用户名包含字母、数字、下划线和连接字符 -，并设置用户名的长度在3到15个字符之间，我们就可以使用以下正则表达式来设定。

^[a-zA-Z0-9_-]{3,15}$

  • ^ 表示匹配字符串的开头（行的开头）。
  • [a-zA-Z0-9_-] 表示字符集，包含小写字母、大写字母、数字、下划线和连接字符 -。
  • {3,15} 表示前面的字符集最少出现 3 次，最多出现 15 次，从而限制了用户名的长度在 3 到 15 个字符之间。
  • $ 表示匹配字符串的结尾（行的结尾）。

以上的正则表达式可以匹配 zhansan、zhansan1、zhan-san、zhang_san， 但不匹配 zs，因为它包含的字母太短了，小于 3 个无法匹配。也不匹配 zhangsan$, 因为它包含特殊字符。

再例如：

  • wocao+b，可以匹配 wocaob、wocaoob、wocaooooob 等，+ 号代表前面的字符必须至少出现一次（1次或多次）
  • wocao*b，可以匹配 runob、wocaob、wocaooooob 等，* 号代表前面的字符可以不出现，也可以出现一次或者多次（0次、或1次、或多次）
  • colou?r 可以匹配 color 或者 colour，? 问号代表前面的字符最多只可以出现一次（0次或1次）

应用领域

当前：正则表达式仍然是文本处理和数据提取的重要工具，它在数据科学、文本分析、网络爬虫、字符串搜索和替换等领域都有广泛的应用。

目前，正则表达式已经在很多软件中得到广泛的应用，包括 *nix（Linux, Unix等）、HP 等操作系统，PHP、C#、JavaScript、Python、Java、Perl 等开发环境和文本处理工具中，以及很多的应用软件中，都可以看到正则表达式的影子：

命令或环境

.

[ ]

^

$

\( \ )

\{ \}

?

+

|

( )

vi

√

√

√

√

√

 

 

 

 

 

Visual C++

√

√

√

√

√

 

 

 

 

 

awk

√

√

√

√

 

awk是支持该语法的，只是要在命令 行加入 --posix or --re-interval参数即可，可见 man awk中的interval expression

√

√

√

√

sed

√

√

√

√

√

√

 

 

 

 

delphi

√

√

√

√

√

 

√

√

√

√

python

√

√

√

√

√

√

√

√

√

√

java

√

√

√

√

√

√

√

√

√　

√　

javascript

√

√

√

√

√

 

√

√

√

√

php

√

√

√

√

√

 

 

 

 

 

perl

√

√

√

√

√

 

√

√

√

√

C#

√

√

√

√

 

 

√

√

√

√

 

匹配规则

基本模式匹配

一切从最基本的开始。模式，是正则表达式最基本的元素，它们是一组描述字符串特征的字符。模式可以很简单，由普通的字符串组成，也可以非常复杂，往往用特殊的字符表示一个范围内的字符、重复出现，或表示上下文。例如：

^once

这个模式包含一个特殊的字符 ^，表示该模式只匹配那些以 once 开头的字符串。例如该模式与字符串 "once upon a time" 匹配，与 "There once was a man from NewYork" 不匹配。正如如 ^ 符号表示开头一样，$ 符号用来匹配那些以给定模式结尾的字符串。

bucket$

这个模式与 "Who kept all of this cash in a bucket" 匹配，与 "buckets" 不匹配。字符 ^ 和 $ 同时使用时，表示精确匹配（字符串与模式一样）。例如：

^bucket$

只匹配字符串 "bucket"。如果一个模式不包括 ^ 和 $，那么它与任何包含该模式的字符串匹配。例如模式：

once

与字符串

There once was a man from NewYork Who kept all of his cash in a bucket.

是匹配的。

在该模式中的字母 (o-n-c-e) 是字面的字符，也就是说，他们表示该字母本身，数字也是一样的。其他一些稍微复杂的字符，如标点符号和空白字符（空格、制表符等），要用到转义序列。所有的转义序列都用反斜杠 \ 打头。制表符的转义序列是 \t。所以如果我们要检测一个字符串是否以制表符开头，可以用这个模式：

^\t

类似的，用 \n 表示"新行"，\r 表示回车。其他的特殊符号，可以用在前面加上反斜杠，如反斜杠本身用 \\ 表示，句号 . 用 \. 表示，以此类推。

字符簇

在 INTERNET 的程序中，正则表达式通常用来验证用户的输入。当用户提交一个 FORM 以后，要判断输入的电话号码、地址、EMAIL 地址、信用卡号码等是否有效，用普通的基于字面的字符是不够的。

所以要用一种更自由的描述我们要的模式的办法，它就是字符簇。要建立一个表示所有元音字符的字符簇，就把所有的元音字符放在一个方括号里：

[AaEeIiOoUu]

这个模式与任何元音字符匹配，但只能表示一个字符。用连字号可以表示一个字符的范围，如：

[a-z] // 匹配所有的小写字母 
[A-Z] // 匹配所有的大写字母 
[a-zA-Z] // 匹配所有的字母 
[0-9] // 匹配所有的数字 
[0-9\.\-] // 匹配所有的数字，句号和减号 
[ \f\r\t\n] // 匹配所有的白字符

同样的，这些也只表示一个字符。如果要匹配一个由一个小写字母和一位数字组成的字符串，比如 "z2"、"t6" 或 "g7"，但不是 "ab2"、"r2d3" 或 "b52" 的话，用这个模式：

