正则表达式--常用用法及lookahead、lookbehind

本文主要提供常用的正则表达式模型，着重讨论下在非匹配字符串的解决方案。

一、正则表达式语法

元字符

描述

\

将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，“\\n”匹配\n。“\n”匹配换行符。序列“\\”匹配“\”而“\(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。

^

匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。

$

匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。

*

匹配前面的子表达式任意次。例如，zo*能匹配“z”，“zo”以及“zoo”。*等价于{0,}。

+

匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。

?

匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”中的“do”。?等价于{0,1}。

{n}

n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。

{n,}

n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。

{n,m}

m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。

?

当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。

.点

匹配除“\r\n”之外的任何单个字符。要匹配包括“\r\n”在内的任何字符，请使用像“[\s\S]”的模式。

(pattern)

匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“\(”或“\)”。

(?:pattern)

匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。

(?=pattern)

正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。

(?!pattern)

正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。

(?<=pattern)

反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。

(?<!pattern)

反向否定预查，与正向否定预查类似，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。

x|y

匹配x或y。例如，“z|food”能匹配“z”或“food”或"zood"(此处请谨慎)。“(z|f)ood”则匹配“zood”或“food”。

二、常用正则表达式总结：

  1 手机号码："^1[3|4|5|8][0-9]\d{8}$"
  2 整数或者小数："^[0-9]+\.{0,1}[0-9]{0,2}$"
  3 只能输入数字："^[0-9]*$"。
  4 只能输入n位的数字："^\d{n}$"
  5 只能输入至少n位的数字："^\d{n,}$"
  6 只能输入m~n位的数字：。"^\d{m,n}$"
  7 只能输入零和非零开头的数字："^(0|[1-9][0-9]*)$"
  8 只能输入有两位小数的正实数："^[0-9]+(.[0-9]{2})?$"
  9 只能输入有1~3位小数的正实数："^[0-9]+(.[0-9]{1,3})?$"
 10 只能输入非零的正整数："^\+?[1-9][0-9]*$"
 11 只能输入非零的负整数："^\-[1-9][]0-9"*$
 12 只能输入长度为3的字符："^.{3}$"
 13 只能输入由26个英文字母组成的字符串："^[A-Za-z]+$"
 14 只能输入由26个大写英文字母组成的字符串："^[A-Z]+$"
 15 只能输入由26个小写英文字母组成的字符串："^[a-z]+$"
 16 只能输入由数字和26个英文字母组成的字符串："^[A-Za-z0-9]+$"
 17 只能输入由数字、26个英文字母或者下划线组成的字符串："^\w+$"
 18 验证用户密码："^[a-zA-Z]\w{5,17}$"正确格式为：以字母开头，长度在6~18之间，只能包含字符、数字和下划线
 19 验证是否含有^%&',;=?$\"等字符："[^%&',;=?$\x22]+"
 20 只能输入汉字："^[\u4e00-\u9fa5]{0,}$"
 21 验证Email地址："^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$"
 22 验证InternetURL："^((http|https)://)?([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$"
 23 验证电话号码："^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$"正确格式为："XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX"
 24 验证身份证号（18位数字）："^(\d{6})(18|19|20)?(\d{2})([01]\d)([0123]\d)(\d{3})(\d|X|x)?$"
 25 验证一年的12个月："^(0?[1-9]|1[0-2])$"正确格式为："01"～"09"和"1"～"12"
 26 验证一个月的31天："^((0?[1-9])|((1|2)[0-9])|30|31)$"正确格式为；"01"～"09"和"1"～"31"
 27 匹配中文字符的正则表达式： [\u4e00-\u9fa5]
 28 匹配双字节字符(包括汉字在内)：[^\x00-\xff]
 29 一个或多个汉字：^[\u0391-\uFFE5]+$
 30 用户名（字母开头 + 数字/字母/下划线）："^[A-Za-z][A-Za-z1-9_-]+$"

