02.正則表達式

準備：

—安裝RegExpBuddy軟件——專門測試正則表達式是否正確的軟件

—或是找一個正則表達式在線測試網站

1.正則表達式——Regular Expression

什麼是：

　　正則表達式，是專門描述字符串中字符出現規則的表達式。

爲何:

　　由於程序不認識人類語言中的詞彙，因此才須要程序員用正則表達式教程序認識人類語言中的詞彙。

可用於：

　　1.驗證字符串格式

　　2.查找敏感詞

定義正則表達式：

　　(1).普通字符

　　　全部的單個大小寫字母、數字都是一個正則表達式，用以匹配單個字符，這個字符與它自己相同，簡單來說，就是一個關鍵詞原文。

　　　—例如："我是"

　　

關鍵詞匹配的過程：

　　

在RegExp Buddy中

—查找一句話中是否包含敏感詞「我是」

—若是將一句話中的「我是」，換成「我事」，還能查詢出來嗎？

(2).字符集

問題：

　　第二個字符換成另外一個同音字，就匹配不到了

解決：

　　字符集

什麼是：

—字符集是規定一位字符上多種備選字的列表

—只要規則中某一位字符上有多種備選字時，就用字符集

如何:

　　[備選字列表]

例如：

　　匹配時，只要與[]中任意一個字符匹配，就算知足規則

字符集匹配過程：

　　

若是再連上前邊寫死的「我」字規則，可匹配三種詞：

　　

在RegExp Buddy中

—定義一個規則同時匹配「我是」 ，「我事」 ，「我時」 三種敏感詞

答案: 我[是時事]

—擴展：修改規則，使其進一步匹配「臥是」

答案: [我臥][是時事]

—[我臥][是事時]匹配過程： 

　　

再例如：

經常使用手機號規則：

— 第一位：1

— 第二位：三、四、五、六、七、八、9中選其中一個

— 後 9位：每一位上都是在0~9數字之間任選其一

—結果：

　　

問題：

　　若是每一個數字都寫很麻煩。

解決：

　　簡寫：若是[]中部分備選字符連續，可使用-省略中間字符

例如：

　　　　　　　　  手機號規則中:

[3456789] 可簡寫爲 [3-9] 讀做 3到9

[0123456789] 可簡寫爲 [0-9] 讀做 0到9

　　因此，手機簡寫形式：

　　　　1[3-8][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9]

　　

其它簡寫：

要匹配 一位小寫 字母 ： [a-z]             共26個

要匹配 一位大寫 字母 ： [A-Z]             共26個

要  匹  配 一 位 字 母 ： [A-Za-z]        共52個

要匹配一位字母或數字：[0-9A-Za-z]    共62個

要  匹  配  一 位 漢 字：[\u4e00-\u9fa5]

                                 19968 ~ 40869  共20902個

使用字符集簡寫：

在RegExp Buddy中

　　

—利用字符集簡寫定義車牌號規則:

— 第一位：1位漢字

— 第二位：1位大寫字母

— 第三位：·

— 後五位：每一位都是一位大寫字母或數字

—答案:

　　[\u4e00-\u9fa5][A-Z]·[0-9A-Z][0-9A-Z][0-9A-Z][0-9A-Z][0-9A-Z]

　

(3).預約義字符集

正則表達式語法爲四種最經常使用的字符集定義了最簡化寫法，稱爲預約義字符集。

包括：

要  匹  配  一  位  數 字  ： \d   等效於   [0-9]  

要匹配一位字母、數字或_:  \w   等效於   [0-9A-Za-z_]

要  匹 配 一 位 空 字  符 ：\s    可匹配  空格、製表符、Tab等空白

要匹配全部文字 (通配符) ： .  

因此，利用預約義字符集簡寫手機號規則爲：

　　1[3-8]\d\d\d\d\d\d\d\d\d

　　

問題:  

　　手機號規則中\d寫了9遍，車牌號規則中[0-9A-Z]也寫了五遍，也很不方便。

緣由：

　　一個字符集（\d或[0-9]）只能匹配一位字符，要匹配9位字符，就必須重複寫9遍。

　　程序用規則匹配字符串，就像彩票兌獎同樣，是逐字逐個規則匹配。

　　不但內容要符合規則，位數首先要一致。

　　[\u4e00-\u9fa5][A-Z]·[0-9A-Z][0-9A-Z][0-9A-Z][0-9A-Z][0-9A-Z]

解決：

　　使用數量詞。

(4).數量詞

什麼是：

　　數量詞，是專門規定一個字符集出現次數的規則

什麼時候：

　　從此，只要一個字符集在規則中可能連續反覆出現屢次，就要用數量詞以簡寫方式定義出現次數。

如何：

　　數量詞緊跟在其修飾的字符集以後，默認修飾相鄰的前一個字符集

例如：

　　利用數量詞進一步簡寫手機號規則中，可進一步簡寫爲:

　　　　 1[3-8]\d{9}     \d{9} 至關於 \d*9次

　　　　　

使用數量詞：

利用數量詞進一步簡寫車牌號規則，可進一步簡寫爲：

　　 [\u4e00-\u9fa5][A-Z]·[0-9A-Z]{5}

　　 