^[a-z][0-9]$

尽管 [a-z] 代表 26 个字母的范围，但在这里它只能与第一个字符是小写字母的字符串匹配。

前面曾经提到^表示字符串的开头，但它还有另外一个含义。当在一组方括号里使用 ^ 时，它表示"非"或"排除"的意思，常常用来剔除某个字符。还用前面的例子，我们要求第一个字符不能是数字：

^[^0-9][0-9]$

这个模式与 "&5"、"g7"及"-2" 是匹配的，但与 "12"、"66" 是不匹配的。下面是几个排除特定字符的例子：

[^a-z] //除了小写字母以外的所有字符 
[^\\\/\^] //除了(\)(/)(^)之外的所有字符 
[^\"\'] //除了双引号(")和单引号(')之外的所有字符

特殊字符 .(点，句号)在正则表达式中用来表示除了"换行"之外的所有字符。所以模式 ^.5$ 与任何两个字符的、以数字5结尾和以其他非"换行"字符开头的字符串匹配。模式 . 可以匹配任何字符串，换行符（\n、\r）除外。

重复出现次数

到现在为止，你已经知道如何去匹配一个字母或数字，但更多的情况下，可能要匹配一个单词或一组数字。一个单词有若干个字母组成，一组数字有若干个单数组成。跟在字符或字符簇后面的花括号({})用来确定前面的内容的重复出现的次数。

字符簇 描述
^[a-zA-Z_]$ 所有的字母和下划线
^a$ 字母a
^a{4}$ aaaa
^a{2,4}$ aa,aaa或aaaa
^a{1,3}$ a,aa或aaa
^a{2,}$ 包含多于两个a的字符串
^a{2,} 如：aardvark和aaab，但apple不行
a{2,} 如：baad和aaa，但Nantucket不行
\t{2} 两个制表符
.{2} 所有的两个字符

这些例子描述了花括号的三种不同的用法。一个数字 {x} 的意思是前面的字符或字符簇只出现x次 ；一个数字加逗号 {x,} 的意思是前面的内容出现x或更多的次数 ；两个数字用逗号分隔的数字 {x,y} 表示 前面的内容至少出现x次，但不超过y次。我们可以把模式扩展到更多的单词或数字：

^[a-zA-Z0-9_]{1,}$      // 所有包含一个以上的字母、数字或下划线的字符串 
^[1-9][0-9]{0,}$        // 所有的正整数 
^\-{0,1}[0-9]{1,}$      // 所有的整数 
^[-]?[0-9]+\.?[0-9]+$   // 所有的浮点数

最后一个例子不太好理解，是吗？这么看吧：以一个可选的负号 ([-]?) 开头 (^)、跟着1个或更多的数字([0-9]+)、和一个小数点(\.)再跟上1个或多个数字([0-9]+)，并且后面没有其他任何东西($)。下面你将知道能够使用的更为简单的方法。

特殊字符 ? 与 {0,1} 是相等的，它们都代表着： 0个或1个前面的内容 或 前面的内容是可选的 。所以刚才的例子可以简化为：

^\-?[0-9]{1,}\.?[0-9]{1,}$

特殊字符 * 与 {0,} 是相等的，它们都代表着 0 个或多个前面的内容 。最后，字符 + 与 {1,} 是相等的，表示 1 个或多个前面的内容 ，所以上面的4个例子可以写成：

^[a-zA-Z0-9_]+$      // 所有包含一个以上的字母、数字或下划线的字符串 
^[1-9][0-9]*$        // 所有的正整数 
^\-?[0-9]+$          // 所有的整数 
^[-]?[0-9]+(\.[0-9]+)?$ // 所有的浮点数

当然这并不能从技术上降低正则表达式的复杂性，但可以使它们更容易阅读。

正则表达式的模式

字符匹配

  • 普通字符：普通字符按照字面意义进行匹配，例如匹配字母 "a" 将匹配到文本中的 "a" 字符。
  • 元字符：元字符具有特殊的含义，例如 \d 匹配任意数字字符，\w 匹配任意字母数字字符，. 匹配任意字符（除了换行符）等。

量词

  • *：匹配前面的模式零次或多次。
  • +：匹配前面的模式一次或多次。
  • ?：匹配前面的模式零次或一次。
  • {n}：匹配前面的模式恰好 n 次。
  • {n,}：匹配前面的模式至少 n 次。
  • {n,m}：匹配前面的模式至少 n 次且不超过 m 次。

字符类

  • [ ]：匹配括号内的任意一个字符。例如，[abc] 匹配字符 "a"、"b" 或 "c"。
  • [^ ]：匹配除了括号内的字符以外的任意一个字符。例如，[^abc] 匹配除了字符 "a"、"b" 或 "c" 以外的任意字符。

边界匹配

  • ^：匹配字符串的开头（行的开头）。
  • $：匹配字符串的结尾（行的结尾）。
  • \b：匹配单词边界。
  • \B：匹配非单词边界。

分组和捕获

  • ( )：用于分组和捕获子表达式。
  • (?: )：用于分组但不捕获子表达式。

特殊字符

  • \：转义字符，用于匹配特殊字符本身。
  • .：匹配任意字符（除了换行符）。
  • |：用于指定多个模式的选择。

普通字符

普通字符包括没有显式指定为元字符的所有可打印和不可打印字符（如换行符）。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。