三、特殊构造

(?=X)X，通过零宽度的正 lookahead(?!X)X，通过零宽度的负 lookahead(?<=X)X，通过零宽度的正 lookbehind(?<!X)X，通过零宽度的负 lookbehind

有时间在复杂的正则表达式中，通常要匹配到非字符串才进行截取或者替换，尤其是需要抓去解析HTML页面的时候。

如:我需要把HTML文档的的样式中，把所有的字体大小默认修改为11px，其中14px的和undefined的不需要处理。

A,<span style="font-size:14px;color:#000000;">静态化1</span>------不需要替换

B,<div style="font-size : undefined ;color:#000000;">静态化2</span>------不需要替换

C,<div style="font-size : e1.2m ;color:#000000;">静态化3</span>------需要替换

D,<div style="font-size : 18px ;color:#000000;">静态化4</span>------需要替换

正则表达式中有前瞻（Lookahead）和后顾（Lookbehind）的概念。

如下图所示： 
 

(?=子表达式)       零宽度正预测先行断言。

StringBuffer sourceStr = new StringBuffer("Windows2000|Windows90|Windows95|2000Windows|4Windows");Pattern pattern1 = Pattern.compile("Windows(?=95|98|NT|2000).*?");Matcher matcher1 = pattern1.matcher(sourceStr.toString()); // 替换第一个符合正则的数据while (matcher1.find()) {sourceStr.replace(matcher1.start(), matcher1.end(), "replace");System.out.println(sourceStr.toString());}// out// replace2000|Windows90|Windows95|2000Windows|4Windows// replace2000|Windows90|replace95|2000Windows|4Windows

(?!子表达式)       零宽度负预测先行断言。

！表示非，就是不包含，同样是零宽度，不会被捕获。

StringBuffer sourceStr = new StringBuffer("Windows2000|Windows90|Windows95|2000Windows|4Windows");Pattern pattern1 = Pattern.compile("Windows(?!95|98|NT|2000).*?");Matcher matcher1 = pattern1.matcher(sourceStr.toString()); // 替换第一个符合正则的数据while (matcher1.find()) {sourceStr.replace(matcher1.start(), matcher1.end(), "replace");System.out.println(sourceStr.toString());}// out// Windows2000|replace90|Windows95|2000Windows|4Windows// Windows2000|replace90|Windows95|2000replace|4Windows// Windows2000|replace90|Windows95|2000replace|4replace

(?<=子表达式)    零宽度正回顾后发断言。

例:(?<=19)\d{2}\b

“1851 1999 1950 1905 2003”中的“99”、“50”和“05”

StringBuffer sourceStr = new StringBuffer("Windows2000|Windows90|Windows95|2000Windows|4Windows");Pattern pattern1 = Pattern.compile("(?<=95|98|NT|2000)Windows.*?");Matcher matcher1 = pattern1.matcher(sourceStr.toString()); // 替换第一个符合正则的数据while (matcher1.find()) {sourceStr.replace(matcher1.start(), matcher1.end(), "replace");System.out.println(sourceStr.toString());}// out// Windows2000|Windows90|Windows95|2000replace|4Windows

(?<!子表达式)     零宽度负回顾后发断言。

例:(?<!19)\d{2}\b

“1851 1999 1950 1905 2003”中的“51”和“03”

StringBuffer sourceStr = new StringBuffer("Windows2000|Windows90|Windows95|2000Windows|4Windows");Pattern pattern1 = Pattern.compile("(?<!95|98|NT|2000)Windows.*?");Matcher matcher1 = pattern1.matcher(sourceStr.toString()); // 替换第一个符合正则的数据while (matcher1.find()) {sourceStr.replace(matcher1.start(), matcher1.end(), "replace");System.out.println(sourceStr.toString());}// out// replace2000|Windows90|Windows95|2000Windows|4Windows// replace2000|replace90|Windows95|2000Windows|4Windows// replace2000|replace90|replace95|2000Windows|4Windows// replace2000|replace90|replace95|2000Windows|4replace