正则表达式入门

正则表达式: 又称正规表示法、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。

本文为好友授权转载,原地址为http://blog.csdn.net/sevenlater/article/details/50708153

1. 正则表达式介绍

1.1 概念解释

正则表达式: 又称正规表示法、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些符合某个模式的文本。

1.2 引擎

DFA
传统型NFA
POSIX NFA
详细介绍还是继续看百度百科吧 (＞﹏＜)

2. 正则表达式使用

2.1 表达式总览

总览表

2.2 常用元字符

2.2.1 内容性字符

字符	理解
.(点)	匹配任意单个字符。
\w	单词字符，大多数情况下可等同[A-Za-z0-9_],有得引擎可匹配中文，有的不可以，如果在特殊情况下需要进行测试
\d	数字，等同[0-9]
\b	单词边界，即排除\w以外的字符

\W \D \w, \d 互斥集合
\s 空白字符，等价与[\f\n\r\t\v], 互斥集合\S

2.2.2 功能性字符

字符	理解
[]	区间段，比如[A-Fa-f0-7]、[aui391]，前后字符ascii码值大小不可颠倒。
^	匹配字符开始的位置。 如果在[]里使用则表示匹配字符不再区间内，例如[^\d]标识匹配除\d以外的字符。
$	匹配字符的结束位置。
+	表示表达式出现1次或重复多次;
?	表示表达式出现0次或1次;
*	表示表达式出现任意次数
{n}	表示出现n次，
{n, m}	表示出现n到m次，
{n,}	出现大于n次
\	转义符
()	分组获取，可使用1…99(最大数百度百科上是9)获取到分组匹配的结果，具体可以看总览表。
逻辑或	表达式的顺序会影响匹配结果，会将最先匹配到的结果返回
(?=pattern)	非获取匹配，匹配单词中的一部分，该匹配部分紧邻后部分需要符合pattern表达式
(?!pattern)	非获取匹配，匹配单词中的一部分，该匹配部分紧邻后部分不符合pattern表达式
(?<=pattern)	非获取匹配，匹配单词中的一部分，该匹配部分紧邻前部分需要符合pattern表达式
(?	非获取匹配，匹配单词中的一部分，该匹配部分紧邻前部分不符合pattern表达式

2.3 使用技巧

正则表达式不支持逻辑计算。
编写正则表达式的思路：

1. 观察需要匹配的文本特点和规律。
2. 尝试性编写正则表达式，由简入深的编写。
3. 反复测试正则表达式和完善表达式。

单词匹配
单词列表

house 
write 
first 
so 
these 
her 
long 
picture 
point 
animal 
again 
us 
try

查找长度5，第二个字符是o的单词

.o…
(这样匹配的时候会匹配上部分文本，以下有解决方法)

第二位是o或i的单词

.[oi]…
该表达式会匹配picture、animal的部分，解决这个问题可以在表达式两边加上\b, 结果
\b.[oi]…\b

子表达式和重复匹配

子表达式是表示一个复杂匹配的单元，使用()括起来的一组复杂的正则表达式。

这里写一个正则来匹配正确的IP地址作为。

((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.)((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.)((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.)(25[0-5]|1\d\d|2[0-4]\d|[12]\d|\d)等价于 
((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])\.){3}(25[0-5]|1\d\d|2[0-4]\d|[12]\d|\d)

以上(\d|[12]\d|1\d\d|2[0-4]\d|25[0-5])和((\d|[12]\d|1\d\d|2[0-4]\d|25[0-5]).)是子表达式。

回溯引用

回溯引用需要将要匹配的表达式分组。以下给出两个示例。
匹配Html的中的h标签的文本段落

<h1>h1段落</h1>
<h1>h1段落</H1>
<h2>h21段落</h1>
<h2>h2段落</h2>

正确匹配的正则表达式<([Hh][1-6])>.*</\1> 其中\1就是回溯的([Hh][1-6])表达式。

查找文本中的相邻重复单词
文本

This is a block of of text, serveral words 
here are are repeated, and and they should not be.

表达式[ ](\w+)[ ]+\1，会 将以上文本中的of of 、 are are和and and查找出来。

回溯替换，以下使用js代码作为示例了

var str = '2016-02-16';
var reg = /(\d{4})-(\d{2})-(\d{2})/;
var ret = str.replace(reg, "$1-$3-$2");
console.log(ret);

贪婪匹配和非贪婪匹配

贪婪匹配，尽可能多的匹配文本，正则表达式默认启用的就是贪婪模式， +和都是贪婪匹配的字符；而非贪婪匹配，则是尽可能少的匹配文本，启用非贪婪模式则使用*?。

文本aaaaa
使用a+（贪婪模式）则会匹配整段文本
而使用a+?只则匹配文本中的单个a字符;

html <div>第一段文本html内容</div><div>第二段html内容</div> 
<div>.*</div>表达式会匹配整段代码，即贪婪模式。 
<div>.*?</div>表达式只会匹配 <div>第一段文本html内容</div>，即非贪婪模式。

3常用正则表达式

规则	正则表达式语法
一个或多个汉字	^[\u0391-\uFFE5]+$
邮政编码	^[1-9]\d{5}$
QQ号码	^[1-9]\d{4,10}$
邮箱	^[a-zA-Z_]{1,}[0-9]{0,}@(([a-zA-z0-9]-*){1,}\.){1,3}[a-zA-z\-]{1,}$
用户名 （字母开头 + 数字/字母/下划线）	^[A-Za-z][A-Za-z1-9_-]+$
手机号码	^1[3|4|5|8][0-9]\d{8}$ URL ^((http|https)://)?([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
18位身份证号	^(\d{6})(18|19|20)?(\d{2})([01]\d)([0123]\d)(\d{3})(\d|X|x)?$