站長資訊網(wǎng)什么是正則表達(dá)式呢？
正則表達(dá)式，又稱正規(guī)表示法、常規(guī)表示法（英語：Regular Expression，在代碼中常簡(jiǎn)寫為regex、regexp或RE），它是計(jì)算機(jī)科學(xué)的一個(gè)概念。正則表達(dá)式使用單個(gè)字符串來描述、匹配一系列符合某個(gè)句法規(guī)則的字符串。幾乎在各種計(jì)算機(jī)編程語言中都有用到?？梢苑譃槠胀ㄕ齽t表達(dá)式、擴(kuò)展正則表達(dá)式、高級(jí)正則表達(dá)式。普通正則表達(dá)式在linux shell中常用到，高級(jí)正則表達(dá)式語法規(guī)范，基本由perl演化而來。目前常見程序語言（php,perl,python,java,c#)都支持高級(jí)正則表達(dá)式。
我們?yōu)槭裁匆獙W(xué)習(xí)正則表達(dá)式？
高級(jí)程序語言的正則表達(dá)式幾乎都從perl語言發(fā)展而來，因此，語法幾乎一致。你學(xué)好了，一門正則表達(dá)式語言。幾乎在所有程序語言中就可以用到。就像，我知道sql語法，后端mysql,mssql幾乎都通用。這個(gè)也是我們需要學(xué)好正則表達(dá)式一個(gè)原因，通用性。另外一個(gè)原因是：正則表達(dá)式強(qiáng)大的文本匹配功能。很多文本匹配處理，如果沒有正則表達(dá)式，還真的很難做出來。如：從一段字符串，讀出手機(jī)號(hào)格式，我們?nèi)绻米址檎?，需要做循環(huán)，需要寫判斷。估計(jì)耗費(fèi)不少代碼，開發(fā)時(shí)間。如果用正則表達(dá)式，就一行代碼就可以了。匹配所有成對(duì)的：html標(biāo)簽，如果要做這個(gè)，我們發(fā)現(xiàn)非常復(fù)雜，要處理層次，要匹配標(biāo)簽。一般同人短短幾個(gè)小時(shí)可能完成不了。如果用正則表達(dá)式，估計(jì)也就幾分鐘而已。
正則表達(dá)式字符串格式
既然我們知道正則表達(dá)式重要性，通用性。那么我們對(duì)常見格式可以了解下。一般正則表達(dá)式由：普通字符+特殊字符（元字符）一起組成的字符串。如：匹配“ab開頭，后面緊跟數(shù)字字符串“ “abd+” 這其中ab就是普通字符，d代表可以是0-9數(shù)字，+代表前面字符可以出現(xiàn)1次或以上。哈哈，看起來還真的很容易吧！
正則表達(dá)式無論是普通還是擴(kuò)展還是高級(jí)正則表達(dá)式。不同之處，可能在特殊字符方面有些不同。很多特殊字符，可以組合，形成一套新匹配規(guī)則。這里就不說太深了。我們一般只要知道它的常見元字符?；旧铣Ｒ娬齽t表達(dá)式就可以寫出來了。
以下是javascript 正則表達(dá)式常見的元字符：
| 字符 | 描述 |
|---|---|
| 將下一個(gè)字符標(biāo)記為一個(gè)特殊字符、或一個(gè)原義字符、或一個(gè) 后向引用、或一個(gè)八進(jìn)制轉(zhuǎn)義符。例如，’n’ 匹配字符 “n”。’n’ 匹配一個(gè)換行符。序列 ‘\’ 匹配 “” 而 “(” 則匹配 “(“。 | |
| ^ | 匹配輸入字符串的開始位置。如果設(shè)置了 RegExp 對(duì)象的 Multiline 屬性，^ 也匹配 ‘n’ 或 ‘r’ 之后的位置。 |
| $ | 匹配輸入字符串的結(jié)束位置。如果設(shè)置了RegExp 對(duì)象的 Multiline 屬性，$ 也匹配 ‘n’ 或 ‘r’ 之前的位置。 |
| * | 匹配前面的子表達(dá)式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。 * 等價(jià)于{0,}。 |
| + | 匹配前面的子表達(dá)式一次或多次。例如，’zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等價(jià)于 {1,}。 |
| ? | 匹配前面的子表達(dá)式零次或一次。例如，”do(es)?” 可以匹配 “do” 或 “does” 中的”do” 。? 等價(jià)于 {0,1}。 |
| {n} | n 是一個(gè)非負(fù)整數(shù)。匹配確定的 n 次。例如，’o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的兩個(gè) o。 |
| {n,} | n 是一個(gè)非負(fù)整數(shù)。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,}’ 等價(jià)于 ‘o+’。’o{0,}’ 則等價(jià)于 ‘o*’。 |