字符 描述 代码展示（Python）
[ABC]

匹配 [...] 中的所有字符，例如 [aeiou] 匹配字符串 "google runoob taobao" 中所有的 e o u a 字母。

 
import re

str='google runoob taobao'
findall = re.findall(r"[aeiou]", str)
print(findall)#['o', 'o', 'e', 'u', 'o', 'o', 'a', 'o', 'a', 'o']
[^ABC]

匹配除了 [...] 中字符的所有字符，例如 [^aeiou] 匹配字符串 "google runoob taobao" 中除了 e o u a 字母的所有字符。

 
str='google runoob taobao'
findall = re.findall(r"[^aeiou]", str)
print(findall)#['g', 'g', 'l', ' ', 'r', 'n', 'b', ' ', 't', 'b']
[A-Z]

[A-Z] 表示一个区间，匹配所有大写字母，[a-z] 表示所有小写字母。

   
str='Google Runoob Taobao'
findall = re.findall(r"[A-Z]", str)
print(findall)#['G', 'R', 'T']
.

匹配除换行符（\n、\r）之外的任何单个字符，相等于 [^\n\r]。

   
str='Google Runoob Taobao'
findall = re.findall(r".", str)
print(findall)#['G', 'o', 'o', 'g', 'l', 'e', ' ', 'R', 'u', 'n', 'o', 'o', 'b', ' ', 'T',
 'a', 'o', 'b', 'a', 'o']
[\s\S]

匹配所有。\s 是匹配所有空白符（空格符，制表符，换行符等统称为空白符），包括换行，\S 匹配除了空白符和换行之外的内容。

   
str='''
Google Runoob Taobao
baidu
aliyun
'''
findall = re.findall(r"\s", str)
print(findall)#['\n', ' ', ' ', '\n', '\n', '\n']

findall = re.findall(r"\S", str)
print(findall)#['G', 'o', 'o', 'g', 'l', 'e', 'R', 'u', 'n', 'o', 'o', 'b', 'T', 'a', 'o', 'b',
 'a', 'o', 'b', 'a', 'i', 'd', 'u', 'a', 'l', 'i', 'y', 'u', 'n']
\w

匹配字母、数字、下划线。等价于 [A-Za-z0-9_]

   
str='Google Runoob Taobao_123???!@#'
findall = re.findall(r"\w", str)
print(findall)#['G', 'o', 'o', 'g', 'l', 'e', 'R', 'u', 'n', 'o', 'o', 'b', 'T', 'a', 'o', 'b', 'a', 'o', '_', '1', '2', '3']
\d

匹配任意一个阿拉伯数字（0 到 9）。等价于 [0-9]

   
str='Google Runoob Taobao_123???!@#'
findall = re.findall(r"\d", str)
print(findall)#['1', '2', '3']

非打印字符

非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列：

字符 描述
\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。
\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、换行符、换页符等等。等价于 [ \f\n\r\t\v]。注意 Unicode 正则表达式会匹配全角空格符。
\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。

特殊字符

所谓特殊字符，就是一些有特殊含义的字符，如上面说的 wocao*b 中的 *，简单的说就是表示任何字符串的意思。如果要查找字符串中的 * 符号，则需要对 * 进行转义，即在其前加一个 \，wocao\*ob 匹配字符串 wocao*ob。

许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符，必须首先使字符"转义"，即，将反斜杠字符\ 放在它们前面。下表列出了正则表达式中的特殊字符：

特别字符 描述
$ 匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r'之前的位置。要匹配 $ 字符本身，请使用 \$。
( ) 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 \( 和 \)。
* 匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 \*。
+ 匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 \+。
. 匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 \. 。
[ 标记一个中括号表达式的开始。要匹配 [，请使用 \[。
? 匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 \?。
\ 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， 'n' 匹配字符 'n'。'\n' 匹配换行符。序列 '\\' 匹配 "\"，而 '\(' 则匹配 "("。
^ 匹配输入字符串的开始位置，除非在方括号表达式中使用，当该符号在方括号表达式中使用时，表示不接受该方括号表达式中的字符集合。要匹配 ^ 字符本身，请使用 \^。
{ 标记限定符表达式的开始。要匹配 {，请使用 \{。
| 指明两项之间的一个选择。要匹配 |，请使用 \|。

限定符

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。

正则表达式的限定符有：

字符 描述 实例
* 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,}。 
list=['zo','zoo','zoooz','123','!zooo']
for item in list:
    findall = re.findall(r"^zo*", item)
    if findall:
        print(findall)          
    '''
['zo']
['zoo']
['zooo']
    '''
+ 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" 、 "does"、 "doxy" 中的 "do" 和 "does"。? 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。  