問題：

　　接收短信驗證碼時，網站驗證碼有時4位，有時6位，並不肯定，怎麼辦？

其實，數量詞包括兩大類：

1). 有明確數量邊界的數量詞

字符集{n}      表示字符集必須重複n次，不能多也不能少

例如：

　　\d{4,6}  表示4位數字

　　

字符集{n,m}   表示字符集至少重複n次，最多重複m次，

例如:  

　　\d{4,6}   表示4到6位數字

　　

      字符集{n,}     表示字符集匹配的內容至少重複n次，多了不限

　　例如：

　　　　\d{6,}     表示6位以上數字

　　　　

2). 沒有明確數量邊界的數量詞

　　 *  表示無關緊要，多了不限

　　　　\s*

　　　　

+  表示至少一次，多了不限

　　\s+ 

　　

?  表示無關緊要，最多一次

　　\s?

　　

在RegExp Buddy中

—匹配手機短信中的驗證碼：連續的4位~6位數字

答案: \d{4,6}

—匹配字符串中的一組連續空字符

答案: \s+

(5).選擇和分組

問題：

　　屏蔽敏感詞時，輸入者把字換成拼音就查不出來了

錯誤的作法:

　　直接將拼音放入[]中做爲字符集中的備選

　　好比：

　　　　[草cao]

　　　　

但願:

　　草 或 cao

　　

緣由：

　　字符集只認識單個字，不認識一組拼音

　　

正確作法：

　　1).選擇

什麼是：

　　選擇，是指在多個子規則中選其一匹配

什麼時候：

　　從此，只要在多個子規則中選其一匹配時，就用選擇

如何:     

　　子規則1   |   子規則2  

讀做:  

　　知足規則1  或  知足規則2

例如:

　　草 | cao

問題：

　　若是規則寫成「我草|cao」 呢？

但願是：

　　我草 或 我cao

　　

實際倒是:

　　我草 | cao

　　

緣由：

由於「|」選擇符只分左右，不考慮單個字符　　

解決：

使用分組。

2).分組

什麼是：

　　分組，將多個子規則視爲一組，再和分組外的規則匹配

什麼時候：

　　只要但願將多個子規則視爲一個總體，再和其它規則匹配時，就用分組

如何：

　　其它規則(多個子規則)

例如：

　　—匹配一個「草」 字或「cao」這個拼音

　　答案: 草|cao

　　

　　—匹配「我草」或「我cao」

答案: 我(草|cao)

使用選擇和分組：

問題1：

　　同時驗證敏感字同音字或拼音，我草、我艹、我cao、我槽

答案：我 ([草艹槽]|cao)

問題2：

　　「我」 字也多是「臥」或「wo」

　　答案：([我臥]|wo)([草艹槽]|cao)

　　

問題3：

　　可能在中間加不肯定個數的空字符：

答案：([我臥]|wo)\s*([草艹槽]|cao)

在RegExp Buddy中定義規則

—匹配「我草」

　　

—匹配 「臥    槽」

　　

—匹配 「wocao」，「我  草」等敏感詞

　　

—定義完整手機號規則：

　　　　　　　　　　分析：

+86或0086：(\+86|0086)

至少一個空字符 : \s+

以前全部，總體無關緊要，最多一次： ()?

1

3~9

任選其一 9位數字

　　答案: ((\+86|0086)\s+)?1[3-8]\d{9}

　　

—定義完整身份證號規則:

分析：

    15位數字: \d{15}    （一代身份證）

    2位數字:  \d\d

    最後一位: 1位數字或Ⅹ:   [0-9Ⅹ]

    最後三位 無關緊要，最多一次 （最後三位）？

答案：\d{15}(\d\d[0-9x])?

　　　　

(6).指定匹配位置

一個字符串中三個位置比較特殊：

—1. 字符串開頭

—2. 字符串結尾

—3. 英文句子中的每一個單詞中間的空白位置

　　

若是隻但願匹配特殊位置上的關鍵詞時，就可用特殊符號表示特殊位置。

包括：

—1. ^ 表示字符串開頭

—2. $ 表示字符串結尾

—3. \b 表示單詞邊界，可匹配：空格，標點符號，字符串開頭和結尾等可將一個單詞與其它單詞分割開的符號。

　　

例如:

　　匹配一組連續的空字符

—1. 匹配任意一組連續的空字符

　　

—2. 僅匹配開頭的空字

　　

—3. 僅匹配結尾的空字符

　　

—4. 同時匹配開頭和結尾的空字符：

　　錯誤的作法:

　　　　 ^\s+$，表示從開頭到結尾之間只能是空字符！

　　　　

　　　　　　正確作法：

　　　　　　　　用「|」選擇符，將整個規則強行一分爲2

　　　　　　　　

再好比:

　　找到每一個單詞首字母

　　　　—前邊緊挨着單詞邊界的字母

　　　　　　

附圖片（不與博客內容匹配，僅參考）：

　　

　　

　　

　　

　　

　　

英文單詞整理Regular  Expression 正則表達式Regular            規則Expression       表達式 作一件事的一條程序的語句\d    digit         (從 0 到 9 的任何一個)數字，數位\s    space       (可利用的)空地，空間；空格\w   word         單詞;詞;字;\b    boundary   邊界