正則表達式簡明教程

 

本文目錄

1、正則表達式用途

2、資料與工具

3、正則基礎知識

4、正則進階知識

5、在Java中使用正則

6、Java正則中遇到的問題

1、正則表達式用途

正則表達式是一個有含義的字符串，它表明了一個字符串的組成規則，用於驗證給定字符串是否與我匹配。比方說，當你要求用戶填寫郵箱時，你就須要用正則表達式來驗證用戶輸入的是否是有效的郵箱地址。

2、資料與工具

網上的學習資料不少，可是濫竽充數的也很多。個人學習資料是《正則表達式30分鐘入門教程》，本文至關因而在該文章的基礎上提煉而成的。在學習過程當中你不須要經過編程來驗證，那樣太慢，能夠在正則驗證工具-chinaZ驗證你的正則表達式。

3、正則基礎知識

若是你寫過批處理或者善於使用windows系統的搜索功能，那麼你必定對通配符不陌生。在windows中，*表明任意數量的字符。不要擔憂，正則表達式沒有那麼可怕，它與這個通配符是相似的。

3.1 內容匹配

咱們把正則中具備特定含義的字符成爲元字符，那麼最基本的元字符有2種：（1）匹配字符內容（2）匹配字符數量。經常使用的內容匹配元字符見表1：

表1.經常使用的內容匹配元字符

代碼	說明
.	匹配除換行符之外的任意字符
\w	匹配字母或數字或下劃線或漢字
\s	匹配任意的空白符
\d	匹配數字
\b	匹配單詞的開始或結束
^	匹配字符串的開始
$	匹配字符串的結束

注意，沒跟數量匹配元字符時，它們都只能匹配1個字符。從表1能夠看到，」.」幾乎可以匹配任何字符；若是你要匹配一個字母或者數字，使用\w就能夠了；匹配數字可使用\d。

下面是幾個例子（正則表達式位於」」內）：

「\bre\w\b」的含義是：匹配一個單詞，以re打頭後面再跟一個字符。注意，正則表達式裏面說的單詞不等於英文單詞，這裏的單詞能夠包含數字或字符。以」re1d re好 re1 re_」爲例，本正則不能匹配前兩個單詞，只能匹配後兩個單詞。

「^\d[135][a-f]$」的含義是：匹配一個字符串，且第一個字符是數字，第二個字符是1或者3或者5，第三個字符是a-f之間的字符。也就是說，[]能夠定義字符的範圍，裏面的橫線表示範圍，如無橫線則各字符爲或的關係。」15c」能夠匹配，」15g」不能匹配。

3.2 數量匹配

假設我要匹配一個長達1000位的字符串，我總不可能構造一個1000位的正則吧！固然，數量匹配元字符可以定義指定字符的數量。經常使用的數量匹配元字符見表2：

表2 經常使用的數量匹配元字符

代碼/語法	說明
*	重複零次或更屢次
+	重複一次或更屢次
?	重複零次或一次
{n}	重複n次
{n,}	重複n次或更屢次
{n,m}	重複n到m次

結合表1，當你使用.*的時候基本就能表示任意內容了。下面仍然經過例子來進行解釋：

「^0\d{2,3}-\d{7,8}$」的含義是：匹配一個字符串，且第一個字符是0，後面跟2位到3位數字，再跟1個橫線，再跟7-8位數字。沒錯，這就是驗證座機號碼的正則。」010-77777779」可以匹配，而」010-7777777a」不能匹配。

「^\w+\@\w+\.\w{2,}$」的含義是：匹配一個字符串，首先是一位或多位字符，接下來是」@」符號，接下來是一位或多位字符，而後是」.」，最後是2位或多位字符。」111@163.com」能夠匹配，」111@.com」不能匹配。

"^[1-9]\d{16}(\d|x|X)$"的含義是：匹配一個字符串，且第一位部位0，接下來是16位數字，最後一位是數字或大小寫」x」。沒錯，這是驗證18位身份證號的正則。注意，」|」表示邏輯或。」01066119880124001x」不能匹配，」41066119880124001x」能夠匹配。

