正则表达式简略手册

此文章来源于技术部内部分享整理

1. 正则

1.1 什么是正则表达式

正则表达式是一种特殊的字符串模式,用于匹配一组字符串, 就好比用模具做产品, 而正则就是这个模具,定义一种规则去匹配符合规则的字符。通俗的讲就是一个筛子。

1.2 在线匹配工具

• regex101.com
• rubular.com

2. 基本用法

2.1 界定符

正则表达式的界定符可以使用 //, ##, ~~, @@ 等等,默认采用 //.

2.2 元字符

• \w : 匹配字母、数字、下划线

• \W : 任意一个非字母、数字、下划线的字符

• \d : 匹配任意一个十进制数字

• \D : 匹配一个非数字字符

• \s : 匹配任意一个空白字符, 空格、换行、回车、制表符、换页[\f\n\r\t\v]

• \S : 任意一个非空白字符

• \b : 匹配一个单词边界

• \B : 匹配非单词边界

• | : 选择字符，表示或者

• [] : 字符组,表示一个集合

[a-z] 匹配a-z中的任意一个字符
复制代码

• . 点字符 : 匹配除了回车换行符之外的任意字符

• 匹配汉字 : 记住一个范围 4e00 - 9fa5 在js和PHP匹配汉字的写法不同:

$regex = '/[\x{4e00}-\x{9fa5}]/u';
复制代码

var regex = '/[\u4e00-\u9fa5]/';
复制代码

2.3 ^, $ 特殊符号的使用

^ 在[]中，表示除了

[^\d], 表示除了数字之外的任意字符
复制代码

^在[]外,表示起始的地方,$表示结束的地方。

如: /^a.*\d$/  只可以匹配已字符a开始,已数字结束的字符
复制代码

2.4 量词

• {} 形式

  • {n} : 匹配n次前面的字符
  • {n, } : 至少匹配n次
  • {n, m} : 至少匹配n次，最多匹配m次

• *: 任意的数量,等价于 {0,}

• +: 至少一次,等价于{1,}

• ?: 匹配0次或者1次

如: you(r)?, 可以匹配you 或者是your
复制代码

• 注

元字符后面使用 ?，作为量词，表示限定字符数量为0或1.
量词后面使用 ?,表示懒惰模式.
复制代码

3. 高级用法

3.1 懒惰模式(尽可能少的匹配)

• *? : 匹配任意次,但尽可能少的匹配

如： a.*?b 匹配 babacb只会匹配到ab
复制代码

• +? : 匹配一次或多次,但尽可能少的匹配

如： a.+?b 匹配babacb, 会匹配到abacb
复制代码

• ?? : 匹配0次或1次,尽可能少的匹配

如： a.??b 匹配babacb, 会匹配到ab
复制代码

• {n,m}? : 匹配n到m次,尽可能少的匹配

如：a{0,6}? 匹配 aaaaaa,结果为空 因为最少是0次
复制代码

• {n,}? : 至少匹配n次,尽可能少的匹配

如： a{2,6}? 匹配aaaaaa, 匹配到aa
复制代码

3.2 贪婪模式:

婪模式在整个表达式匹配成功的前提下,会尽可能多的匹配符合的结果.
复制代码

3.3 捕获子组 (pattern)

捕获子组就是把正则表达式中子表达式匹配的内容，保存到内存中以数字编号或显式命名的组里，方便后面引用。

(pattern) 匹配 pattern 并获取匹配到的内容,所获取的内容可以从产生的 Matches 集合得到,
使用 $1...$9 可获取对应分组.
复制代码

3.3.1 分类

• 普通捕获子组 (pattern)

• 命名捕获子组(?pattern)

3.3.2 捕获编号规则

捕获子组的编号是按照“(”出现的顺序，从左到右，从1开始进行编号的。由外向内，由左向右

• 正则表达式 :    (\d{4})-(\d{2})-(\d{2}) 使用上面正则来进行日期的匹配：

• (\d{4})-(\d{2}-(\d{2}) )

  

• ((?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2}))

• (?<year>\d{4})-(?<date>\d{2}-(?<day>\d{2}) )

• (\d{4})-(?<date>\d{2}-(\d{2}) )

3.3.3 使用

• 获取标签中的图片地址

<img[^>]*src="(.+?)".*>

• 贪婪模式 <img[^>]*src="(.+)".*>

• 批量将图片地址替换为path/images目录下，并将图片扩展名修改为 jpeg

3.4 非捕获子组 (?:pattern)

• 与捕获子组相反，它不捕获文本 ，也不针对组合计进行计数

如： 匹配 industry 或者 industries 使用 industr(?:y|ies)写法等价于 'industry|industries'
复制代码

3.5 反向引用

常用在匹配字符串中连续出现的字符， 引用的是前面获取的子表达式。

• 引用方式

  • 使用 \加上数字， \1 引用捕获的子组中的第一个子表达式，\2 则是第二个 ...依次类推。

3.5.1 使用

• 筛选后面连续出现的n个字符

$regex = '/(.)\1{n-1}/';
复制代码

• 筛选形如 xxabc123xx的字符串

$regex = '/(\w)\1(.*)\1{2}/';
复制代码

3.6 正向预查

• 正向预查又称正向环视，分为肯定形式和否定形式两种。查询的为后面是/不是pattern的内容。

3.6.1 肯定形式 (?=pattern) - 后面是pattern

• /industr(?=y|ies)/

• 将 HelloWorldHelloPhp 字符串,按照单词分隔开.变成 Hello World Hello Php

3.6.2否定形式 (?!pattern) - 后面不是pattern

• windows (?!\d+) - 搜索后面不是数字的windows

3.7 逆向预查

• 逆向预查又称逆向环视，分为肯定形式和否定形式两种。查询的为前面是/不是pattern的内容。

3.7.1 肯定形式(?<=pattern) - 前面是pattern

• (?<=[\x{4e00}-\x{9fa5}])\d+ - 查询前面是中文的数字串

3.7.2 否定形式(?<!pattern) - 前面不是pattern

• (?<!\w)\d+ - 查询前面不是字母数字下划线的数字串