正则表达式必知必会（修订版） 笔记

正则表达式必知必会（修订版）

一、匹配单个字符

. （英文句号）可以匹配任何单个字符（在绝大多数实现里，除换行符）

\ 用来对字符进行转义（在正则表达式里，有特殊含义的字符总是以\字符开头）

二、匹配一组字符

元字符[和]用来定义一个字符集合，其含义是必须匹配该集合里的字符之一

元字符 - （连字符）可以表示字符区间

字符集合里可以用元字符 ^ 求反

三、使用元字符

匹配数字

元字符	说明
\d	[0-9]
\D	[^0-9]

2. 匹配字母和数字

元字符	说明
\w	[a-zA-Z0-9_]
\W	[^a-zA-Z0-9_]

3. 匹配空白字符

元字符	说明
\s	[\f\n\r\t\v]
\S	[^\f\n\r\t\v]

4. 匹配16进制(\x)或八进制(\0)数值

5. POSIX字符类（JavaScript不支持）

四、重复次数匹配

简易匹配

元字符	说明
+	至少一次
*	零次或多次
?	零次或一次

2. 精确匹配

元字符	说明
{3}	3次
{3,5}	最少3次，最多5次
{3, }	至少3次

3. 防止过度匹配

贪婪型(greedy)元字符	懒惰型元字符(nongreedy)
*	*?
+	+?
{n, }	{n, }?

五、位置匹配

\b 指定一个单词边界（匹配位置，不匹配任何字符）

\B 不匹配单词边界

^ 指定字符串的开头

$ 匹配字符串的结束

(?m) 与 ^ 和 $ 配合使用，还将匹配在换行符处开头和结尾的字符串（用在最前面）

(?m)^\s*//.*$

查找JavaScript代码里的行注释

六、使用子表达式

子表达式必须用 ( 和 ) 定义

常见用途：

对重复次数元字符的作用对象做出精确的设定和控制

对 | 操作符的 OR 条件做出准确定义

子表达式允许嵌套

示例：匹配IP地址

简易型:

(\d{1,3}\.){3}\d{1,3}

完善型（注意 | 的使用）:

(((25[0-5])|(2[0-4]\d)|(1\d{2})|(\d{1,2}))\.){3}((25[0-5])|(2[0-4]\d)|(1\d{2})|(\d{1,2}))

七、回溯引用：前后一致匹配

可以将回溯引用想象成变量，\1 代表模式里的第一个子表达式

不同实现的语法可能有差异

某些实现可能支持命名捕获功能（如.NET），鼓励使用

回溯引用在替换操作中的使用

注意不同实现中的差异（Java使用 $ ）

// 电话号码重新排版

正则表达式：

(\d{3})(-)(\d{3})(-)(\d{4})

替换式:

($1) $3-$5

大小写转换

元字符	说明
\E	结束\L或\U转换
\l	把下一个字符转换为小写
\L	把\L到\E之间的字符转换为小写
\u	把下一个字符转换为大写
\U	把\U到\E之间的字符转换为大写

八、前后查找

向前查找（

(?=...)

）

// 提取URL地址的协议名（不消费(consume) : ）

.+(?=:)

向后查找（

(?<=...)

）（JavaScript可能不支持）

// 提取价格中的数值部分

(?<=\$)[0-9.]+

对前后查找取非

操作符	说明
(?=)	正向前查找
(?!)	负向前查找
(?<=)	正向后查找
(?<!)	负向后查找

九、嵌入条件

回溯引用条件

满足时的语法：

(?(backreference)true-regex)

查找文本中的

<img>

标签，如果包含在

<a>

之间，则匹配出

<a>

(<[Aa]\s+[^>]+>\s+)?<[Ii][Mm][Gg]\s+[^>]+>(?(1)\s*</[Aa]>)

不满足时的语法：

(?(backreference)true-regex|false-regex)

匹配北美电话格式

(\()?\d{3}(?(1)\)|-)\d{3}-\d{4}

前后查找条件

语法： 将回溯引用时的编号替换为前后查找表达式

匹配美国的ZIP编码

\d{5}(?(?=-)-\d{4})