以下正则表达式匹配一个正整数，[1-9]设置第一个数字不是 0，[0-9]* 表示任意多个数字：

/[1-9][0-9]*/

请注意，限定符出现在范围表达式之后。因此，它应用于整个范围表达式，在本例中，只指定从 0 到 9 的数字（包括 0 和 9）。

这里不使用 + 限定符，因为在第二个位置或后面的位置不一定需要有一个数字。也不使用 ? 字符，因为使用 ? 会将整数限制到只有两位数。

如果你想设置 0~99 的两位数，可以使用下面的表达式来至少指定一位但至多两位数字。

/[0-9]{1,2}/

上面的表达式的缺点是，只能匹配两位数字，而且可以匹配 0、00、01、10 99 的章节编号仍只匹配开头两位数字。

改进下，匹配 1~99 的正整数表达式如下：

/[1-9][0-9]?/

或

/[1-9][0-9]{0,1}/

贪婪&非贪婪

* 和 + 限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配。

例如，您可能搜索 HTML 文档，以查找在 h1 标签内的内容。HTML 代码如下：

<h1>RUNOOB-菜鸟教程</h1>

贪婪：下面的表达式匹配从开始小于符号 (<) 到关闭 h1 标记的大于符号 (>) 之间的所有内容。

/<.*>/

非贪婪：如果您只需要匹配开始和结束 h1 标签，下面的非贪婪表达式只匹配 <h1>。

通过在 *、+ 或 ? 限定符之后放置 ?，该表达式从"贪婪"表达式转换为"非贪婪"表达式或者最小匹配。

/<.*?>/

也可以使用以下正则表达式来匹配 h1 标签，表达式则是：

/<\w+?>/

通过在 *、+ 或 ? 限定符之后放置 ?，该表达式从"贪婪"表达式转换为"非贪婪"表达式或者最小匹配。

findall = re.findall(r"<.*>", str)
print(findall)#['<h1>abscdf</h1>']
findall = re.findall(r"<.*?>", str)
print(findall)#['<h1>', '</h1>']

 

定位符

定位符使您能够将正则表达式固定到行首或行尾。它们还使您能够创建这样的正则表达式，这些正则表达式出现在一个单词内、在一个单词的开头或者一个单词的结尾。

定位符用来描述字符串或单词的边界，^ 和 $ 分别指字符串的开始与结束，\b 描述单词的前或后边界，\B 表示非单词边界。

正则表达式的定位符有：

字符 描述 实例
^ 匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与 \n 或 \r 之后的位置匹配。  
$ 匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与 \n 或 \r 之前的位置匹配。  
\b 匹配一个单词边界，即字与空格间的位置。  
\B 非单词边界匹配。  

注意：不能将限定符与定位符一起使用。由于在紧靠换行或者单词边界的前面或后面不能有一个以上位置，因此不允许诸如 ^* 之类的表达式。

若要匹配一行文本开始处的文本，请在正则表达式的开始使用 ^ 字符。不要将 ^ 的这种用法与中括号表达式内的用法混淆。

若要匹配一行文本的结束处的文本，请在正则表达式的结束处使用 $ 字符。

若要在搜索章节标题时使用定位点，下面的正则表达式匹配一个章节标题，该标题只包含两个尾随数字，并且出现在行首：

/^Chapter [1-9][0-9]{0,1}/

真正的章节标题不仅出现行的开始处，而且它还是该行中仅有的文本。它既出现在行首又出现在同一行的结尾。下面的表达式能确保指定的匹配只匹配章节而不匹配交叉引用。通过创建只匹配一行文本的开始和结尾的正则表达式，就可做到这一点。

/^Chapter [1-9][0-9]{0,1}$/

匹配单词边界稍有不同，但向正则表达式添加了很重要的能力。单词边界是单词和空格之间的位置。非单词边界是任何其他位置。下面的表达式匹配单词 Chapter 的开头三个字符，因为这三个字符出现在单词边界后面：

/\bCha/

\b 字符的位置是非常重要的。如果它位于要匹配的字符串的开始，它在单词的开始处查找匹配项。如果它位于字符串的结尾，它在单词的结尾处查找匹配项。例如，下面的表达式匹配单词 Chapter 中的字符串 ter，因为它出现在单词边界的前面：

/ter\b/

下面的表达式匹配 Chapter 中的字符串 apt，但不匹配 aptitude 中的字符串 apt：

/\Bapt/

字符串 apt 出现在单词 Chapter 中的非单词边界处，但出现在单词 aptitude 中的单词边界处。对于 \B 非单词边界运算符，不可以匹配单词的开头或结尾，如果是下面的表达式，就不匹配 Chapter 中的 Cha：

\BCha

修饰符（标记）

标记也称为修饰符，正则表达式的标记用于指定额外的匹配策略。

标记不写在正则表达式里，标记位于表达式之外，格式如下：

/pattern/flags

下表列出了正则表达式常用的修饰符：

修饰符 含义 描述
i ignore - 不区分大小写 将匹配设置为不区分大小写，搜索时不区分大小写: A 和 a 没有区别。
g global - 全局匹配 查找所有的匹配项。
m multi line - 多行匹配 使边界字符 ^ 和 $ 匹配每一行的开头和结尾，记住是多行，而不是整个字符串的开头和结尾。
s 特殊字符圆点 . 中包含换行符 \n 默认情况下的圆点 . 是匹配除换行符 \n 之外的任何字符，加上 s 修饰符之后, . 中包含换行符 \n。

g 修饰符

g 修饰符可以查找字符串中所有的匹配项：

var str="Google runoob taobao runoob"; 
var n1=str.match(/runoob/);   // 查找第一次匹配项
var n2=str.match(/runoob/g);  // 查找所有匹配项

i 修饰符

i 修饰符为不区分大小写匹配，实例如下：

var str="Google runoob taobao RUNoob"; 
var n1=str.match(/runoob/g);   // 区分大小写
var n2=str.match(/runoob/gi);  // 不区分大小写

m 修饰符

m 修饰符可以使 ^ 和 $ 匹配一段文本中每行的开始和结束位置。多行标记 m 指定换行符的两边可能出现潜在的匹配。

g 只匹配第一行，添加 m 之后实现多行。

以下实例字符串中使用 \n 来换行：

var str="runoobgoogle\ntaobao\nrunoobweibo";
var n1=str.match(/^runoob/g);   // 匹配一个
var n2=str.match(/^runoob/gm);  // 多行匹配

s 修饰符

默认情况下的圆点 . 是 匹配除换行符 \n 之外的任何字符，加上 s 之后, . 中包含换行符 \n。

var str="google\nrunoob\ntaobao";
var n1=str.match(/google./);   // 没有使用 s，无法匹配\n
var n2=str.match(/runoob./s);  // 使用 s，匹配\n

