正则表达式

正则表达式到底是什么东西？

百度百科定义：

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

简单来说，正则表达式就是一种 格式，用来匹配符合这种格式的字符串

入门

学习正则表达式的最好方法是从例子开始，理解例子之后再自己对例子进行修改，实验

先看简单例子：

假设在一篇英文里查找hi，你可以使用正则表达式hi。

这几乎是最简单的正则表达式，可以精确比配：由两个字符组成，前一个是h，后一个是i。通常，搜索工具会提供忽略大小写的选项，如果选中可以匹配hi,HI,Hi,hI这四种情况中的任意一种。

不幸的是，很多单词里包含hi这两个连续的字符，比如him,history,high等等。用hi来查找的话，这里边的hi也会被找出来。如果要精确地查找hi这个单词的话，我们应该使用\bhi\b。

再看稍复杂的例子

任务： 匹配电话号码 (010)88886666，或022-22334455，或02912345678

不用正则表达式，Java代码好实现吗？

进阶

元字符

正则表达式 由一些普通字符和一些元字符（metacharacters）组成。普通字符包括大小写的字母和数字，而元字符则具有特殊的含义，下面介绍常用的元字符。

字符转义

如果想查找元字符本身，比如查找 .或\b，就出现了问题，因为这两个在正则表达式里被解释成其他含义，这时可以用\来取消这些字符的特殊意义。

例如：

aaa.com 可匹配 aaa.com

aaa\\b 可匹配 aaa\b

重复

要点： 匹配前面的子表达式

例子：

www\d+ 匹配www后面跟一个或更多数字

\d{2,8} 匹配2到8位数字

字符集合

字符集合[xyz]。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。

要想查找数字，字母，空白是很简单的，因为已经有了对应这些字符集合的元字符，但是如果想匹配没有预定义元字符的字符集合(比如a,e,i,o,u)，应该怎么办？

很简单，[aeiou] 就代表匹配其中任一字符

我们也可以轻松地指定一个字符范围：

[0-9] 代表的含意与 \d 完全一致的：一位数字

[a-z0-9A-Z_] 也完全等同于 \w （如果只考虑英文的话）

下面是一个更复杂的表达式：(?0\d{2}[) -]?\d{8}

分析：

• 首先是一个转义字符 (，他能出现0次或1次，然后是一个0，后面跟着2个数字 \d{2}

• 然后是一个字符集合 [) -]?，表示 )或- 出现0次或1次

• 最后是8个数字 \d{8}

分支条件

正则表达式中的分支条件，就指的是有几种规则：用“|”把不同的规则分开

来看下例子：

① 0\d{2}-\d{8}|0\d{3}-\d{7}: 匹配两种以连字号分隔的电话号码；一种是三位区号8位本地号（例如：010-12345678），另外一种规则则是4位区号7位本地号（例如：0315-8834524）

② \d{5}-\d{4}|\d{5}: 需要注意的是使用分支条件是一定要注意分支条件的顺序，如果改成\d{5}|\d{5}-\d{4}这个样子的话，那么只会匹配五位数字而不会匹配后面的四位数字（例如：我们利用第二个匹配12345-1234，它只会匹配12345，原因是：正则表达式是从左到右依次匹配，如果满足了某个分支的话它就不会再管其他分支了）

分组

前面已经提到怎么重复单个字符

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。

下面以IP地址的正则表达式为例：

简易版：(\d{1,3}.){3}\d{1,3}

要理解这个表达式，请按下列顺序分析它：

\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，重复3次，最后再加上一个一到三位的数字(\d{1,3})。

但是这个并不能匹配完全正确的IP地址

正确版：((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。

反义

例子：

\S+匹配不包含空白符的字符串。

<a[^>]+> 匹配用尖括号括起来的以a开头的字符串。

后向引用

待补充

零宽断言

接下来的四个用于匹配在某些内容(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) 也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。

• 比如 \b\w+(?=ing\b) 匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.时，它会匹配sing和danc。

(?<=exp) 也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。

• 比如 (?<=\bre)\w+\b 会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading。

负向零宽断言

其实就是 零宽断言的反义

零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。例如：\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字；\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词。

同理，我们可以用(?<!exp), 零宽度负回顾后发断言 来断言此位置的前面不能匹配表达式exp：(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。

贪婪与懒惰

当正则表达式中包含能接受重复的限定符时，通常是匹配尽可能多的字符

以 a.*b 为例，它将匹配最长的以a开始，以b结束的字符串。 用它来匹配字符串：aabab , 它会匹配到整个字符串。 这被称为贪婪模式

有时我们需要 懒惰匹配，也就是匹配尽可能少的字符

懒惰限定符：

上路

1. 校验密码强度

   必须是包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间。

   ^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
   

2. 检验中文

   ^[\u4e00-\u9fa5]{0,}$
   

3. 校验身份证号

   15位

   ^[1-9]\d{7}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{3}$
   

   18位：

   ^[1-9]\d{5}[1-9]\d{3}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{3}([0-9]|X)$
   

4. 由数字、26个英文字母或下划线组成的字符串

   ^\w+$
   

项目中使用：

• 字符串替换

var __scripts = document.scripts;
var __jsHostname = __scripts[__scripts.length - 1].src.replace(/^(http:|https:)?\/\//, '').replace(/\/.*/, '');

• 排查

.*<%@ *include *file(.*?)(\\.js|\\.css)(.*)

.*< *script *type(.*)src(.*)

.*< *link href([^:]*)

.*@import(.*)

.*(createElement\\((\"|')script(\"|')\\))(.*)


.*< *img* src *

JavaScript中的正则

RegExp对象

RegExp 对象表示正则表达式，它是对字符串执行模式匹配的强大工具。

创建RegExp对象

var patt=new RegExp(pattern,modifiers);

或更简单的方法

var patt=/pattern/modifiers;

• 模式描述了一个表达式模型。

• 修饰符(modifiers)描述了检索是否是全局，区分大小写等。

RegExp 修饰符

修饰符用于执行不区分大小写和全文的搜索

i- 修饰符是用来执行不区分大小写的匹配

g- 修饰符是用于执行全文的搜索

RegExp对象方法

支持正则表达式的 String 对象的方法

RegExp 对象属性