3.3 轉義取反與分枝

若是你就想匹配元字符自己，使用轉移字符就行了，這與編程語言是同樣的。好比，」\\」匹配」\」，「\?」 匹配「?」。須要注意的是，在程序中制定正則字符串時，你須要使用不少轉義。好比你的實際正則爲「^0\d{2,3}-\d{7,8}$」，那你在程序中應寫爲「^0\\d{2,3}-\\d{7,8}$」，由於在編程語言層面就會對字符串中的轉義字符過濾一遍。

[^xyz]表示取反，即不匹配xyz。與元字符對應，也有一系列取反代碼，具體見表3：

表3 經常使用的取反匹配元字符

代碼/語法	說明
\W	匹配任意不是字母，數字，下劃線，漢字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非數字的字符
\B	匹配不是單詞開頭或結束的位置
[^x]	匹配除了x之外的任意字符
[^aeiou]	匹配除了aeiou這幾個字母之外的任意字符

 

分枝條件就是邏輯或。好比，」\(0\d{2}\)-\d{8}|0\d{2}-\d{8}」匹配的內容爲，3位區號-8位號碼，其中區號爲帶括號或者不帶括號。

4、正則進階知識

4.1 分組與向後引用

咱們經常用括號來包圍一些子表達式，好比說，」(\d{1,3}\.){3}(\d{1,3})」用於匹配一個IP地址（不嚴謹匹配）。括號之內的範圍就是一個分組。正則工做時會給每一個分組編號，並記錄分組所匹配的內容。簡單來講，從左往右，以左括號爲標誌，第一個分組編號爲1，第二個爲2，以此類推，正則表達式自身編號爲0。除此之外，正則容許你自定義分組名稱，或者指定某分組不編號，具體以下：

表4.經常使用分組語法

序號	分類	代碼/語法	說明
1	捕獲	(exp)	匹配exp,並捕獲文本到自動命名的組裏
2	(?<name>exp)	匹配exp,並捕獲文本到名稱爲name的組裏，也能夠寫成(?'name'exp)
3	(?:exp)	匹配exp,不捕獲匹配的文本，也不給此分組分配組號
4	零寬斷言	(?=exp)	匹配exp前面的位置
5	(?<=exp)	匹配exp後面的位置
6	(?!exp)	匹配後面跟的不是exp的位置
7	(?<!exp)	匹配前面不是exp的位置
8	註釋	(?#comment)	這種類型的分組不對正則表達式的處理產生任何影響，用於提供註釋讓人閱讀

 

由表可見，前三項都在解釋組號命名的問題。那麼組號有什麼用呢？

1. 組號可以被正則的其它部分引用，以再次匹配某個組，這樣你就不用在正則中寫不少重複的子表達式。好比說，」\b(\w+)\b\s+\1\b」用於匹配2個單詞，第一個由若干字母組成，第二個引用第一個分組，即與第一個單詞相同。它匹配」ha ha」。
2. 以Java語言爲例，使用matcher的group(i)方法可以輸出每個分組所匹配的內容。其中i是組號。

下面是幾個示例。

例1."^(\d{1,3}\.){3}(\d{1,3})$"的含義是：匹配一個字符串，形式如xx.xx.xx.xx，其中xx爲1至3位整數。」222.213.24.57」匹配。各分組匹配內容爲：

group 0 : 222.213.24.57

group 1 : 24.

group 2 : 57

由於正則中包含2對括號，所以不算自身只有2個分組。因爲分組1重複匹配3次，所以它只能記錄第三次匹配的內容也就是」24.」。分組2記錄的匹配內容是」57」。

例2."^(\\d{1,3})\\.\\1\\.\\1\\.\\1$"的含義爲，匹配一個字符串，形式如xx.xx.xx.xx，其中xx爲1至3位整數，全部的xx都相同。它與」222.213.24.57」不匹配，與」222.222.222.222」匹配。