元字符

下表包含了元字符的完整列表以及它们在正则表达式上下文中的行为：

注：下表中的【红色】字体内容，晦涩难懂，在下文“替换和分组”以及“反向引用”模块会讲到，所以建议阅读本表时先跳过；【蓝色】字体部分，暂时没看懂后续研究！！！

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" 。? 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'。
.

匹配除换行符（\n、\r）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)

正向肯定预查（look ahead positive assert），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)

正向否定预查(negative assert)，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。
(?<=pattern) 反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。例如，"(?<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的"Windows"。
(?<!pattern) 反向否定预查，与正向否定预查类似，只是方向相反。例如"(?<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。
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]

前面曾经提到^表示字符串的开头，但它还有另外一个含义。当在一组方括号里使用 ^ 时，它表示"非"或"排除"的意思，常常用来剔除某个字符。

即负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'。
[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

匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。
\W

匹配非字母、数字、下划线。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 (?)。

接下来我们分析一个匹配邮箱的正则表达式，如下图：

var str = "abcd test@runoob.com 1234";
var patt1 = /\b[\w.%+-]+@[\w.-]+\.[a-zA-Z]{2,6}\b/g;
document.write(str.match(patt1));

以下标记的文本是获得的匹配的表达式：

test@runoob.com

替换（或“|”）和分组

替换

替换使用 | 字符来允许在两个或多个替换选项之间进行选择。例如，可以扩展章节标题正则表达式，以返回比章标题范围更广的匹配项。但是，这并不象您可能认为的那样简单。替换匹配 | 字符任一侧最大的表达式。

您可能认为，下面的表达式匹配出现在Chapter或者Section 后面跟一个或两个数字的 “Chapter 22”或 “Section 33”：

/^Chapter|Section [1-9][0-9]{0,1}$/

很遗憾，运算符“|”的优先级要小于任何元字符、任何字符，上面的正则表达式要么匹配单词 Chapter，要么匹配 Section 及跟在其后的任何数字（如 Section 123）。如果输入字符串是 Chapter 22，那么上面的表达式只匹配单词 Chapter。如果输入字符串是 Section 22，那么该表达式匹配 Section 22。

分组

若要使正则表达式更易于控制，可以使用括号“（）”来限制替换的范围如：

(Chapter|Section)

确保“|”只应用于两个单词 Chapter 和 Section：

/^(Chapter|Section) [1-9][0-9]{0,1}$/
通过在上面的正则表达式的适当位置添加括号，就可以使该正则表达式匹配 Chapter 1 或 Section 3。

但是，括号也用于创建子表达式，，每个“（）”就是一个子表达式，并且子表达式匹配到的内容也会被保存（捕获）并返回：下面以Python代码举例：

# 在Python里，我们可以使用 group(num) 或 groups() 获取整体表达式及子表达式【小括号内的表达式】所匹配到的内容：。
line = "Cats are smarter than dogs"
# .* 表示任意匹配除换行符（\n、\r）之外的任何单个或多个字符
# (.*?) 表示"非贪婪"模式，只保存第一个匹配到的子串
matchObj = re.match(r'(.*) are (.*?) .*', line)

if matchObj:
    print("matchObj", matchObj)#matchObj <re.Match object; span=(0, 26), match='Cats are smarter than dogs'>
    print("matchObj.group() : ", matchObj.group())#matchObj.group() :  Cats are smarter than dogs #匹配的整个表达式的字符串
    print("matchObj.group(0) : ", matchObj.group(0))#matchObj.group(0) :  Cats are smarter than dogs#匹配的整个表达式的字符串
    print("matchObj.group(1) : ", matchObj.group(1))#matchObj.group(1) :  Cats     #即第一个括号：(.*) 所匹配的子串1
    print("matchObj.group(2) : ", matchObj.group(2))#matchObj.group(2) :  smarter #即第二个括号：(.*?) 所匹配的子串2
    print("matchObj.group(1,2) : ", matchObj.group(1,2))#matchObj.group(1,2) :  ('Cats', 'smarter')#group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
    print("matchObj.groups() : ", matchObj.groups())#matchObj.groups() :  ('Cats', 'smarter')#返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。
else:
    print("No match!!")

 

非捕获元字符

若要防止子表达式匹配内容被保存，可以在括号内正则表达式模式之前放置 ?:。下面的修改提供相同的能力而不保存子表达式所匹配的内容，扔以上面Python代码举例：

line = "Cats are smarter than dogs"
#在第一个子表达式之前添加“?:”,则第一个表达式所匹配的“Cats”不会被保存，所以groups函数所获取的内容只有“smarter”了：
matchObj = re.match(r'(?:.*) are (.*?) .*', line)

if matchObj:
    print("matchObj", matchObj)#matchObj <re.Match object; span=(0, 26), match='Cats are smarter than dogs'>#整体匹配功能不变，仅仅是前面添加了“?:”d1子表达式所匹配的内容没有被保存
    print("matchObj.group() : ", matchObj.group())#matchObj.group() :  Cats are smarter than dogs #匹配的整个表达式的字符串
    print("matchObj.groups() : ", matchObj.groups())#matchObj.groups() :  ('smarter'，)
else:
    print("No match!!")