| {n,m} | m 和 n 均為非負(fù)整數(shù)，其中n <= m。最少匹配 n 次且最多匹配 m 次。劉， “o{1,3}” 將匹配 “fooooood” 中的前三個(gè) o。’o{0,1}’ 等價(jià)于 ‘o?’。請(qǐng)注意在逗號(hào)和兩個(gè)數(shù)之間不能有空格。 |
| ? | 當(dāng)該字符緊跟在任何一個(gè)其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面時(shí)，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認(rèn)的貪婪模式則盡可能多的匹配所搜索的字符串。例如，對(duì)于字符串 “oooo”，’o+?’ 將匹配單個(gè) “o”，而 ‘o+’ 將匹配所有 ‘o’。 |
| . | 匹配除 “n” 之外的任何單個(gè)字符。要匹配包括 ‘n’ 在內(nèi)的任何字符，請(qǐng)使用象 ‘[.n]‘ 的模式。 |
| (pattern) | 匹配pattern 并獲取這一匹配。所獲取的匹配可以從產(chǎn)生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中則使用 $0…$9 屬性。要匹配圓括號(hào)字符，請(qǐng)使用 ‘(‘ 或 ‘)’。 |
| (?:pattern) | 匹配 pattern 但不獲取匹配結(jié)果，也就是說這是一個(gè)非獲取匹配，不進(jìn)行存儲(chǔ)供以后使用。這在使用 “或” 字符 (|) 來組合一個(gè)模式的各個(gè)部分是很有用。例如， ‘industr(?:y|ies) 就是一個(gè)比 ‘industry|industries’ 更簡(jiǎn)略的表達(dá)式。 |
| (?=pattern) | 正向預(yù)查，在任何匹配 pattern 的字符串開始處匹配查找字符串。這是一個(gè)非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如， ‘Windows (?=95|98|NT|2000)’ 能匹配 “Windows 2000” 中的 “Windows” ，但不能匹配 “Windows 3.1” 中的 “Windows”。預(yù)查不消耗字符，也就是說，在一個(gè)匹配發(fā)生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預(yù)查的字符之后開始。 |
| (?!pattern) | 負(fù)向預(yù)查，在任何不匹配Negative lookahead matches the search string at any point where a string not matching pattern 的字符串開始處匹配查找字符串。這是一個(gè)非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如’Windows (?!95|98|NT|2000)’ 能匹配 “Windows 3.1” 中的 “Windows”，但不能匹配 “Windows 2000” 中的 “Windows”。預(yù)查不消耗字符，也就是說，在一個(gè)匹配發(fā)生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預(yù)查的字符之后開始 |
| x|y | 匹配 x 或 y。例如，’z|food’ 能匹配 “z” 或 “food”。'(z|f)ood’ 則匹配 “zood” 或 “food”。 |
| [xyz] | 字符集合。匹配所包含的任意一個(gè)字符。例如， ‘[abc]‘ 可以匹配 “plain” 中的 ‘a(chǎn)’。 |
| [^xyz] | 負(fù)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] | 字符范圍。匹配指定范圍內(nèi)的任意字符。例如，'[a-z]‘ 可以匹配 ‘a(chǎn)’ 到 ‘z’ 范圍內(nèi)的任意小寫字母字符。 |
| [^a-z] | 負(fù)值字符范圍。匹配任何不在指定范圍內(nèi)的任意字符。例如，'[^a-z]‘ 可以匹配任何不在 ‘a(chǎn)’ 到 ‘z’ 范圍內(nèi)的任意字符。 |
| b | 匹配一個(gè)單詞邊界，也就是指單詞和空格間的位置。例如， ‘erb’ 可以匹配”never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。 |
