前言：最近工作中遇到了大量用正則表達式的情況，需要用一定的規則匹配字符串，然后提取里面的數據，格式化后轉成自己想要的格式。所以作為一個菜鳥是時候再來鞏固一下正則表達式了。轉載請注明出處：https://www.cnblogs.com/yuxiaole/p/9380104.html
正則表達式
定義：正則表達式，又稱規則表達式。（英語：Regular Expression，在代碼中常簡寫為regex、regexp或RE），計算機科學的一個概念。正則表達式通常被用來檢索、替換那些符合某個模式(規則)的文本。
概念：正則表達式是對字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規則字符串”，這個“規則字符串”用來表達對字符串的一種過濾邏輯。
目的：給定一個正則表達式和另一個字符串，我們可以達到如下的目的：
1. 給定的字符串是否符合正則表達式的過濾邏輯（稱作“匹配”）。
2. 可以通過正則表達式，從字符串中獲取我們想要的特定部分。
特點：正則表達式的特點是：
1. 靈活性、邏輯性和功能性非常強；
2. 可以迅速地用極簡單的方式達到字符串的復雜控制。
3. 對於剛接觸的人來說，比較晦澀難懂。
4、由於正則表達式主要應用對象是文本，因此它在各種文本編輯器場合都有應用，小到著名編輯器EditPlus，大到Microsoft
Word、Visual Studio等大型編輯器，都可以使用正則表達式來處理文本內容。
元字符
要想真正的用好正則表達式，正確的理解元字符是最重要的事情。下表列出了所有的元字符和對它們的一個簡短的描述。
|
元字符
|
描述
|
|
\
|
將下一個字符標記符、或一個向后引用、或一個八進制轉義符。例如，“\\n”匹配\n。“\n”匹配換行符。序列“\\”匹配“\”而“\(”則匹配“(”。即相當於多種編程語言中都有的“轉義字符”的概念。
|
|
^
|
匹配輸入字行首。如果設置了RegExp對象的Multiline屬性，^也匹配“\n”或“\r”之后的位置。
|
|
$
|
匹配輸入行尾。如果設置了RegExp對象的Multiline屬性，$也匹配“\n”或“\r”之前的位置。
|
|
*
|
匹配前面的子表達式任意次。例如，zo*能匹配“z”，也能匹配“zo”以及“zoo”。*等價於{0,}。
|
|
+
|
匹配前面的子表達式一次或多次(大於等於1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等價於{1,}。
|
|
?
|
匹配前面的子表達式零次或一次。例如，“do(es)?”可以匹配“do”或“does”。?等價於{0,1}。
|
|
{
n}
|
n是一個非負整數。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o。
|
|
{
n,}
|
n是一個非負整數。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,}”等價於“o+”。“o{0,}”則等價於“o*”。
|
|
{
n,
m}
|
m和
n均為非負整數，其中
n<=
m。最少匹配
n次且最多匹配
m次。例如，“o{1,3}”將匹配“fooooood”中的前三個o為一組，后三個o為一組。“o{0,1}”等價於“o?”。請注意在逗號和兩個數之間不能有空格。
|
|
?