例3."^(\d{1,3})\.(\d{1,3})\.(\d{1,3})\.(\d{1,3})$"的含義與例1相同，只不過將每一個分組單獨寫了出來。各分組匹配內容以下，再也不解釋。

group 0 : 222.213.24.57

group 1 : 222

group 2 : 213

group 3 : 24

group 4 : 57

例4."(?:\\d{1,3})\\.(\\d{1,3})\\.(?:\\d{1,3})\\.(\\d{1,3})"的含義與例1相同，仍然會與」222.213.24.57」匹配。區別在於分組1和分組3不分配組號且不記錄匹配內容，各分組及匹配內容以下：

group 0 : 222.213.24.57

group 1 : 213

group 2 : 57

4.2 零寬斷言

簡單來講，零寬斷言表明如下的規則：指定字符串以xxx打頭、以xxx結尾、不以xxx打頭或不以xxx結尾。並匹配除了xxx之外的內容。零寬指的是規則發生的位置，它沒有寬度，不做爲字符處理。

(?=exp)也叫零寬度正預測先行斷言，它斷言自身出現的位置的後面能匹配表達式exp。好比\b\w+(?=ing\b)，匹配以ing結尾的單詞的前面部分(除了ing之外的部分)，如查找I'm singing while you're dancing.時，它會匹配sing和danc。

(?<=exp)也叫零寬度正回顧後發斷言，它斷言自身出現的位置的前面能匹配表達式exp。好比(?<=\bre)\w+\b會匹配以re開頭的單詞的後半部分(除了re之外的部分)，例如在查找reading a book時，它匹配ading。

(?!exp)也叫作零寬度負預測先行斷言，斷言此位置的後面不能匹配表達式exp。例如：\d{3}(?!\d)匹配三位數字，並且這三位數字的後面不能是數字；\b((?!abc)\w)+\b匹配不包含連續字符串abc的單詞。

(?<!exp)也叫作零寬度負回顧後發斷言來斷言此位置的前面不能匹配表達式exp。例如，(?<![a-z])\d{7}匹配前面不是小寫字母的七位數字。

4.3 貪婪與懶惰

正則的匹配默認是貪婪的，也就是說若是條件容許它將匹配儘量多的字符。好比，」a.*b」將匹配」aabab」的所有，而不是」aab」或」ab」。然而有時咱們也須要最小匹配，只須要在正則後面加一個」?」便可。好比說，a.*?b匹配最短的，以a開始，以b結束的字符串。若是把它應用於aabab的話，它會匹配aab（第一到第三個字符）和ab（第四到第五個字符）。

表5.懶惰限定符

代碼/語法	說明
*?	重複任意次，但儘量少重複
+?	重複1次或更屢次，但儘量少重複
??	重複0次或1次，但儘量少重複
{n,m}?	重複n到m次，但儘量少重複
{n,}?	重複n次以上，但儘量少重複

 

5、在Java中使用正則

5.1基本代碼格式

在Java中使用正則時，須要2個基本要素：Pattern和Matcher。前者是你定義的正則，後者是由該正則生成的匹配器。代碼格式以下：

public  boolean startCheck(String reg,String string)  

    {  

        boolean tem=false;          

        Pattern pattern = Pattern.compile(reg);  

        Matcher matcher = pattern.matcher(string);             

        tem = matcher.matches();

        return tem;  

    }

 

5.2驗證手機號

/** 
         * 手機號碼驗證,11位，開頭必須是1，總長11位數 
         * */  
        public boolean checkCellPhone(String cellPhoneNr)  
        {  
            String reg="^[1][\\d]{10}$";  
            return startCheck(reg,cellPhoneNr);  
        } 

 

5.3驗證電子郵箱

/** 
         * 檢查EMAIL地址 ，用戶名和網站名稱必須>=1位字符 
         * 地址結尾必須是2位以上，如：cn,test,com,info 
         * */  
        public boolean checkEmail(String email)  
        {  
            String regex="\\w+\\@\\w+\\.\\w{2,}";  
              
            return startCheck(regex,email);  
        } 

 