| B | 匹配非單詞邊界。’erB’ 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 匹配一個(gè) Control-M 或回車符。 x 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個(gè)原義的 ‘c’ 字符。 |
| d | 匹配一個(gè)數(shù)字字符。等價(jià)于 [0-9]。 |
| D | 匹配一個(gè)非數(shù)字字符。等價(jià)于 [^0-9]。 |
| f | 匹配一個(gè)換頁符。等價(jià)于 x0c 和 cL。 |
| n | 匹配一個(gè)換行符。等價(jià)于 x0a 和 cJ。 |
| r | 匹配一個(gè)回車符。等價(jià)于 x0d 和 cM。 |
| s | 匹配任何空白字符，包括空格、制表符、換頁符等等。等價(jià)于 [ fnrtv]。 |
| S | 匹配任何非空白字符。等價(jià)于 [^ fnrtv]。 |
| t | 匹配一個(gè)制表符。等價(jià)于 x09 和 cI。 |
| v | 匹配一個(gè)垂直制表符。等價(jià)于 x0b 和 cK。 |
| w | 匹配包括下劃線的任何單詞字符。等價(jià)于'[A-Za-z0-9_]‘。 |
| W | 匹配任何非單詞字符。等價(jià)于 ‘[^A-Za-z0-9_]‘。 |
| xn | 匹配 n，其中 n 為十六進(jìn)制轉(zhuǎn)義值。十六進(jìn)制轉(zhuǎn)義值必須為確定的兩個(gè)數(shù)字長。例如， ‘x41′ 匹配 “A”。’x041′ 則等價(jià)于 ‘x04′ & “1”。正則表達(dá)式中可以使用 ASCII 編碼。. |
| num | 匹配 num，其中 num 是一個(gè)正整數(shù)。對(duì)所獲取的匹配的引用。例如，'(.)1′ 匹配兩個(gè)連續(xù)的相同字符。 |
| n | 標(biāo)識(shí)一個(gè)八進(jìn)制轉(zhuǎn)義值或一個(gè)后向引用。如果 n 之前至少 n 個(gè)獲取的子表達(dá)式，則 n 為后向引用。否則，如果 n 為八進(jìn)制數(shù)字 (0-7)，則 n 為一個(gè)八進(jìn)制轉(zhuǎn)義值。 |
| nm | 標(biāo)識(shí)一個(gè)八進(jìn)制轉(zhuǎn)義值或一個(gè)后向引用。如果 nm 之前至少有is preceded by at least nm 個(gè)獲取得子表達(dá)式，則 nm 為后向引用。如果 nm 之前至少有 n 個(gè)獲取，則 n 為一個(gè)后跟文字 m 的后向引用。如果前面的條件都不滿足，若 n 和 m均為八進(jìn)制數(shù)字 (0-7)，則 nm 將匹配八進(jìn)制轉(zhuǎn)義值 nm。 |
| nml | 如果 n 為八進(jìn)制數(shù)字 (0-3)，且 m 和 l 均為八進(jìn)制數(shù)字 (0-7)，則匹配八進(jìn)制轉(zhuǎn)義值 nml。 |
| un | 匹配 n，其中 n 是一個(gè)用四個(gè)十六進(jìn)制數(shù)字表示的 Unicode 字符。例如， u00A9 匹配版權(quán)符號(hào) (?)。 |
從上面元字符里面，我們看到，很多元字符，實(shí)際上可以代表一組普通字符。因此，我們要匹配一些字符串，正則表達(dá)式往往會(huì)有很多種。如：匹配0-9數(shù)字，可以用[0-9],d,[0123456789] ，這樣3種都可以，條條大路通羅馬，都是對(duì)的。那么那一種正則表達(dá)式更好呢，性能更高呢，匹配速度更快呢？通過10萬次 循環(huán)匹配，發(fā)現(xiàn)幾種幾乎相差不大，d速度比[0-9快，[0-9]比[0123456789]快。從正則表達(dá)式精簡(jiǎn)]程度方面，d最簡(jiǎn)單。使用時(shí)候，我們盡量用代表字符集元字符去匹配。精簡(jiǎn)且速度快！
怎么樣書寫正則表達(dá)式呢？
我們寫正則表達(dá)式，都是從分析匹配字符串特點(diǎn)開始，然后逐步補(bǔ)充其它元字符，普通字符。匹配從左到右。
例如：我們要匹配一個(gè)手機(jī)號(hào)碼。
1. 分析字符串特點(diǎn)，手機(jī)號(hào)碼是數(shù)字，并且是以1開頭，11位長
2.可以寫”1d” 1開頭，后面跟著數(shù)字 也可以是：1[0-9]
3.數(shù)字長度是11位 ，繼續(xù)補(bǔ)充1d{10} ，后面數(shù)字長11字符，也可以是：1[0-9]{10} ；{}里面數(shù)字，表示它左邊字符可以重復(fù)出現(xiàn)次數(shù)
4.所有字符必須是11位，因此頭尾直接必須滿足條件，因此可以是：^1d{10}$ 了。