|
當該字符緊跟在任何一個其他限制符（*,+,?，{
n}，{
n,}，{
n,
m}）后面時，匹配模式是非貪婪的。非貪婪模式盡可能少地匹配所搜索的字符串，而默認的貪婪模式則盡可能多地匹配所搜索的字符串。例如，對於字符串“oooo”，“o+”將盡可能多地匹配“o”，得到結果[“oooo”]，而“o+?”將盡可能少地匹配“o”，得到結果 ['o', 'o', 'o', 'o']
|
|
.點
|
匹配
除“\n”和"\r"之外的任何單個字符。要匹配包括“\n”和"\r"在內的任何字符，請使用像“[\s\S]”的模式。
|
|
(pattern)
|
匹配pattern並獲取這一匹配。所獲取的匹配可以從產生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字符，請使用“\(”或“\)”。
|
|
(?:pattern)
|
非獲取匹配，匹配pattern但不獲取匹配結果，不進行存儲供以后使用。這在使用或字符“(|)”來組合一個模式的各個部分時很有用。例如“industr(?:y|ies)”就是一個比“industry|industries”更簡略的表達式。
|
|
(?=pattern)
|
非獲取匹配，正向肯定預查，在任何匹配pattern的字符串開始處匹配查找字符串，該匹配不需要獲取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。預查不消耗字符，也就是說，在一個匹配發生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始。
|
|
(?!pattern)
|
非獲取匹配，正向否定預查，在任何不匹配pattern的字符串開始處匹配查找字符串，該匹配不需要獲取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。
|
|
(?<=pattern)
|
非獲取匹配，反向肯定預查，與正向肯定預查類似，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”。
“(?<=95|98|NT|2000)Windows”目前在python3.6中re模塊測試會報錯，用“|”連接的字符串長度必須一樣，這里“95|98|NT”的長度都是2，“2000”的長度是4，會報錯。
|
|
(?<!pattern)
|
非獲取匹配，反向否定預查，與正向否定預查類似，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”。這個地方不正確，有問題
此處用或任意一項都不能超過2位，如“(?<!95|98|NT|20)Windows正確，“(?<!95|980|NT|20)Windows 報錯，若是單獨使用則無限制，如(?<!2000)Windows 正確匹配。
同上，這里在python3.6中re模塊中字符串長度要一致，並不是一定為2，比如“(?<!1995|1998|NTNT|2000)Windows”也是可以的。
|
|
x|y
|
匹配x或y。例如，“z|food”能匹配“z”或“food”(此處請謹慎)。“[zf]ood”則匹配“zood”或“food”。
|
|
[xyz]
|
字符集合。匹配所包含的任意
一個字符。例如，“[abc]”可以匹配“plain”中的“a”。
|
|
[^xyz]
|
負值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。
|
|
[a-z]
|
字符范圍。匹配指定范圍內的任意字符。例如，“[a-z]”可以匹配“a”到“z”范圍內的任意小寫字母字符。
注意:只有連字符在字符組內部時,並且出現在兩個字符之間時,才能表示字符的范圍; 如果出字符組的開頭,則只能表示連字符本身.
|
|
[^a-z]
|
負值字符范圍。匹配任何不在指定范圍內的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范圍內的任意字符。
|
|
\b
|
匹配一個單詞邊界，也就是指單詞和空格間的位置（即正則表達式的“匹配”有兩種概念，一種是匹配字符，一種是
匹配位置，這里的\b就是匹配位置的）。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
|
|
\B
|
匹配非單詞邊界。“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匹配一個Control-M或回車符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的“c”字符。
|
|
\d
|
匹配一個數字字符。等價於[0-9]。grep 要加上-P，perl正則支持
|
|
\D
|
匹配一個非數字字符。等價於[^0-9]。grep要加上-P，perl正則支持
|
|
\f
|
匹配一個換頁符。等價於\x0c和\cL。
|
|
\n
|
匹配一個換行符。等價於\x0a和\cJ。
|
|
\r
|
匹配一個回車符。等價於\x0d和\cM。
|
|
\s
|
匹配任何不可見字符，包括空格、制表符、換頁符等等。等價於[ \f\n\r\t\v]。
