正则表达式

正则表达式就是记录文本规则的代码。只不过比起通配符，它能更精确地描述你的需求

1、元字符

常用的元字符

    代码  说明    .   匹配除换行符以外的任意字符    \w  匹配字母或数字或下划线或汉字,，等价于[a-z0-9A-Z_](如果只考虑英文的话)    \s  匹配任意的空白符    \d  匹配数字,等价于[0-9]    \b  匹配单词的开始或结束    ^   匹配字符串的开始    $  匹配字符串的结束

2、重复(限定符)
常用的限定符

    代码/语法   说明    *   重复零次或更多次,任意数量的不包含换行的字符    +   重复一次或更多次    ?   重复零次或一次    {n} 重复n次    {n,}    重复n次或更多次    {n,m}   重复n到m次

懒惰限定符

    代码/语法   说明    *?  重复任意次，但尽可能少重复    +?  重复1次或更多次，但尽可能少重复    ??  重复0次或1次，但尽可能少重复    {n,m}?  重复n到m次，但尽可能少重复    {n,}?   重复n次以上，但尽可能少重复

例子

    1、精确地查找hi这个单词       \bhi\b    2、先是单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词       \bhi\b.*\bLucy\b    3、以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字       0\d{2}-\d{8}   \d必须连续重复匹配2次(8次)    4、匹配刚好6个字符的单词      \b\w{6}\b    5、QQ号必须为5位到12位数字      \d{5,12}\d    6、匹配最长的以a开始，以b结束的字符串，称为贪婪匹配。      a.*b    7、匹配最短的，以a开始，以b结束的字符串      a.*?b   8、       \(?0\d{2}[) -]?\d{8}    解析：首先是一个转义字符\(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\d{8})。    匹配到不符合的：(012-90998908或者010)19092345    修改    \(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}  9、  [a-z]是指小写字母中的一个字符  [A-Z]是指大写字母中的一个字符  [0-9]是指数字中的一个字符  [a-zA-Z0-9_-]是指大小写字母、数字、下划线、横线中的一个字符  [a-z][A-Z][0-9]是指三个字符，其中第一个是小写字母，第二个是大写字母，第三个是数字

3、字符转义
　　\ 取消元字符的特殊意义

要查找\本身，用\\要查找*本身，用\*要查找(本身，用\(

4、反义：查找不属于某个能简单定义的字符类的字符

常用的反义代码

代码/语法   说明\W  匹配任意不是字母，数字，下划线，汉字的字符\S  匹配任意不是空白符的字符\D  匹配任意非数字的字符\B  匹配不是单词开头或结束的位置[^x]    匹配除了x以外的任意字符[^aeiou]    匹配除了aeiou这几个字母以外的任意字符

例子：

 匹配用尖括号括起来的以a开头的字符串  <a[^>]+> 注意：<a+>会匹配到<aaa>like>

5、分枝条件
满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开,从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了,注意顺序

美国邮编的规则是5位数字，或者用连字号间隔的9位数字\d{5}-\d{4}|\d{5}只会匹配5位的邮编(以及9位邮编的前5位)\d{5}|\d{5}-\d{4}

6、分组
重复单个字符（直接在字符后面加上限定符就行了）；但如果想要重复多个字符又该怎么办？你可以用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了，你也可以对子表达式进行其它一些操作
默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

常用分组语法    分类      代码/语法       说明    捕获      (exp)           匹配exp,并捕获文本到自动命名的组里                (?<name>exp)    匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)                (?:exp)         匹配exp,不捕获匹配的文本，也不给此分组分配组号    零宽断言    (?=exp)         匹配exp前面的位置                (?<=exp)        匹配exp后面的位置                (?!exp)         匹配后面跟的不是exp的位置                (?<!exp)        匹配前面不是exp的位置    注释      (?#comment)     这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

简单的IP地址匹配(\d{1,3}\.){3}\d{1,3}分析：\d{1,3}匹配1到3位的数字，(\d{1,3}\.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3})。匹配到不符合的260.333.222.999使用冗长的分组描述一个正确的IP地址：255.255.255.255((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)25[0-5] 代表250~255范围2[0-4]\d  代表240~249范围[01]\d\d？ 代表0~9或10~19或100~199的范围语法(?#comment)来包含注释。例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。

7、反向引用
后向引用用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本

匹配重复的单词，像go go\b(\w+)\b\s+\1\b指定子表达式的组名。要指定一个子表达式的组名，请使用这样的语法：(?<Word>\w+)(或者把尖括号换成'也行：(?'Word'\w+))

反向引用这个分组捕获的内容，你可以使用\k

匹配重复的单词，像go go\b(?<Word>\w+)\b\s+\k<Word>\b。

8、零宽断言
用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像\b,^,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言

(?=exp) 匹配exp前面的位置(?<=exp)    匹配exp后面的位置匹配以'a'间隔的数字(再次强调，不包括'a'字符)匹配a字母前面两个数字\d+(?=\a)

9、负向零宽断言
查找不是某个字符或不在某个字符类里的字符的方法(反义)。但是如果我们只是想要确保某个字符没有出现

(?!exp) 匹配后面跟的不是exp的位置(?<!exp)    匹配前面不是exp的位置\b\w*q[^u]\w*\b匹配包含后面不是字母u的字母q的单词。但是如果多做测试(或者你思维足够敏锐，直接就观察出来了)，你会发现，如果q出现在单词的结尾的话，像Iraq,Benq，这个表达式就会出错。这是因为[^u]总要匹配一个字符，所以如果q是单词的最后一个字符的话，后面的[^u]将会匹配q后面的单词分隔符(可能是空格，或者是句号或其它的什么)，后面的\w*\b将会匹配下一个单词，于是\b\w*q[^u]\w*\b就能匹配整个Iraq fighting。负向零宽断言能解决这样的问题，因为它只匹配一个位置，并不消费任何字符。现在，我们可以这样来解决这个问题：\b\w*q(?!u)\w*\b。匹配除a字母外前面两个数字,如11b,22c等 \d{2}(?!a)

补充：

(?:exp)　非捕获组，匹配exp的内容，但不捕获到组里至于作用，一般来说是为了节省资源，提高效率比如说验证输入是否为整数，可以这样写^([1-9][0-9]*|0)$这时候我们需要用到()来限制“|”表示“或”关系的范围，但我们只是要判断规则，没必要把exp匹配的内容保存到组里，这时就可以用非捕获组了^(?:[1-9][0-9]*|0)$以上只是一个简单的例子，或许会觉得无所谓，但是如下的日期正则，如果全都用捕获组，那就是对资源的极大浪费了^(?:(?:(?:(?:(?:1[6-9]|[2-9]\d)?(?:0[48]|[2468][048]|[13579][26])|(?:(?:16|[2468][048]|[3579][26])00)))([-/.])(?:0?2\1(?:29)))|(?:(?:(?:1[6-9]|[2-9]\d)?\d{2})([-/.])(?:(?:(?:0?[13578]|1[02])\2(?:31))|(?:(?:0?[13-9]|1[0-2])\2(29|30))|(?:(?:0?[1-9])|(?:1[0-2]))\2(?:0?[1-9]|1\d|2[0-8]))))$

参考：
http://www.jb51.net/tools/zhengze.html