正則表達式語法
1、定義:
正則表達式(regular expression)描述了一種字符串匹配的模式(pattern),可以用來檢查一個串是否含有某種子串、將匹配的子串替換或者從某個串中取出符合某個條件的子串等。
2、匹配單個字符
. 可以用來匹配任何的單個字符,但是在絕大多數實現裏面,不能匹配換行符;
正則表達式
Engli.h2020
匹配結果
English2020
3、匹配一組字符
[ ] 定義一個字符集合;0-9、a-z 定義了一個字符區間,區間使用 ASCII 碼來確定,字符區間在 [ ] 中使用。
‘-’ 只有在 [ ] 之間纔是元字符,在 [ ] 之外就是一個普通字符;
^ 在 [ ] 中是取非操作。
應用:匹配以 abc 爲開頭,並且最後一個字母不爲數字的字符串:
正則表達式: abc[^0-9]
4、使用元字符
- 匹配空白字符
元字符 | 說明 |
---|---|
[\b] | 回退(刪除)一個字符 |
\f | 換頁符 |
\n | 換行符 |
\r | 回車符 |
\t | 製表符 |
\v | 垂直製表符 |
\r\n 是 Windows 中的文本行結束標籤,在 Unix/Linux 則是 \n。
\r\n\r\n 可以匹配 Windows 下的空白行,因爲它匹配兩個連續的行尾標籤,而這正是兩條記錄之間的空白行;
- 匹配特定的字符
數字元字符
元字符 | 說明 |
---|---|
\d | 數字字符,等價於 [0-9] |
\D | 非數字字符,等價於 [^0-9] |
\d 是匹配一個數字(0到9)
\d 前面多了第一個\ 是爲了在程序中轉義第二個\,這個你可以忽略
+表示 1個或多個
字母數字元字符
元字符 | 說明 |
---|---|
\w | 大小寫字母,下劃線和數字,等價於 [a-zA-Z0-9_] |
\W | 對 \w 取非 |
空白字符元字符
元字符 | 說明 |
---|---|
\s | 任何一個空白字符,等價於 [\f\n\r\t\v] |
\S | 對 \s 取非 |
\x 匹配十六進制字符,\0 匹配八進制,例如 \xA 對應值爲 10 的 ASCII 字符 ,即 \n。
5、重複匹配
- +匹配 1 個或者多個字符
- *** 匹配 0 個或者多個字符
- ? 匹配 0 個或者 1 個字符
應用
匹配郵箱地址。
正則表達式
[\w.]+@\w+\.\w+
[\w.] 匹配的是字母數字或者 . ,在其後面加上 + ,表示匹配多次。在字符集合 [ ] 裏,. 不是元字符;
匹配結果
[email protected]
- {n} 匹配 n 個字符
- {m,n} 匹配 m~n 個字符
- {m,} 至少匹配 m 個字符
*和 + 都是貪婪型元字符,會匹配儘可能多的內容。在後面加 ? 可以轉換爲懶惰型元字符,例如 *?、+? 和 {m,n}? 。
正則表達式
a.+c
匹配結果
abcabcabc
由於 + 是貪婪型的,因此 .+ 會匹配更可能多的內容,所以會把整個 abcabcabc 文本都匹配,而不是隻匹配前面的 abc 文本。用懶惰型可以實現匹配前面的。
6、位置匹配
單詞邊界
\b 可以匹配一個單詞的邊界,邊界是指位於 \w 和 \W 之間的位置;\B 匹配一個不是單詞邊界的位置。
\b 只匹配位置,不匹配字符,因此 \babc\b 匹配出來的結果爲 3 個字符。
字符串邊界
^ 匹配整個字符串的開頭,$ 匹配結尾。
^ 元字符在字符集合中用作求非,在字符集合外用作匹配字符串的開頭。
分行匹配模式(multiline)下,換行被當做字符串的邊界。
應用
匹配代碼中以 // 開始的註釋行
正則表達式
^\s*\/\/.*$
匹配結果
1、public void fun() {
2、 // 註釋 1
3、 int a = 1;
4、 int b = 2;
5、 // 註釋 2
6、 int c = a + b;
7、}
7、使用子表達式
使用 ( ) 定義一個子表達式。子表達式的內容可以當成一個獨立元素,即可以將它看成一個字符,並且使用 * 等元字符。