|
|
\S
|
匹配任何可見字符。等價於[^ \f\n\r\t\v]。
|
|
\t
|
匹配一個制表符。等價於\x09和\cI。
|
|
\v
|
匹配一個垂直制表符。等價於\x0b和\cK。
|
|
\w
|
匹配包括下划線的任何單詞字符。類似但不等價於“[A-Za-z0-9_]”，這里的"單詞"字符使用Unicode字符集。
|
|
\W
|
匹配任何非單詞字符。等價於“[^A-Za-z0-9_]”。
|
|
\x
n
|
匹配
n，其中
n為十六進制轉義值。十六進制轉義值必須為確定的兩個數字長。例如，“\x41”匹配“A”。“\x041”則等價於“\x04&1”。正則表達式中可以使用ASCII編碼。
|
|
\
num
|
匹配
num，其中
num是一個正整數。對所獲取的匹配的引用。例如，“(.)\1”匹配兩個連續的相同字符。
|
|
\
n
|
標識一個八進制轉義值或一個向后引用。如果\
n之前至少
n個獲取的子表達式，則
n為向后引用。否則，如果
n為八進制數字（0-7），則
n為一個八進制轉義值。
|
|
\
nm
|
標識一個八進制轉義值或一個向后引用。如果\
nm之前至少有
nm個獲得子表達式，則
nm為向后引用。如果\
nm之前至少有
n個獲取，則
n為一個后跟文字
m的向后引用。如果前面的條件都不滿足，若
n和
m均為八進制數字（0-7），則\
nm將匹配八進制轉義值
nm。
|
|
\
nml
|
如果
n為八進制數字（0-7），且
m和
l均為八進制數字（0-7），則匹配八進制轉義值
nml。
|
|
\u
n
|
匹配
n，其中
n是一個用四個十六進制數字表示的Unicode字符。例如，\u00A9匹配版權符號（©）。
|
|
\p{P}
|
小寫 p 是 property 的意思，表示 Unicode 屬性，用於 Unicode 正表達式的前綴。中括號內的“P”表示Unicode 字符集七個字符屬性之一：標點字符。
其他六個屬性：
L：字母；
M：標記符號（一般不會單獨出現）；
Z：分隔符（比如空格、換行等）；
S：符號（比如數學符號、貨幣符號等）；
N：數字（比如阿拉伯數字、羅馬數字等）；
C：其他字符。
*注：此語法部分語言不支持，例：javascript。
|
|
\<
\>
|
匹配詞（word）的開始（\<）和結束（\>）。例如正則表達式\<the\>能夠匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。注意：這個元字符不是所有的軟件都支持的。 |
| ( ) | 將( 和 ) 之間的表達式定義為“組”（group），並且將匹配這個表達式的字符保存到一個臨時區域（一個正則表達式中最多可以保存9個），它們可以用 \1 到\9 的符號來引用。 |
| | | 將兩個匹配條件進行邏輯“或”（Or）運算。例如正則表達式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：這個元字符不是所有的軟件都支持的。 |
零寬斷言 (?=pattern) (?<=pattern)
用於查找在某些內容(但並不包括這些內容)之前或之后的東西，也就是說它們像\b,^,$那樣用於指定一個位置，這個位置應該滿足一定的條件(即斷言)，因此它們也被稱為零寬斷言。最好還是拿例子來說明吧：
(?=exp)也叫零寬度正預測先行斷言，它斷言自身出現的位置的后面能匹配表達式exp。比如\b\w+(?=ing\b)，匹配以ing結尾的單詞的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.時，它會匹配sing和danc。
(?<=exp)也叫零寬度正回顧后發斷言，它斷言自身出現的位置的前面能匹配表達式exp。比如(?<=\bre)\w+\b會匹配以re開頭的單詞的后半部分(除了re以外的部分)，例如在查找reading a book時，它匹配ading。
下面這個例子同時使用了這兩種斷言：(?<=\s)\d+(?=\s)匹配以空白符間隔的數字(再次強調，不包括這些空白符)
斷言用來聲明一個應該為真的事實。正則表達式中只有當斷言為真時才會繼續進行匹配。
負向零寬斷言 (?!pattern) (?<!pattern)
如果我們只是想要確保某個字符沒有出現，但並不想去匹配它時怎么辦？例如，如果我們想查找這樣的單詞--它里面出現了字母q，但是q后面跟的不是字母u,我們可以嘗試這樣：
\b\w*q[^u]\w*\b匹配包含后面不是字母u的字母q的單詞。但是如果多做測試(或者你思維足夠敏銳，直接就觀察出來了)，你會發現，如果q出現在單詞的結尾的話，像Iraq,Benq，這個表達式就會出錯。這是因為[^u]總要匹配一個字符，所以如果q是單詞的最后一個字符的話，后面的[^u]將會匹配q后面的單詞分隔符(可能是空格，或者是句號或其它的什么)，后面的\w*\b將會匹配下一個單詞，於是\b\w*q[^u]\w*\b就能匹配整個Iraq fighting。負向零寬斷言能解決這樣的問題，因為它只匹配一個位置，並不消費任何字符。，我們可以這樣來解決這個問題：\b\w*q(?!u)\w*\b。
零寬度負預測先行斷言(?!exp)，斷言此位置的后面不能匹配表達式exp。例如：\d{3}(?!\d)匹配三位數字，而且這三位數字的后面不能是數字；\b((?!abc)\w)+\b匹配不包含連續字符串abc的單詞。
