正则表达式 EditPlus

在工作中，经常用到EmEditor来编辑纯文本文档。最近接触了正则表达式，感受到其功能非常强大。

我现在想要实现这样一个功能，还没有比较好的解决办法：在一篇中英文混排的文档中，删除中文字符（包括标点）之间的空格，但英文单词之间及英文单词与字母之前的空格不能删除。仅删除全角或半角空格，不删除制表符。

求高人试一下。

以下是一些比较有用的正则表达式：

^[ t]*n

这个正则表达式代表所有的空行，指含有零个或零个以上空格或制表符、以换行符结尾、不含其它字符的行。

(^|(?<=中国)).*?(?=中国|$)

用正则表达式匹配特定字符串外的所有字符。指除“中国”外的所有其它字符，类似于反选功能。

^[ t]+

查找以上字符，并替换为空，可删除行首空白（包括全半角空格和制表符）。

[ t]+$

查找以上字符，并替换为空，可删除行末空白（包括全半角空格和制表符）。

^[ t]+|[ t]+$

查找以上正则表达式，并替换为空，可删除行首和行末所有空白（包括全半角空格和制表符）。

匹配中文字符的正则表达式： [u4e00-u9fa5]

评注：匹配中文还真是个头疼的事，有了这个表达式就好办了

匹配双字节字符(包括汉字在内)：[^x00-xff]

评注：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）

匹配空白行的正则表达式：ns*r

评注：可以用来删除空白行

匹配HTML标记的正则表达式：<(S*?)[^>]*>.*?|< .*?/>

评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

匹配首尾空白字符的正则表达式：^s*|s*$

评注：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

匹配Email地址的正则表达式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*

评注：表单验证时很实用

匹配网址URL的正则表达式：[a-zA-z]+://[^s]*

评注：网上流传的版本功能很有限，上面这个基本可以满足需求

匹配帐号是否合法(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}$

评注：表单验证时很实用

匹配国内电话号码：d{3}-d{8}|d{4}-d{7}

评注：匹配形式如 0511-4405222 或 021-87888822

匹配腾讯QQ号：[1-9][0-9]{4,}

评注：腾讯QQ号从10000开始

匹配中国邮政编码：[1-9]d{5}(?!d)

评注：中国邮政编码为6位数字

匹配身份证：d{15}|d{18}

评注：中国的身份证为15位或18位

匹配ip地址：d+.d+.d+.d+

评注：提取ip地址时有用

匹配特定数字：

^[1-9]d*$ //匹配正整数

^-[1-9]d*$ //匹配负整数

^-?[1-9]d*$ //匹配整数

^[1-9]d*|0$ //匹配非负整数（正整数 + 0）

^-[1-9]d*|0$ //匹配非正整数（负整数 + 0）

^[1-9]d*.d*|0.d*[1-9]d*$ //匹配正浮点数

^-([1-9]d*.d*|0.d*[1-9]d*)$ //匹配负浮点数

^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$ //匹配浮点数

^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$ //匹配非负浮点数（正浮点数 + 0）

^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0+|0$ //匹配非正浮点数（负浮点数 + 0）

评注：处理大量数据时有用，具体应用时注意修正

匹配特定字符串：

^[A-Za-z]+$ //匹配由26个英文字母组成的字符串

^[A-Z]+$ //匹配由26个英文字母的大写组成的字符串

^[a-z]+$ //匹配由26个英文字母的小写组成的字符串

^[A-Za-z0-9]+$ //匹配由数字和26个英文字母组成的字符串

^w+$ //匹配由数字、26个英文字母或者下划线组成的字符串

评注：最基本也是最常用的一些表达式

^.*John.*$

匹配包括“John”的整行。

下面还有更加详细的信息
常用正则表达式

用户名

/^[a-z0-9_-]{3,16}$/

密码

/^[a-z0-9_-]{6,18}$/

十六进制值

/^#?([a-f0-9]{6}|[a-f0-9]{3})$/

电子邮箱

/^([a-z0-9_.-]+)@([da-z.-]+).([a-z.]{2,6})$/

URL

/^(https?://)?([da-z.-]+).([a-z.]{2,6})([/w .-]*)*/?$/

IP 地址

/^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?).){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$/

HTML 标签

/^<([a-z]+)([^<]+)*(?:>(.*)</1>|s+/>)$/

Unicode编码中的汉字范围

/^[u2E80-u9FFF]+$/
表达式全集

正则表达式有多種不同的风格。下表是在PCRE中元字符及其在正则表达式上下文中的行为的一个完整列表：

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「 does 」或「 does 」中的「 do 」。?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「 \ n 」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。要匹配圆括號字符，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，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，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]	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 」。
[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	匹配包括下划线的任何单词字符。等价于「 [A-Za-z0-9_] 」。
\W	匹配任何非单词字符。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 」。正則表达式中可以使用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（©）。