又名:写给正在学习前端的女友看的常见正则表达式解读。原文发布于 https://www.zybuluo.com/wddpct/note/728081 。
1. 归纳定义
对给定的字符集:Σ={c1,c2,c3,……,cn}
- 空串ε是一个正则表达式
- 对于任何的c∈Σ,c是正则表达式
- 如果M和N都是正则表达式,则以下也是正则表达式
- 选择 M|N = {M,N}
- 连接 MN = {mn,m∈M,n∈N}
2. 保留字符
这节中的表格内容来自 ,对此表示感谢。
2.1 常用的元字符
代码 | 说明 |
---|---|
. | 匹配除换行符以外的任意字符 |
\w | 匹配字母或数字或下划线 |
\s | 匹配任意的空白符 |
\d | 匹配数字 |
\b | 匹配单词的开始或结束 |
^ | 匹配字符串的开始 |
$ | 匹配字符串的结束 |
2.2 常用的限定符
代码/语法 | 说明 |
---|---|
* | 重复零次或更多次 |
+ | 重复一次或更多次 |
? | 重复零次或一次 |
{n} | 重复n次 |
{n,} | 重复n次或更多次 |
{n,m} | 重复n到m次 |
2.3 常用的反义词
代码/语法 | 说明 |
---|---|
\W | 匹配任意不是字母,数字,下划线,汉字的字符 |
\S | 匹配任意不是空白符的字符 |
\D | 匹配任意非数字的字符 |
\B | 匹配不是单词开头或结束的位置 |
[^x] | 匹配除了x以外的任意字符 |
[^aeiou] | 匹配除了aeiou这几个字母以外的任意字符 |
2.4 懒惰限定符
代码/语法 | 说明 |
---|---|
*? | 重复任意次,但尽可能少重复 |
+? | 重复1次或更多次,但尽可能少重复 |
?? | 重复0次或1次,但尽可能少重复 |
{n,m}? | 重复n到m次,但尽可能少重复 |
{n,}? | 重复n次以上,但尽可能少重复 |
2.5 常用分组语法
代码/语法 | 说明 |
---|---|
(exp) | 匹配exp,并捕获文本到自动命名的组里 |
(?< name >exp) | 匹配exp,并捕获文本到名称为name的组里,也可以写成(?'name'exp) |
(?:exp) | 匹配exp,不捕获匹配的文本,也不给此分组分配组号 |
(?=exp) | 匹配exp前面的位置 |
(?<=exp) | 匹配exp后面的位置 |
(?!exp) | 匹配后面跟的不是exp的位置 |
(?< !exp) | 匹配前面不是exp的位置 |
(?#comment) | 这种类型的分组不对正则表达式的处理产生任何影响,用于提供注释让人阅读 |
3. 常用正则表达式
1. 匹配中文字符
正则表达式:[\u4e00-\u9fa5]
说明:目前主流计算机底层的编码系统都是Unicode,而在Unicode标准中,汉字表的第一个编码为U+4e00,最后一个编码为U+9fa5,所以[\u4e00-\u9fa5]
就代表匹配任意一个Unicode编码表中存在的汉字。
2.匹配双字节字符
正则表达式:[^\x00-\xff]
说明:\x代表十六进制形式,2个字节长度的十六进制最大范围为00-ff,所以[^\x00-\xff]
表示匹配长度为双字节的字符。
3. 匹配空白行
正则表达式:\n\s*\r
说明:这个表达式表示匹配内容中的空白行,比如一个txt由多行文字组成,并且句子与句子之间存在空白行,这个正则表达式便能加以区分。
首先,\n
表示匹配一个换行符,而\s*
代表匹配任意的空白符,\r
表示匹配任意的回车符。
示例如下。
public class Program { static void Main(string[] args) { string[] sentences = { @"C# code", @"Chapter 2: Writing Code", @"Unicode", @"matchhere" }; string sPattern = @"\n\s*\r"; foreach (string s in sentences) { if (System.Text.RegularExpressions.Regex.IsMatch(s, sPattern, System.Text.RegularExpressions.RegexOptions.IgnoreCase)) { System.Console.WriteLine(" (match for '{0}' found)", s); } else { System.Console.WriteLine(); } } } }
4. 匹配Email地址
[\w!#$%&'*+/=?^_`{|}~-]+(?:\.[\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\w](?:[\w-]*[\w])?\.)+[\w](?:[\w-]*[\w])?
