正则表达式

是什么

正则表达式（regular expressions），简称 regex，或 regexp，用于搜索或匹配字符串中符合某个模式的文本。

regex 在不同的编程语言下有不同的呈现形式，但是总体语法规则是不变的。

学习

正则表达式在线测试工具

奇乐编程学院视频教程

基本规则

限定符

符号	含义
?	?前面的一个字符需要出现 0 次或者 1 次，即：可有可无
*	*前面的一个字符需要出现 0 次或者多次，即：可以没有也可以很多
+	+前面的一个字符需要出现 1 次或者多次，即：必须出现一次
|	或运算，需要用括号标明作用范围，如a (cat|dog)表明匹配a cat或a dog 如果是a cat | dog，那就是匹配a cat 或 dog
(<str>)<sym>	在限定符之前加上括号，可以扩大该限定符限定的字符范围 如：(ab)+就代表ab出现一次或多次
<str>{<num>}	字符后加{<num>}可以规定出现次数，如a{6}表示a只能出现 6 次 花括号内可输入出现次数的范围，用逗号区分范围上下限，如：a{2,6}表示a出现 2-6 次

字符类

符号	含义
[<str>]	方括号内的内容代表要求匹配的字符只能取自它们
[^<str>]	方括号内的内容代表要求匹配的字符不能取自它们
[0-9]	指定数字范围
[a-z]	指定小写字母范围
[A-Z]	指定大写字母范围
[0-9a-zA-Z]	方括号内允许嵌套，左式表示必须出现数字或小写字母或大写字母

元字符

他的出现是为了通过转义，来表达一些不方便表达的字符，如空白符、换行符等，可与字符类搭配使用。

符号	含义
\d	数字字符
\w	单词字符（英文、数字及下划线）
\s	空白符（包含 tab 和换行符）
\b	表示单词字符的边界
\D	非数字字符
\W	非单词字符
\S	非空白符
.	任意字符（但是不包含换行符）
^	匹配行首，如^a只会匹配行首的a
$	匹配行尾，如a$只会匹配行尾的a

贪婪与懒惰匹配

贪婪匹配

贪婪匹配指的是限定符对字符的选择会尽可能多地选择。

懒惰匹配

懒惰匹配指的是限定符对字符的选择会尽可能少地选择。

如在这样的一个字符串中：

<span><b>This is a sample text</b></span>

如果我们把正则表达式写作：<.*>，即：匹配出现在尖括号内的任意字符串，但是正则表达式默认是贪婪匹配，所以它会尽可能多地选择，即匹配为：<span><b>This is a sample text</b></span>

但是如果写作<.*?>，则会采用懒惰匹配，即：尽可能少地选择，匹配为：<span> <b> </b> </span>

实例

匹配 RGB 颜色值

RGB 颜色值特点：以#开头，后面跟着 6 个十六进制字符。

应该匹配为：#[a-fA-F0-9]{6}\b

加入\b是为了防止例如#fffffffff这样的字符也被匹配到，他的确有 6 个十六进制字符，但是它后面还有fff，不符合要求。

匹配 IP 地址

IP 地址特点：由四个数字组成，每个数字的范围是0-255，每个数字之间用.分隔。

应该匹配为：((25[0-5]|2[0-4]\d|[01]?\d\d?)(\.|$)){4}

• 其中25[0-5]|2[0-4]\d|[01]?\d\d?，匹配了0-255之间的数字，具体思路是分不同情况来匹配，如果百位和十位已经为25了，那剩下的个位只能取 0-5；如果百位是 2，十位是 4，则个位在 0-9 都符合要求，但是如果百位是 0 或 1，则十位和个位无论怎么取都符合要求。
• \.|$，匹配了.或者字符串的末尾。
• {4}规定了要匹配 4 次。