例如：我們匹配QQ號(hào)碼
1.分析QQ號(hào)碼特點(diǎn)是，號(hào)碼是 最少是5位數(shù)，首位字符非0，最大長度，目前到11位了
2.可以先定義首位字符，[1-9]d 首位字符是1到9，后面是字符
3.后面字符個(gè)數(shù)在4到10位 [1-9]d{4,10}
4.所有字符串必須都滿足上面匹配，因?yàn)榭梢詫懗桑篰[1-9]d{4,10}
例如：匹配IP地址
1.分析ip結(jié)構(gòu)是，每節(jié) 0-255，中間用”.”分割，一共有4節(jié)
2.首先我們寫第一個(gè)0-255 ，可以分解為0-9 一位數(shù),10-99兩位數(shù),100-199三位數(shù),200-249三位數(shù)第2節(jié),250-255第四節(jié)
[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5] “|”表示或者，計(jì)算優(yōu)先級(jí)最低，左右兩邊可以是多個(gè)元字符普通字符組合字符串為一個(gè)整體。
3.這樣的字符，有三次重復(fù)，中間加”.” ，所以結(jié)果是：
[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]. ，因?yàn)槭屈c(diǎn)字符是元字符，所有需要轉(zhuǎn)義。這樣是不是可以了呢，我們發(fā)現(xiàn)有問題，”|”優(yōu)先級(jí)最低，這樣會(huì)把最后.字符表，組合為：“25[0-5] .”了。因此，應(yīng)該是前面幾種情況，后面跟個(gè)”.”字符，正確是：([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]). ，這樣就達(dá)到要求了。我們會(huì)發(fā)現(xiàn)，實(shí)際上每家一個(gè)()字符，都一個(gè)子匹配，會(huì)在匹配結(jié)果里面出現(xiàn)()內(nèi)容。這里我們加()目的是，讓優(yōu)先計(jì)算，因此不需要里面子匹配內(nèi)容。我們可以加忽略子匹配內(nèi)容字符：?: ，結(jié)果將變?yōu)椋??:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]).
4.一段已經(jīng)匹配到了，然后我們這樣需要重復(fù)三次，我們可以直接重復(fù)上一個(gè)表達(dá)式3次：
方法一：(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]).(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]).(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]).
方法二：把第一段作為分組，重復(fù)3次 ((?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]).){3} ，然后同樣忽略子匹配結(jié)果，可以變?yōu)椋?/p>
(?:(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]).){3} 哈哈，看到這個(gè)表達(dá)式是不是很暈了，其實(shí)一個(gè)長的表達(dá)式，都是從一點(diǎn)一點(diǎn)加上去的。這個(gè)利用到，重復(fù)次數(shù)，將結(jié)果簡(jiǎn)化不少了。
5.最后還有一段0-255匹配
(?:(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]).){3}(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]) ，也就是在后面加多一個(gè)0-255匹配即可，然后在上面再加上頭尾限定符，變成了：^(?:(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]).){3}(?:[0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])$
下面一個(gè)圖，是讀一段文字里面，所有IP個(gè)格式地址
其中(?=……)是正向匹配，搜索左邊字符串，并且該字符串右邊必須滿足?=后面匹配成功的才匹配成功！
好了，寫了這么些例子，發(fā)現(xiàn)一口氣能從很簡(jiǎn)單正則表達(dá)式，匹配到這么長的表達(dá)式了。是不是感覺有些暈了，其實(shí)不奇怪，長的正則表達(dá)式都是從簡(jiǎn)單正則表達(dá)式得到。逐步加上去了。 歡迎討論交流！
