正則表達(dá)式(Regular Expression)，又稱正規(guī)表示法、常規(guī)表示法，在實(shí)際的軟件開發(fā)項(xiàng)目中經(jīng)常會(huì)被使用到。它使用單個(gè)字符串來(lái)描述、匹配并獲取一系列符合某個(gè)句法規(guī)則的結(jié)果。

正則表達(dá)式起源

1956年，數(shù)學(xué)家Stephen Kleene在Warren McCulloch和Walter Pitts早期神經(jīng)系統(tǒng)工作的基礎(chǔ)上，設(shè)計(jì)出了一個(gè)數(shù)學(xué)符號(hào)體系——regular sets(規(guī)則的集合)，這個(gè)東西很快被計(jì)算機(jī)科學(xué)家用于編譯器的掃描或詞法分析。由于正則表達(dá)式強(qiáng)大的文本處理能力，很快被應(yīng)用到Unix的工具軟件grep中;此后，正則表達(dá)式被廣泛應(yīng)用于Unix系操作系統(tǒng)、Perl、PHP，Delphi、JAVAScript、C#(.NET)、JAVA、python、Ruby等語(yǔ)言和開發(fā)環(huán)境中。

正則表達(dá)式定義

正則表達(dá)式是用來(lái)描述字符串特定結(jié)構(gòu)(規(guī)則)的語(yǔ)言，由相關(guān)引擎執(zhí)行。正則表達(dá)式形象化的描述如圖1所示。

圖1 正則表達(dá)式形象化的描述

正則表達(dá)式作用

1.數(shù)據(jù)驗(yàn)證

測(cè)試輸入的字符串，是否符合一定的規(guī)則，是否允許輸入等。例如，可對(duì)Email地址合法性、網(wǎng)址、電話號(hào)碼、出生年月等進(jìn)行驗(yàn)證。

2.操作文本

用來(lái)識(shí)別文檔中的特定文本、完全刪除該文本或者用其它文本或字符替換。

3.提取子字符串

基于模式匹配，可以查找文檔內(nèi)或輸入域內(nèi)特定的文本，在涉及替換操作時(shí)往往都需要先提取。

正則表達(dá)式基本語(yǔ)法

1.直接量字符(通常是不可見的字符及匹配自身的字符)

2.字符類(可以匹配多種字符)

3.重復(fù)

4.選擇、分組和錨字符

5. 標(biāo)志(標(biāo)示引擎的工作模式)

說(shuō)明：

在正則表達(dá)式前用“(?i)”標(biāo)示，例如：(?i)^root$，則root、Root、ROOT都符合要求。

6.其它

1) 匹配元字符“( [ { \ ^ $ | ) ? * + .”，需要用“\”轉(zhuǎn)義。

例如：匹配“.”，正則表達(dá)式為“\.”。

2) 貪婪量詞與惰性量詞

惰性量詞僅僅在貪婪量詞后面加個(gè)“?”。

用貪婪量詞進(jìn)行匹配時(shí)，它首先會(huì)將整個(gè)字符串當(dāng)成一個(gè)匹配，如果匹配成功就退出，如果不匹配，就截去最后一個(gè)字符進(jìn)行匹配;如果不匹配，繼續(xù)將最后一個(gè)字符截去進(jìn)行匹配，直到有字符匹配為止。

用惰性量詞進(jìn)行匹配時(shí)，它首先將第一個(gè)字符當(dāng)成一個(gè)匹配，如果成功則退出;如果失敗，則測(cè)試前兩個(gè)字符，依次增加，直到遇到合適的匹配為止 。

例如：“\d+”是貪婪量詞，而“\d+?”是非貪婪(惰性)量詞。

3) 子匹配

內(nèi)部的分組匹配，用“()”標(biāo)示一個(gè)分組。

子匹配的每個(gè)分組都被放在一個(gè)特殊的地方以備將來(lái)使用，這些被存儲(chǔ)的值是分組中的特殊值，稱之為反向引用。

例如：驗(yàn)證輸入的是日期，再提取到月份，其正則表達(dá)式為“^\d{4}\-(\d{2})\-\d{2}$”。

4) 正向前瞻和負(fù)向前瞻

正向前瞻：(?<=字符)或(?=字符)

注意：一定要有等于才行。

負(fù)向前瞻：(?<!字符)或(?!字符)

注意：一定要有不等于才行。

也就是說(shuō)，我們可以自己制定匹配的邊界在哪里，這在字符串提取時(shí)常用。

示例：

例1，我們?nèi)?ldquo;#”之前的字符，但是不包括“#”，其正則表達(dá)式：[\w]+(?=#)

例2，我們?nèi)〔辉?ldquo;#”之前的字符，但是不包括“#”，其正則表達(dá)式： [\w]+(?!#)

例3，我們?nèi)?ldquo;<>”之間的字符，但是不包括“<>”，其正則表達(dá)式： (?<=<)[\w]+(?=>)

正則表達(dá)式常見用法

1.數(shù)字

1)正整數(shù)： ^[1-9][0-9]*$

2)非正整數(shù)： ^((-[1-9][0-9]*)|(0))$

3)負(fù)整數(shù)：^-[1-9][0-9]*$

4)整數(shù)： ^(0|-?[1-9][0-9]*)$

5)非負(fù)浮點(diǎn)數(shù)：^\d+(\.\d+)?$

2.字母

1)英文字符串：^[A-Za-z]+$

2)英文大寫串：^[A-Z]+$

3)英文小寫串：^[a-z]+$

4)英文字符數(shù)字串：^[A-Za-z0-9]+$

5)英文數(shù)字加下劃線串：^\w+$

3.其它

1.E-mail地址：^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$

2.URL：^http:\/\/[A-Za-z0-9]+\.[A-Za-z0-9]+[\/=\?%\-&_~`@[\]\':+!]*([^<>\"\"])*$

3.郵政編碼：^[1-9]\d{5}$

4.中文：^[\u4e00-\u9fA5]+$

5.電話號(hào)碼：^((\d2,3)|(\d{3}\-))?(0\d2,3|0\d{2,3}-)?[1-9]\d{6,7}(\-\d{1,4})?$

6.手機(jī)號(hào)碼：^1\d{10}$

7.首尾空格：(^\s+)|(\s+$)

8.身份證：^(\d{15}|\d{18})$ (注：中國(guó)的身份證為15位或18位)

9.賬號(hào)：^[a-zA-Z]\w{4,15}$ (注：字母開頭，允許5-16字節(jié)，允許字母數(shù)字下劃線)

10.IP：^([1-9]\d{0,1}|1\d{2}|2[0-4]\d|25[0-5])(\.([1-9]\d{0,1}|1\d{2}|2[0-4]\d|25[0-5])){3}$ (IP是由大于等于0且小于等于255的數(shù)字、“.”組成的，驗(yàn)證每個(gè)數(shù)字分項(xiàng)再和“.”拼接就可以了)

總結(jié)

正則表達(dá)式的功能非常的強(qiáng)大，大家在實(shí)際使用到的時(shí)候才能夠感覺得到。當(dāng)然，要想同時(shí)記住這么多的正則表達(dá)式的規(guī)則，也不是簡(jiǎn)單的事情。大家可以將常見的正則表達(dá)式記錄下來(lái)(就像本文一樣)，待需要用到的時(shí)候可以拿出來(lái)參考。

【本文是51CTO專欄作者周兆熊的原創(chuàng)作品，轉(zhuǎn)載請(qǐng)通過(guò)51CTO獲取作者授權(quán)】