除 ?: 元字符外，还可以使用非捕获元字符 ?= 或 ?! 来重写捕获，忽略对相关匹配的保存。

?=、?<=、?!、?<! 的使用区别（实例代码均为Python）

exp1(?=exp2)：查找 exp2 前面的 exp1。

import re
str="123456abcdef123abcdef456"
search1 = re.search(r"abcdef(\d+)", str)
search2 = re.search(r"abcdef(?=\d+)", str)
print(search1)#<re.search object; span=(6, 15), search='abcdef123'>
print(search1.groups())#('123',)
print(search2)#<re.search object; span=(6, 12), search='abcdef'>
print(search2.groups())#()  由于使用了“？=”非捕获元字符，所以字表达式匹配内容未保存，打印为空

(?<=exp2)exp1：查找 exp2 后面的 exp1。

str="123456abcdef123abcdef456"
search1 = re.search(r"([0-9]+)abcdef", str)
# search2 = re.search(r"(?<=[0-9]+)abcdef", str)#注意，会报错，因为Python 的标准正则表达式引擎 re 不支持可变长度的回顾断言。当您尝试使用 (?<=[0-9]+) 时，引擎无法确定回顾部分的具体长度，因此抛出错误：re.PatternError: look-behind requires fixed-width pattern
search2 = re.search(r"(?<=[0-9]{3})abcdef", str)#这里改为定长的{3}
print(search1)#<re.Match object; span=(0, 12), match='123456abcdef'>
print(search1.groups())#('123456',)
print(search2)#<re.Match object; span=(6, 12), match='abcdef'>
print(search2.groups())#()

exp1(?!exp2)：查找后面不是 exp2 的 exp1。

str="123456abcdefghijkabcdef456hijk"
search1 = re.search(r"abcdef(\d+)", str)
search2 = re.search(r"abcdef(?!\d+)", str)
print(search1)#<re.Match object; span=(17, 26), match='abcdef456'>
print(search1.groups())#('456',)
print(search2)#<re.Match object; span=(6, 12), match='abcdef'>
print(search2.groups())#()

(?<!exp2)exp1：查找前面不是 exp2 的 exp1。

str="123456abcdef123abcdef456"
search1 = re.search(r"([0-9]+)abcdef", str)
print(search1)#<re.Match object; span=(0, 12), match='123456abcdef'>
print(search1.groups())#('123456',)
search2 = re.search(r"(?!=[0-9]+)abcdef", str)
print(search2)#<re.Match object; span=(6, 12), match='abcdef'>
print(search2.groups())#()

更多内容可以参考：正则表达式的先行断言(lookahead)和后行断言(lookbehind)

反向引用

对一个正则表达式模式或部分模式两边添加圆括号“()”将导致相关匹配存储到一个临时缓冲区中，所捕获的每个子匹配都按照在正则表达式模式中从左到右出现的顺序存储。缓冲区编号从 1 开始，最多可存储 99 个捕获的子表达式。每个缓冲区都可以使用 \n 访问，其中 n 为一个标识特定缓冲区的一位或两位十进制数。

 

反向引用的最简单的、最有用的应用之一，是提供查找文本中两个相同的相邻单词的匹配项的能力。以下面的句子为例：

Is is the cost of of gasoline going up up?

上面的句子很显然有多个重复的单词。如果能设计一种方法定位该句子，而不必查找每个单词的重复出现，那该有多好。下面的正则表达式使用单个子表达式来实现这一点：

查找重复的单词：

var str = "Is is the cost of of gasoline going up up"; 
var patt1 = /\b([a-z]+) \1\b/igm; #每个缓冲区都可以使用 \n 访问，其中 n 为一个标识特定缓冲区的一位或两位十进制数;igm是修饰符：i：表示不区分大小写、g：表示全局匹配而不是匹配第一个、m：多行匹配，而不是只匹配第一行
document.write(str.match(patt1));

python代码实现：

import re

str = "Is is the cost of of gasoline going up up";
findall = re.findall(r"\b([a-z]+) \1\b", str, re.IGNORECASE | re.MULTILINE)
print(findall)#['Is', 'of', 'up']

捕获的表达式，正如 [a-z]+ 指定的，包括一个或多个字母。正则表达式的第二部分是对以前捕获的子匹配项的引用，即，单词的第二个匹配项正好由括号表达式匹配。\1 指定第一个子匹配项。

单词边界元字符确保只检测整个单词。否则，诸如 "is issued" 或 "this is" 之类的词组将不能正确地被此表达式识别。

反向引用还可以将通用资源指示符 (URI) 分解为其组件。假定您想将下面的 URI 分解为协议（ftp、http 等等）、域地址和页/路径：

https://www.runoob.com:80/html/html-tutorial.html

下面的正则表达式提供该功能：

输出所有匹配的数据：

JS：

1 var str = "https://www.runoob.com:80/html/html-tutorial.html";
2 var patt1 = /(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)/;
3 arr = str.match(patt1);
4 for (var i = 0; i < arr.length ; i++) {
5     document.write(arr[i]);
6     document.write("<br>");
7 }