子表達式可以嵌套,但是嵌套層次過深會變得很難理解。
正則表達式
(ab){2,}
匹配結果
ababab
| 是或元字符,它把左邊和右邊所有的部分都看成單獨的兩個部分,兩個部分只要有一個匹配就行。
正則表達式
(19|20)\d{2}
匹配結果
1、1900
2、2010
3、1020
應用
匹配 IP 地址。
IP 地址中每部分都是 0-255 的數字,用正則表達式匹配時以下情況是合法的:
- 一位數字
- 不以 0 開頭的兩位數字
- 1 開頭的三位數
- 2 開頭,第 2 位是 0-4 的三位數
- 25 開頭,第 3 位是 0-5 的三位數
正則表達式
((25[0-5]|(2[0-4]\d)|(1\d{2})|([1-9]\d)|(\d))\.){3}(25[0-5]|(2[0-4]\d)|(1\d{2})|([1-9]\d)|(\d))
匹配結果
1、192.168.0.1
2、00.00.00.00
3、555.555.555.555
8、回溯引用
回溯引用使用 \n 來引用某個子表達式,其中 n 代表的是子表達式的序號,從 1 開始。它和子表達式匹配的內容一致,比如子表達式匹配到 abc,那麼回溯引用部分也需要匹配 abc 。
應用
匹配 HTML 中合法的標題元素。
正則表達式
\1 將回溯引用子表達式 (h[1-6]) 匹配的內容,也就是說必須和子表達式匹配的內容一致。
<(h[1-6])>\w*?<\/\1>
匹配結果
1、<h1>x</h1>
2、<h2>x</h2>
3、<h3>x</h1>
替換
需要用到兩個正則表達式。
應用
修改電話號碼格式。
文本
313-555-1234
查找正則表達式
(\d{3})(-)(\d{3})(-)(\d{4})
替換正則表達式
在第一個子表達式查找的結果加上 () ,然後加一個空格,在第三個和第五個字表達式查找的結果中間加上 - 進行分隔。
($1) $3-$5
結果
(313) 555-1234
大小寫轉換
元字符 | 說明 |
---|---|
\l | 把下個字符轉換爲小寫 |
\u | 把下個字符轉換爲大寫 |
\L | 把\L 和\E 之間的字符全部轉換爲小寫 |
\U | 把\U 和\E 之間的字符全部轉換爲大寫 |
\E | 結束\L 或者\U |
應用
把文本的第二個和第三個字符轉換爲大寫。
文本
abcd
查找
(\w)(\w{2})(\w)
替換
$1\U$2\E$3
結果
aBCd
9.前後查找
前後查找規定了匹配的內容首尾應該匹配的內容,但是又不包含首尾匹配的內容。
向前查找使用 ?= 定義,它規定了尾部匹配的內容,這個匹配的內容在 ?= 之後定義。所謂向前查找,就是規定了一個匹配的內容,然後以這個內容爲尾部向前面查找需要匹配的內容。向後匹配用 ?<= 定義(注: JavaScript 不支持向後匹配,Java 對其支持也不完善)。
應用
查找出郵件地址 @ 字符前面的部分。
正則表達式
\w+(?=@)
結果
abc @qq.com
對向前和向後查找取非,只要把 = 替換成 ! 即可,比如 (?=) 替換成 (?!) 。取非操作使得匹配那些首尾不符合要求的內容。
10、嵌入條件
回溯引用條件
條件爲某個子表達式是否匹配,如果匹配則需要繼續匹配條件表達式後面的內容。
正則表達式
子表達式 (() 匹配一個左括號,其後的 ? 表示匹配 0 個或者 1 個。 ?(1) 爲條件,當子表達式 1 匹配時條件成立,需要執行 ) 匹配,也就是匹配右括號。
(\()?abc(?(1)\))
結果
1、(abc)
2、abc
3、(abc
前後查找條件
條件爲定義的首尾是否匹配,如果匹配,則繼續執行後面的匹配。注意,首尾不包含在匹配的內容中。
正則表達式
?(?=-) 爲前向查找條件,只有在以 - 爲前向查找的結尾能匹配 \d{5} ,才繼續匹配 -\d{4} 。
\d{5}(?(?=-)-\d{4})
結果
1、11111
2、22222-
3、33333-4444