示例:wddpct@gmail.com,wdd.pct@gmail.com,wddpct-pct@gmail.com
5. 匹配URL
正则表达式:[a-zA-Z]+:\/\/[^\s]*
说明:[a-zA-Z]+
表示匹配任意长度字符串,并且字符串包含的字符只能是a和z或者A和Z之间的字母。‘:\/\/’
表示匹配“://”字符串。[^\s]*
表示匹配任意长度的不包含非空字符的字符串。
当然了,日常生活中见到的网址URL大多以http或https开头,所以匹配以http或者https开发的网址也十分简单,笔者随手写了两个以供参考,比如 (http|https)://[^\s]*
或者http[s]?://[^\s]*
。
6. 匹配国内电话号码
正则表达式:\d{3}-\d{8}|\d{4}-\d{7,8}
说明:‘|’将匹配条件分为两部分。\d{3}-\d{8}
代表匹配xxx-xxxxxxxx数字形式的号码。右边的\d{4}-\d{7,8}
代表匹配xxxx-xxxxxxx或者xxxx-xxxxxxxx数字形式的号码。
示例:0577-12345678
7. 匹配腾讯qq号
正则表达式:[1-9][0-9]{4,}
说明:这个正则EXP十分容易理解,[1-9]
表示匹配QQ号首位不为零的任意数字,[0-9]{4,}
表示匹配从第二位开始最小长度为4的任意数字的字符串。
示例:1242450501
8. 匹配中国邮政编码
正则表达式:[1-9]\d{5}(?!\d)
说明:[1-9]
表示匹配不为零的任意数字,(?!)
表示零宽断言的一种语法,又称零宽度负预测先行断言,表示位置的后面不能匹配表达式,所以\d{5}(?!\d)
表示匹配5位数字,而且这5位数字的后面不能是数字。
示例:325800,325800编码
9. 匹配18位身份证
正则表达式:^(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)$
说明:这段正则虽然很长,其实表达的意思也非常简单。\d{6}
代表匹配6位数字,\d{4}
代表匹配4位数字,\d{2}
代表匹配2位数字,\d{3}
代表匹配3位数字,最后的[0-9]|X
代表匹配0到9的任意数字,或者匹配X字母,正巧,笔者的身份证最后一位就是X。
示例: 65900719951006773X
10. 匹配正整数
正则表达式:^[1-9]\d*$
说明:[1-9]
表示首位匹配1到9的任意数字,\d*
代表从第二位开始可以为空,不为空时必须为数字。由此正则推广开来,匹配负整数的表达式格式应该为 ^-[1-9]\d*$
。
11. 匹配整数
正则表达式:^-?[1-9]\d*$
说明:后面的[1-9]\d*
和匹配正整数的表达式一致,所以只要看懂-?
代表整数的符号位可以有‘-’即可。
12. 匹配非负整数
正则表达式:^[1-9]\d*|0$
说明:[1-9]\d*
和匹配正整数的表达式一致,|0
表示可为0。同理,表示非正整数的表达式应该是 ^-[1-9]\d*|0$
。
13. 匹配正浮点数
正则表达式:^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$
说明:[1-9]\d*\.\d*
代表匹配格式形如“正整数.数字”的字符串,0\.\d*[1-9]\d*$
代表匹配格式形如“0.数字”的字符串。中间用|代表或条件。所以同理,匹配负浮点数的正则为^-[1-9]\d*\.\d*|-0\.\d*[1-9]\d*$
。