同理，我們可以用(?<!exp),零寬度負回顧后發斷言來斷言此位置的前面不能匹配表達式exp：(?<![a-z])\d{7}匹配前面不是小寫字母的七位數字。
請詳細分析表達式(?<=<(\w+)>).*(?=<\/\1>)，這個表達式最能表現零寬斷言的真正用途。
一個更復雜的例子：(?<=<(\w+)>).*(?=<\/\1>)匹配不包含屬性的簡單HTML標簽內里的內容。(?<=<(\w+)>)指定了這樣的前綴：被尖括號括起來的單詞(比如可能是<b>)，然后是.*(任意的字符串),最后是一個后綴(?=<\/\1>)。注意后綴里的\/，它用到了前面提過的字符轉義，將”/“轉義；\1則是一個反向引用，引用的正是捕獲的第一組，前面的(\w+)匹配的內容，這樣如果前綴實際上是<b>的話，后綴就是</b>了。整個表達式匹配的是<b>和</b>之間的內容(再次提醒，不包括前綴和后綴本身)。
常見需要驗證的字符串格式
- 字符串僅能是中文 ：^[\\u4e00-\\u9fa5]{0,}$
- 非零的正整數：^[1-9]\d*$
- 非正浮點數：^(-\d+(\.\d+)?)$
- 郵箱：：^\w+([-+.]\w+)*@(\w+-?\w+)(\.\w+-?\w+)+$
- 國內電話號碼：\d{3}-\d{8}|\d{4}-\d{7}
- 身份證號(15位、18位數字)^\d{15}|\d{18}$
java中如何使用正則表達式
匹配字符串
@Test public void test(){ //匹配整個字符串 String str = "asfsdaf14434dDFSFD"; String reg = "\\w*"; Pattern pattern = Pattern.compile(reg); Matcher matcher = pattern.matcher(str); System.out.println(matcher.matches()); }
提取數據
@Test public void test2(){ //查找其中的每個數字 String str = "asfsdaf14434dDFSFD"; String reg = "\\d"; Pattern pattern = Pattern.compile(reg); Matcher matcher = pattern.matcher(str); while (matcher.find()){ System.out.println(matcher.group()); } }
字符串的replaceAll
@Test public void test3(){ //替換其中的每個數字為數字9 String str = "asfsdaf14434dDFSFD"; String reg = "\\d"; str = str.replaceAll(reg, "9"); System.out.println(str);//asfsdaf99999dDFSFD }
取字符串的真正長度（中文兩個字符，英文數字1個）
@Test public void test4(){ String str = "水電費拉風dDFSFD"; System.out.println(getStrCount(str));//16 } private static int getStrCount(String str) { if(str == null || str.length() == 0){ return 0; } // \x00-\xFF匹配ASCII值從0-127的字符， // 所以取反認為其余的字符都是雙字節，這樣才不會將韓語等其他字符認為是單字節 String regex = "[^\\x00-\\xFF]"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(str); int count = 0; while(matcher.find()){ count++; } count = count + str.length(); return count; }
如何匹配不包含某些字符串的正則
Pattern pattern = Pattern.compile("^(?!.*(MON|TUE|WED)).*");
Matcher matcher = pattern.matcher("123MONsdf");
System.out.printly(matcher.matches())://false
JavaScript中如何使用正則表達式
取字符串的真正長度（中文兩個字符，英文數字1個）
/** * 獲取字符長度 */ getCharLength: function(value){ if(value == null) return 0; var cArr = value.match(/[^\x00-\xff]/ig);//匹配雙字節 var len = value.length + (cArr == null ? 0 : cArr.length); return len; }
轉載請注明出處：https://www.cnblogs.com/yuxiaole/p/9380104.html