5.4驗證身份證號

/** 
         * 驗證國內身份證號碼：18位，由數字組成，不能以0開頭,x或X結尾 
         * */  
        public boolean checkIdCard(String idNr)  
        {  
            String reg="^[1-9]\\d{16}(\\d|x|X)$"; 
            return startCheck(reg,idNr);  
        }  

 

5.5驗證IP

/** 
         *  查看IP地址是否合法 ,0-255 = 250-255, 200-249, 100-199,10-99, 0-9,
         * */  
        public boolean checkIP(String ipAddress)  
        {  
            String subregex = "(25[0-5]|2[0-4]\\d|1\\d{2}|[1-9]\\d|\\d)";
            String regex = "(" + subregex + "\\.)"+ "{3}" + subregex;            
            return startCheck(regex,ipAddress);  
        }  

 

5.6驗證郵編

/** 
         * 檢查郵政編碼(中國),6位，第一位必須是非0開頭，其餘5位數字爲0-9 
         * */  
        public boolean checkPostcode(String postCode)  
        {  
            String regex="^[1-9]\\d{5}";  
            return startCheck(regex,postCode);  
        }  

 

5.7驗證用戶名

/** 
         * 檢驗用戶名 
         * 取值範圍爲a-z,A-Z,0-9,"_",漢字，不能以"_"結尾 
         * 用戶名有最小長度和最大長度限制，好比用戶名必須是4-20位 
         * */  
        public boolean checkUsername(String username,int min,int max)  
        {  
            String regex="[\\w_\\-\u4e00-\u9fa5]{"+min+","+max+"}(?<!_)";
            return startCheck(regex,username);  
        }  

 

5.8驗證網址

/** 
         * 網址驗證<br> 
         * 符合類型：<br> 
         *  url=協議類型://  0或1次
         *  www.  0或1次
         *  xx.xx   xx爲數字字符不限長度
         * */  
        public boolean checkWebSite(String url)  
        {  
            //http://www.163.com  
            String reg="^((http|https|ftp)\\:\\/\\/)?(www.)?\\w+\\.\\w+";  
            //String reg="^(http)\\://(\\w+\\.\\w+\\.\\w+|\\w+\\.\\w+)";  
              
            return startCheck(reg,url);  
        }  
        

 

 

6、Java正則中遇到的問題

本章記錄了我在Java中遇到的坑，按需更新。

6.1 測試經過然而matches()返回false

筆者在測試"\\w*(?=ing)"和"I’m singing while you’re dancing"時，遇到的狀況爲，測試網站顯示可以匹配到sing和danc，然而程序中的matches()老是返回false。經點撥才發現，matches()方法老是匹配整個字符串，僅當徹底匹配時纔會返回true。在這種狀況下應當使用find()方法，每當成功匹配到子字符串時，它就會返回true。

6.2 Start()與end()值異常

代碼以下：

import java.util.regex.Matcher;import java.util.regex.Pattern;

public class RegexDemo {

  public static void main(String[] args) {

    RegexDemo demo = new RegexDemo();

    System.out.printf("%b%n", demo.zeroWidthAssertionEarly());

  }

 

  public boolean zeroWidthAssertionEarly()  

  {  

    //匹配以ing結尾的單詞

    String reg="\\w*(?=ing)";

    String word = "I’m singing while you’re dancing";//

    boolean tem=false;  

 

    Pattern pattern = Pattern.compile(reg);  

    Matcher matcher = pattern.matcher(word);  

 

    while(matcher.find()){

      System.out.printf("start = %d%n", matcher.start());

      System.out.printf("end = %d%n", matcher.end());

    }        

    return tem;  

  } }

 

輸出以下：

start = 4

end = 8

start = 8

end = 8

start = 25

end = 29

start = 29

end = 29false

輸出爲何不是這樣呢？

start = 4

end = 8

start = 25

end = 29false

緣由在於，"\w*"將匹配0或多個字符，所以」ing」將本身匹配本身一次。改成"\w+"後輸出就正常了。