第三行代码 str.match(patt1) 返回一个数组，实例中的数组包含 5 个元素，索引 0 对应的是整个字符串，索引 1 对应第一个匹配符（括号内），以此类推。

第一个括号子表达式捕获 Web 地址的协议部分。该子表达式匹配在冒号和两个正斜杠前面的任何单词。

第二个括号子表达式捕获地址的域地址部分。子表达式匹配非“ : ”和 “/ ”之后的一个或多个字符。

第三个括号子表达式捕获端口号（如果指定了的话）。该子表达式匹配冒号后面的零个或多个数字。只能重复一次该子表达式。

最后，第四个括号子表达式捕获 Web 地址指定的路径和 / 或页信息。该子表达式能匹配不包括 # 或空格字符的任何字符序列。

将正则表达式应用到上面的 URI，各子匹配项包含下面的内容：

    • 第一个括号子表达式包含 https
    • 第二个括号子表达式包含 www.runoob.com
    • 第三个括号子表达式包含 :80
    • 第四个括号子表达式包含 /html/html-tutorial.html

 Python：

str = "https://www.runoob.com:80/html/html-tutorial.html"
s = re.search(r"(\w+)://([^/:]+)(:\d*)?([^# ]*)", str)
print(s)#<re.Match object; span=(0, 49), match='https://www.runoob.com:80/html/html-tutorial.html>
groups = s.groups()
for group in groups:
    print(group)
'''
https
www.runoob.com
:80
/html/html-tutorial.html
'''

运算符优先级

正则表达式从左到右进行计算，并遵循优先级顺序，这与算术表达式非常类似。

相同优先级的从左到右进行运算，不同优先级的运算先高后低。下表从最高到最低说明了各种正则表达式运算符的优先级顺序：

运算符 描述
\ 转义符
(), (?:), (?=), [] 圆括号和方括号
*, +, ?, {n}, {n,}, {n,m} 限定符
^, $, \任何元字符、任何字符 定位点和序列（即：位置和顺序）
| 替换，"或"操作
字符具有高于替换运算符的优先级，使得"m|food"匹配"m"或"food"。若要匹配"mood"或"food"，请使用括号创建子表达式，从而产生"(m|f)ood"。

以下是一些常见正则表达式运算符按照优先级从高到低的顺序：

  • 转义符号： \ 是用于转义其他特殊字符的转义符号。它具有最高的优先级。

    示例：\d、\. 等，其中 \d 匹配数字，\. 匹配点号。

  • 括号： 圆括号 () 用于创建子表达式，具有高于其他运算符的优先级。

    示例：(abc)+ 匹配 "abc" 一次或多次。

  • 量词： 量词指定前面的元素可以重复的次数。

    示例：a* 匹配零个或多个 "a"。

  • 字符类： 字符类使用方括号 [] 表示，用于匹配括号内的任意字符。

    示例：[aeiou] 匹配任何一个元音字母。

  • 断言： 断言是用于检查字符串中特定位置的条件的元素。

    示例：^ 表示行的开头，$ 表示行的结尾。

  • 连接： 连接在没有其他运算符的情况下表示字符之间的简单连接。

    示例：abc 匹配 "abc"。

  • 管道： 管道符号 | 表示"或"关系，用于在多个模式之间选择一个。

    示例：cat|dog 匹配 "cat" 或 "dog"。

接下来我们看下以下正则表达式的优先级说明：

\d{2,3}|[a-z]+(abc)*
  • \d{2,3} 匹配两到三个数字。
  • | 表示或。
  • [a-z]+ 匹配一个或多个小写字母。
  • (abc)* 匹配零个或多个 "abc"。

 

正则表达式 - 常用示例

一个合理的用户名正则表达式

用户名可以包含以下几种字符：

  • 1、26 个大小写英文字母表示为 a-zA-Z。
  • 2、数字表示为 0-9。
  • 3、下划线表示为 _。
  • 4、中划线表示为 -。

用户名由若干个字母、数字、下划线和中划线组成，所以需要用到 + 表示 1 次或多次出现。

根据以上条件得出用户名的表达式可以为：

[a-zA-Z0-9_-]+
var str = "abc123-_def";
var patt = /[a-zA-Z0-9_-]+/;
document.write(str.match(patt));

