六、位置匹配
有时候,我们对匹配出现的位置有要求,比如开头、结尾、单词之间等等。
表达式 | 匹配 |
---|---|
^ | 在字符串开始的地方匹配,符号本身不匹配任何字符 |
$ | 在字符串结束的地方匹配,符号本身不匹配任何字符 |
\b | 匹配一个单词边界,也就是单词和空格之间的位置,符号本身不匹配任何字符 |
\B | 匹配非单词边界,即左右两边都是\w 范围或者左右两边都不是\w 范围时的字符缝隙 |
例如表达式^aaa
在匹配xxx aaa xxx
时,匹配结果是:失败。因为^
要求在字符串开始的地方匹配。
表达式aaa$
在匹配xxx aaa xxx
时,匹配结果是:失败。因为$
要求在字符串结束的地方匹配。
表达式.\b.
在匹配@@@abc
时,匹配结果是:成功;匹配到的内容是@a
;匹配到的位置开始于2,结束于4。
表达式\bend\b
在匹配weekend,endfor,end
时,匹配结果是:成功;匹配到的内容是end
;匹配到的位置开始于15,结束于18。
七、贪婪与非贪婪模式
在重复匹配时,正则表达式默认总是尽可能多的匹配,这被称为贪婪模式。比如,针对文本dxxxdxxxd
,表达式(d)(\w+)(d)
中的\w+
将匹配第一个d
和最后一个d
之间的所有字符xxxdxxx
。可见,\w+
在匹配的时候,总是尽可能多的匹配符合它规则的字符。同理,带有?
、*
和{m,n}
的重复匹配表达式都是尽可能地多匹配。
但是有时候,这种模式不是我们想要的结果,比如最常见的HTML标签匹配。假设有如下的字符串:
<table> <tr> <td>苹果</td> <td>桃子</td> <td>香蕉</td> </tr></table>
我们的意图是获取每个<td></td>
标签中的元素内容,那么如果你将正则表达式写成<td>(.*)</td>
的话,你得到的是<td>苹果</td><td>桃子</td><td>香蕉</td>
这么个东西,而不是“苹果”、“桃子”、“香蕉”。
那么怎么办呢?使用非贪婪模式!
在修饰匹配次数的特殊符号后再加上一个?
问号,则可以使匹配次数不定的表达式尽可能少的匹配,使可匹配可不匹配的表达式,尽可能的"不匹配"。如果少匹配就会导致整个表达式匹配失败的时候,与贪婪模式类似,非贪婪模式会最小限度的再多匹配一些,以使整个表达式匹配成功。
表达式<td>(.*?)</td>
匹配上面的字符串时,将只得到<td>苹果</td>
,再次匹配下一个时,可以得到<td>桃子</td>
,以此类推。
针对文本"dxxxdxxxd"举例:
表达式(d)(\w+?)
中的\w+?
将尽可能少的匹配第一个d
之后的字符,结果是只匹配了一个"x",整体只匹配了dx
。
表达式(d)(\w+?)(d)
为了让整个表达式匹配成功,\w+?
不得不匹配xxx
才可以让后边的d
匹配,从而使整个表达式匹配成功。因此,结果是\w+?
匹配了xxx
,整体匹配了dxxx
。
八、反向引用
表达式在匹配时,表达式引擎会将小括号()
包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候,小括号包含的表达式所匹配到的字符串可以单独获取。这是一个非常有用也非常重要的特性。在实际应用场合中,当用某种边界来查找,而所要获取的内容又不包含边界时,必须使用小括号来指定所要的范围。比如前面的 <td>(.*?)</td>"
。
其实,"小括号包含的表达式所匹配到的字符串"不仅是在匹配结束后才可以使用,在匹配过程中也可以使用。表达式后边的部分,可以引用前面"括号内的子匹配已经匹配到的字符串"。引用方法是\
加上一个数字。\1
引用第1对括号内匹配到的字符串,\2
引用第2对括号内匹配到的字符串……以此类推,如果一对括号内包含另一对括号,则外层的括号先排序号。换句话说,哪一对的左括号"("在前,那这一对就先排序号。举例如下:
表达式('|")(.*?)(\1)
在匹配'Hello', "World"
时,匹配结果是:成功;匹配到的内容是'Hello'
。再次匹配下一个时,可以匹配到 "World"
。这里的(\1)
,动态的引用了('|")
匹配到的结果。
表达式(\w)\1{4,}
在匹配aa bbbb abcdefg ccccc 111121111 999999999
时,匹配结果是:成功;匹配到的内容是ccccc
。再次匹配下一个时,将得到999999999
。这个表达式要求\w
范围的字符至少重复5次,注意与\w{5,}
之间的区别。
表达式<(\w+)\s*(\w+(=('|").*?\4)?\s*)*>.*?</\1>
在匹配<td id='td1' style="bgcolor:white"></td>
时,匹配结果是成功。如果<td>
与</td>
不配对,则会匹配失败;如果改成其他配对,也可以匹配成功。这就是常用的HTML标签匹配方法。
九、常用正则表达式
下面是网络上收集的一些常用正则表达式,请参考使用。 PS:各位在复制粘贴的时候务必要小心前后多余的空格!
校验数字的相关表达式:
功能 | 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+)?$ |
有两位小数的正实数 | ^[0-9]+(.[0-9]{2})?$ |
有1~3位小数的正实数 | ^[0-9]+(.[0-9]{1,3})?$ |
非零的正整数 | ^[1-9]\d*$ |
非零的负整数 | ^-[1-9]\d*$ |
非负整数 | ^\d+$ |
非正整数 | ^-[1-9]\d*|0$ |
非负浮点数 | ^\d+(\.\d+)?$ |
非正浮点数 | ^((-\d+(\.\d+)?)|(0+(\.0+)?))$ |
正浮点数 | ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ |
负浮点数 | ^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ |
浮点数 | ^(-?\d+)(\.\d+)?$ |
校验字符的相关表达式:
功能 | 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+$ |
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]+$ |
可以输入含有^%&’,;=?$\” 等字符 | [^%&’,;=?$\x22]+ |
禁止输入含有~ 的字符 | [^~\x22]+ |
特殊场景的表达式:
功能 | 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})+/.? |
|