正则表达式简要教程

正则表达式，是一种小型高度专业化的语言，描述了一种字符串匹配的模式。

在任何常见的语言中，只要这种语言能处理字符串，就应该包含正则表达式。

所谓的正则表达式，就是通过一段规则表达一段文本。

下列为一个完整的元字符列表：

. ^ $ * + ? { } [ ] \ | ( )

上列字符不会和它们本身相匹配，如果想匹配自身，就需要在元字符前加/。

元字符简略介绍

* ：匹配前面的子表达式零次或多次。

+ ：匹配前面的子表达式一次或多次。

? ：匹配前面的子表达式零次或一次。

: 匹配确定的 n 次。

: 至少匹配n 次。

: 最少匹配 n 次且最多匹配 m 次。

*、+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。

^ : 匹配输入字符串的开始位置。

$ : 匹配输入字符串的结束位置。

不能将限定符与定位符一起使用。

[xyz] : 字符集合。匹配所包含的任意一个字符。

[^xyz] : 负值字符集合。匹配未包含的任意字符。

[a-z] : 字符范围。匹配指定范围内的任意字符。

[^a-z] : 负值字符范围。匹配任何不在指定范围内的任意字符。

x|y : 匹配 x 或 y。

(pattern) : 匹配 pattern 并获取这一匹配。

(?:pattern) : 匹配 pattern 但不获取匹配结果。

(?=pattern) : 正向肯定预查。

(?!pattern) : 正向否定预查。

圆括号会使匹配会被缓存，非捕获元（?: ?= ?!）可以消除这个效果。

\d : 匹配十进制数。

\s : 匹配空白字符。

\w : 匹配字母数字。

\b : 匹配一个单词边界。

当以上四个字母大写时，代表着取反。

简单实例

/[a-z]/ : a至z共26个字母再。

/^\s*$/ : 匹配空行。

/\d-\d/ : 验证由三位数字、一个连字符再加四位数字。

https?://.*? : 匹配http或https开头的网址。

我们可以通过正则表达式从长文本中提取出匹配模式的文本，或者判断文本是否合取某种规则。

它在表单验证（如验证手机号，邮箱等），爬虫，数据清洗等方面都有比较重要的作用，所以学习使用还是非常有必要的。