正则表达式,是一种小型高度专业化的语言,描述了一种字符串匹配的模式。 在任何常见的语言中,只要这种语言能处理字符串,就应该包含正则表达式。 所谓的正则表达式,就是通过一段规则表达一段文本。 下列为一个完整的元字符列表: . ^ $ * + ? { } [ ] \ | ( ) 上列字符不会和它们本身相匹配,如果想匹配自身,就需要在元字符前加/。 元字符简略介绍 * :匹配前面的子表达式零次或多次。 + :匹配前面的子表达式一次或多次。 ? :匹配前面的子表达式零次或一次。 : 匹配确定的 n 次。 : 至少匹配n 次。 : 最少匹配 n 次且最多匹配 m 次。 *、+限定符都是贪婪的,因为它们会尽可能多的匹配文字,只有在它们的后面加上一个?就可以实现非贪婪或最小匹配。 ^ : 匹配输入字符串的开始位置。 $ : 匹配输入字符串的结束位置。 不能将限定符与定位符一起使用。 [xyz] : 字符集合。匹配所包含的任意一个字符。 [^xyz] : 负值字符集合。匹配未包含的任意字符。 [a-z] : 字符范围。匹配指定范围内的任意字符。 [^a-z] : 负值字符范围。匹配任何不在指定范围内的任意字符。 x|y : 匹配 x 或 y。 (pattern) : 匹配 pattern 并获取这一匹配。 (?:pattern) : 匹配 pattern 但不获取匹配结果。 (?=pattern) : 正向肯定预查。 (?!pattern) : 正向否定预查。 圆括号会使匹配会被缓存,非捕获元(?: ?= ?!)可以消除这个效果。 \d : 匹配十进制数。 \s : 匹配空白字符。 \w : 匹配字母数字。 \b : 匹配一个单词边界。 当以上四个字母大写时,代表着取反。 简单实例 /[a-z]/ : a至z共26个字母再。 /^\s*$/ : 匹配空行。 /\d-\d/ : 验证由三位数字、一个连字符再加四位数字。 https?://.*? : 匹配http或https开头的网址。 我们可以通过正则表达式从长文本中提取出匹配模式的文本,或者判断文本是否合取某种规则。 它在表单验证(如验证手机号,邮箱等),爬虫,数据清洗等方面都有比较重要的作用,所以学习使用还是非常有必要的。 |
|