正则表达式及应用

什么是正则表达式?在百度百科中是这么描述的:正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。

作为一码农,几乎天天与字符串的操作打交道,如果了解正则表达式,则在开发中可以大大减少代码量或工作量。正则表达式是一个非常强大的工具,它对于字符串的处理提供非常强大的功能。比如判断一个字符串是否是合法的MAC地址,虽然可以编程提取“-”前后的字段,再分别判断,这样做就很麻烦,而且代码难以复用。但用正式表达式一句就可以搞定:”([A-Fa-f0-9]{2}-){5}[A-Fa-f0-9]{2}”。

正则表达式规则很多,要讲清楚正则的所有内容,可以写几本厚厚的书了(市面确实有很多书籍介绍正则表达式的书)。借此平台,我把开发中有碰到的一些正则表达式整理了一下,给自己留个底。

一、认识元字符

常见的元字符:”.”, “\d”, “\D”, “\s”, “\S”,”\w”, “\W”,”^”, “$”:

  • “.”:用于匹配任意一个字符
  • “\d”:用于匹配数字,它和[0-9]是等价的
  • “\D”:用于匹配非数字,和[^0-9]是等价的
  • “\s”:用于匹配空白字符,其中包括:空格,\t,\n,\x0B,\f,\r,它的用法和:[\t\n\x0B\f\r]等价
  • “\S”:用于匹配非空白字符
  • “\w”:用于匹配word字符,包括a-z的小写字符,A-Z的大写字符,下划线和数字
  • “\W”:用于匹配非word字符
  • ^表示行的开头,^\d表示必须以数字开头。
  • $表示行的结束,\d$表示必须以数字结束。

常见空白符:

  • “\s”:表示所有空白字符
  • “\t”:制表符
  • “\n”:换行符
  • “\r”:回车

二认识字符组

字符组最终只会匹配一个字符。“[]”:一对中括号,里面可以添加任何内容,比如[amiga],括号里面的内容是或者的关系,这个正则的意义是:我想匹配一个字符,这个字符可以是a,可以是m,也可以是i或g。强调:字符组内的元字符和字符组外的元字符并不一样,即使字符一样,表示的意义也未必相同。

  • [0-9]:可以匹配一个数字
  • [^0-9]:括号里面以“^”开头,是字符组的否定形式,:匹配除数字以外的其他字符,依然只会匹配一个字符
  • [amiga|xm]:竖线,表示或者,这个很容易记忆,如果想匹配amiga或者xm,那么正则为:“amiga|xm”

三、重复字符表示

在正则表达式中,要匹配变长的字符,用*表示任意个字符(包括0个),用+表示至少一个字符,用?表示0个或1个字符,用{n}表示n个字符,用{n,m}表示n-m个字符。

  • [0-9a-zA-Z_]+:可以匹配至少由一个数字、字母或者下划线组成的字符串,比如’b10’,’0_Z’,’Py3000’等
  • [0-9a-zA-Z_]?:可以匹配0或1个由一个数字、字母或者下划线组成的字符串,比如’a’,’0’,’B’等
  • [a-zA-Z_][0-9a-zA-Z_]*:可以匹配由字母或下划线开头,后接任意个由一个数字、字母或者下划线组成的字符串
  • [a-zA-Z_]{3}:可以匹配3个由字母或下划线开头,后接任意个由一个数字、字母或者下划线组成的字符串
  • [a-zA-Z_][0-9a-zA-Z_]{0, 19}:更精确地限制了变量的长度是1-20个字符(前面1个字符+后面最多19个字符)

四、常见应用

校验数字的表达式

  • 数字:^[0-9]*$
  • n位的数字:^\d{n}$
  • 至少n位的数字:^\d{n,}$
  • m-n位的数字:^\d{m,n}$
  • 零和非零开头的数字:^(0|[1-9][0-9]*)$
  • 非零开头的最多带两位小数的数字:^([1-9][0-9]*)+(.[0-9]{1,2})?$
  • 带1-2位小数的正数或负数:^(-)?\d+(.\d{1,2})?$
  • 正数、负数、和小数:^(-|+)?\d+(.\d+)?$
  • 非零的正整数:^[1-9]\d$ 或 ^([1-9][0-9]){1,3}$ 或 ^+?[1-9][0-9]*$
  • 非零的负整数:^-[1-9][]0-9″$ 或 ^-[1-9]\d$
  • 非负整数:^\d+$ 或 ^[1-9]\d*|0$
  • 非正整数:^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$

校验字符的表达式

  • 汉字:^[\u4e00-\u9fa5]{0,}$
  • 英文和数字:^[A-Za-z0-9]+$
  • 长度为3-20的所有字符:^.{3,20}$
  • 由26个英文字母组成的字符串:^[A-Za-z]+$
  • 由26个大写英文字母组成的字符串:^[A-Z]+$
  • 由26个小写英文字母组成的字符串:^[a-z]+$
  • 由数字和26个英文字母组成的字符串:^[A-Za-z0-9]+$
  • 由数字、26个英文字母或者下划线组成的字符串:^\w+$ 或 ^\w{3,20}$
  • 中文、英文、数字包括下划线:^[\u4E00-\u9FA5A-Za-z0-9_]+$
  • 中文、英文、数字但不包括下划线等符号:^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$

特殊需求表达式

  • Email地址:^\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*$
  • 域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
  • InternetURL:[a-zA-z]+://[^\s]* 或 ^http://([\w-]+.)+[\w-]+(/[\w-./?%&=]*)?$
  • 手机号码:^(1[3|7|8][0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
  • 电话号码(“XXX-XXXXXXX”、”XXXX-XXXXXXXX”、”XXX-XXXXXXX”、”XXX-XXXXXXXX”、”XXXXXXX”和”XXXXXXXX):^((\d{3,4}-)|\d{3.4}-)?\d{7,8}$
  • 国内电话号码(0511-4405222、021-87888822):\d{3}-\d{8}|\d{4}-\d{7}
  • 身份证号(15位、18位数字):^\d{15}|\d{18}$
  • 帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线):^[a-zA-Z][a-zA-Z0-9_]{4,15}$
  • 密码(以字母开头,长度在6~18之间,只能包含字母、数字和下划线):^[a-zA-Z]\w{5,17}$
  • 强密码(必须包含大小写字母和数字的组合,不能使用特殊字符,长度在8-10之间):^(?=.\d)(?=.[a-z])(?=.*[A-Z]).{8,10}$
  • 日期格式:^\d{4}-\d{1,2}-\d{1,2}
  • 一年的12个月(01~09和1~12):^(0?[1-9]|1[0-2])$
  • 一个月的31天(01~09和1~31):^((0?[1-9])|((1|2)[0-9])|30|31)$
  • 钱的输入格式有四种钱的表示形式我们可以接受:”10000.00″ 和 “10,000.00”, 和没有 “分” 的 “10000” 和 “10,000”:^[1-9][0-9]*$
  • xml文件:^([a-zA-Z]+-?)+[a-zA-Z0-9]+\.[x|X][m|M][l|L]$
  • 腾讯QQ号:[1-9][0-9]{4,} (腾讯QQ号从10000开始)
  • 中国邮政编码:[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
  • IP地址:\d+.\d+.\d+.\d+ (提取IP地址时有用)
  • IP地址:((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))

五、总结

正则表达式涉及很多,但实际上用到的并不多,了解常见的符号意思后,自己多写几次自然就明白了;在遇到需要用正则校验数据时,可以去网上找,坑踩多了就踩出经验。