匹配 HTML 标签及内容

以下正则表达式用于匹配 iframe 标签：

/<iframe(([\s\S])*?)<\/iframe>/

其他标签的匹配可以替换 iframe 。

匹配 id="mydiv" 的 div 标签：

/<div id="mydiv"(([\s\S])*?)<\/div>/

匹配所有 img 标签：

/<img.*?src="(.*?)".*?\/?>/gi

其他示例

下面列出一些正则表达式示例：

正则表达式 描述
/\b([a-z]+) \1\b/gi 一个单词连续出现的位置。
/(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)/ 匹配一个 URL 解析为协议、域、端口及相对路径。
/^(?:Chapter|Section) [1-9][0-9]{0,1}$/ 定位章节的位置。
/[-a-z]/ a 至 z 共 26个 字母再加一个 - 号。
/ter\b/ 可匹配 chapter，而不能匹配 terminal。
/\Bapt/ 可匹配 chapter，而不能匹配 aptitude。
/Windows(?=95 |98 |NT )/ 可匹配 Windows95 或 Windows98 或 WindowsNT，当找到一个匹配后，从 Windows 后面开始进行下一次的检索匹配。
/^\s*$/ 匹配空行。
/\d{2}-\d{5}/ 验证由两位数字、一个连字符再加 5 位数字组成的 ID 号。
<[a-zA-Z]+.*?>([\s\S]*?)</[a-zA-Z]*?> 匹配 HTML 标记。
正则表达式 描述
hello 匹配 {hello}
gray|grey 匹配 {gray, grey}
gr(a|e)y 匹配 {gray, grey}
gr[ae]y 匹配 {gray, grey}
b[aeiou]bble 匹配 {babble, bebble, bibble, bobble, bubble}
[b-chm-pP]at|ot 匹配 {bat, cat, hat, mat, nat, oat, pat, Pat, ot}
colou?r 匹配 {color, colour}
rege(x(es)?|xps?) 匹配 {regex, regexes, regexp, regexps}
go*gle 匹配 {ggle, gogle, google, gooogle, goooogle, ...}
go+gle 匹配 {gogle, google, gooogle, goooogle, ...}
g(oog)+le 匹配 {google, googoogle, googoogoogle, googoogoogoogle, ...}
z{3} 匹配 {zzz}
z{3,6} 匹配 {zzz, zzzz, zzzzz, zzzzzz}
z{3,} 匹配 {zzz, zzzz, zzzzz, ...}
[Bb]rainf\*\*k 匹配 {Brainf**k, brainf**k}
\d 匹配 {0,1,2,3,4,5,6,7,8,9}
1\d{10} 匹配 11 个数字，以 1 开头
[2-9]|[12]\d|3[0-6] 匹配 2 到 36 范围内的整数
Hello\nworld 匹配 Hello 后跟换行符，后跟 world
\d+(\.\d\d)? 包含一个正整数或包含两位小数位的浮点数。
[^*@#] 排除 *、@ 、# 三个特色符号
//[^\r\n]*[\r\n] 匹配 // 开头的注释
^dog 匹配以 "dog" 开始
dog$ 匹配以 "dog" 结尾
^dog$ is exactly "dog"

更多实例

 

常用正则表达式

一、校验数字的表达式

  • 数字：^[0-9]*$
  • n位的数字：^\d{n}$
  • 至少n位的数字：^\d{n,}$
  • m-n位的数字：^\d{m,n}$
  • 零和非零开头的数字：^(0|[1-9][0-9]*)$
  • 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(\.[0-9]{1,2})?$
  • 带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})$
  • 正数、负数、和小数：^(\-|\+)?\d+(\.\d+)?$
  • 有两位小数的正实数：^[0-9]+(\.[0-9]{2})?$
  • 有1~3位小数的正实数：^[0-9]+(\.[0-9]{1,3})?$
  • 非零的正整数：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
  • 非零的负整数：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
  • 非负整数：^\d+$ 或 ^[1-9]\d*|0$
  • 非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
  • 非负浮点数：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
  • 非正浮点数：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
  • 正浮点数：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
  • 负浮点数：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
  • 浮点数：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$

校验字符的表达式

  • 汉字：^[\u4e00-\u9fa5]{0,}$
  • 英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
  • 长度为3-20的所有字符：^.{3,20}$
  • 由26个英文字母组成的字符串：^[A-Za-z]+$
  • 由26个大写英文字母组成的字符串：^[A-Z]+$
  • 由26个小写英文字母组成的字符串：^[a-z]+$
  • 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
  • 由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$
  • 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
  • 中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
  • 可以输入含有^%&',;=?$\"等字符：[^%&',;=?$\x22]+
  • 禁止输入含有~的字符：[^~]+

三、特殊需求表达式

  • Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
  • 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+\.?
  • InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
  • 手机号码：^(13[0-9]|14[01456879]|15[0-35-9]|16[2567]|17[0-8]|18[0-9]|19[0-35-9])\d{8}$
  • 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
  • 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
  • 电话号码正则表达式（支持手机号码，3-4位区号，7-8位直播号码，1－4位分机号）: ((\d{11})|^((\d{7,8})|(\d{4}|\d{3})-(\d{7,8})|(\d{4}|\d{3})-(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1})|(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1}))$)
  • 身份证号(15位、18位数字)，最后一位是校验位，可能为数字或字符X：(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)
  • 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}$
  • 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$
  • 强密码(必须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])[a-zA-Z0-9]{8,10}$
  • 强密码(必须包含大小写字母和数字的组合，可以使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
  • 日期格式：^\d{4}-\d{1,2}-\d{1,2}
  • 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
  • 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
  • 钱的输入格式：
    1. 有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$
    2. 这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式：^(0|[1-9][0-9]*)$
    3. 一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9]*)$
    4. 这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧。下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?$
    5. 必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的：^[0-9]+(.[0-9]{2})?$
    6. 这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?$
    7. 这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
    8. 1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
    9. 备注：这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
  • xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
  • 中文字符的正则表达式：[\u4e00-\u9fa5]
  • 双字节字符：[^\x00-\xff] (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1))
  • 空白行的正则表达式：\n\s*\r (可以用来删除空白行)
  • HTML标记的正则表达式：<(\S*?)[^>]*>.*?|<.*? /> ( 首尾空白字符的正则表达式：^\s*|\s*$或(^\s*)|(\s*$) (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)
  • 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
  • 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
  • IPv4地址：((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}

 

posted @ 2025-03-17 10:57  指尖下的世界  阅读(56)  评论(0)    收藏  举报