文章概览

一、正则表达式介绍

正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

不用过多介绍，大家对正则表达式应该不太陌生。即使没有用过，也一定听说过。

我们先看几个常见的正则表达式：

匹配 IP 地址
((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
匹配电子邮箱
([a-z0-9_.-]+)@([\da-z.-]+).([a-z.]{2,6})

对于正则表达式，第一映像是一串神秘的字符串。如果不是真正了解其规则，看到这字符串，定然是摸不着头脑。

不过说实话，了解其规则以后，看到这数字，也有点头疼。毕竟正则这个东西，写时爽歪歪，看时如天书。

话虽这样说，正则表达式说白了，也就是一连串的规则而已，只要了解了规则，一点一点总能看懂。所以不要有畏难情绪。

我们从最简单的例子开始，一点一点添加规则，争取让大家在学会正则表达式的过程中感觉不到丝毫痛苦。

（这里有一个网站，http://tool.oschina.net/regex/#，可以在线测试正则表达式的正确性，读者朋友们可以在这上面进行测试，方便学习，我们后面的例子讲解，也用这个工具）。

二、几个常用规则

前面看了那么复杂的例子，我们这里回归本源，从一个简单的例子开始看。

2.1 完全匹配

正则表达式是用来匹配文本的，现在假设我们要匹配 “abcdefg” 这一字符串中的 “abc” 三个字母，我们该怎么写呢？

abc

对，不要怀疑，就是这么简单。

如果想匹配 “def”，那么就是

def

是不是很简单呢？是不是小脑瓜中又透露出一丝疑惑？

如果正则表达式的匹配内容很简单，也很明确，可以进行完全匹配，写出来的结果就是这样的。

2.2 符号 |

那我们再继续往后看。

还是 “abcdefg” 字符串，我们想匹配其中的 “ab” 和 “ef” 两个子串，怎么写呢？按照上面的写法，就是写两个正则 “ab” 和 “ef” 来匹配。这样可以，不过略显麻烦。我们写法如下：

ab|ef

这里我们新加了 "|" 这个字符，表示或，即匹配 ab 或者 ef，是不是就方便了许多。

再继续看，这次我们需要改变一下待匹配的字符串。

我们在 “acabcdefgh acbbcdefgh accbcdefgh” 字符串中，要匹配 “abcdef”，“bbcdef”，“cbcdef” 三个子串。

读者朋友们一看，这题非常简单，用上面的方法，正则表达式如下：

abcdef|bbcdef|cbcdef

写法正确，不过略显繁琐。我们的写法如下：

(a|b|c)bcdef

是不是有些理解 “|” 的使用了呢。那我们要匹配 “acabcdef”，“acbbcdef”，“accbcdef” 这三个子串怎么写呢？

ac(a|b|c)bcdef

这下子理解 “|” 的使用了吧。而且我们现在的的写法，是不是长得有些 ”像“ 正则表达式了呢？

2.3 符号 []

我们继续。

上面的例子，我们如果不用 "|"，可以实现么？

答案是可以的，写法如下：

ac[abc]bcdef

是不是看着比上面更清爽一点呢？

我们这里引入了一个新的字符 "[]"。这对中括号是字符集的意思，里面包含的字符，都是或（"|"）的关系。

我们还可以这样写：

ac[a-c]bcdef

“[a-c]” 表示的是匹配 a-c 之间的任意字符。

这里对 “[]” 稍微多说一些，[] 除了可以放字符集合以及字符范围以外，还可以做取反操作。

比如 “[^a-c]” 表示的是匹配 a-c 范围以外其他的字符。"[^0-8]" 表示的是匹配 0-8 范围以外的其他字符。

到了这里，我们已经可以写一些简单的匹配规则了。

2.4 限制符号 * + ? {}

我们继续往下看。

我们现在想匹配类似 “fooooooooooooooooof” 这样子的字符串，中间的 “o” 个数我们不能确定，上面讲到的规则就有点无能为力了。

那我们该怎么写呢？

fo*f

这里的"*" 表示匹配前面的子表达式零次或多次。

那么有些读者朋友会问了，如果想匹配至少有一个 “o” 该怎么写呢？

fo+f

这里的"+" 表示匹配前面的子表达式一次或多次。

那么读者朋友又问了，如果想匹配 0 个或者者 1 个该怎么写呢？

fo?f

这里的 "?" 表示匹配前面的子表达式零次或一次。

那么有些读者朋友又会问了，如果想匹配确定次数的 “o” 该怎么写呢？

我们可以这样写：

fo{2}f

上面的规则，会匹配 foof，即匹配 2 个 “o”。

所以，"{n}" 表示匹配前面子表达式 n 次。

那读者朋友们再次发问，如果想匹配至少 n 个 “o” 该怎么写呢？

fo{2,}f

"{n,}" 表示匹配前面子表达式至少 n 次。

那读者朋友们这次不发问了，会举一反三了，那如果想匹配最少 n 个，最多 m 个呢？

fo{2,5}f

"{n,m}" 表示匹配前面子表达式至少 n 次，至多 m 次。

所以 “*” 等价于 “{0,}”，"+" 等价于 “{1,}”，"?" 等价于 “{0,1}”。

到这里，我们能写的匹配规则更多了，而且可以说大部分匹配运用上面的规则都可以实现了。

大家可以回头看看文章开头贴的几段正则表达式，看看是否能看懂了。

当然除此之外，正则里的规则其实还是不少的，除了上面几个，我们再看几个比较常用的。

2.5 几个转义字符

在正则表达式里，也有一些转义字符，表示一些特殊的含义。

"\d" 表示匹配数字字符，等价于 “[0-9]”。
"\D" 表示匹配非数字字符，等价于 “[^0-9]”。
"\n" 表示匹配换行符。
"\s" 表示匹配任何空白字符，等价于 “[\f\n\r\t\v]”。
"\S" 表示匹配任何非空白字符，等价于 “[^\f\n\r\t\v]”。

2.6 符号 .

符号"." 会匹配 “\n” 以外的所有字符，也是比较常用的。

2.7 符号 ?

到目前为止，我们已经学习了大部分常用的正则表达式规则，日常开发基本已经够用了。

不过使用正则表达式时，限制字符"* + ? {}" 默认的匹配规则是贪婪的。什么意思呢？

比如说有一个字符串 “abbbbb”，我们使用正则表达式 “ab+” 去匹配，匹配的结果是 “abbbbbbb”，会尽可能多的去匹配满足的字符。

我们如果想尽可能少的匹配满足的字符，那么就在限定符后面加 “?”。

“ab+?” 匹配的结果就是 ab。

"?" 符号的非贪婪匹配，在某些情况下也是很有用的。

2.8 符号 ()

最后我们再来看一个符号 “()”，小括号的含义是分组，可以理解为被小括号包含的子表达式就是一个分组，在前面介绍 “|” 的时候我们使用过。

不过分组也分很多类型。

"(pattern)"小括号单纯的包含了子表达式，表示此分组可以被捕获。捕获的意思就是此分组的内容会被保存下来，后续可以从匹配的集合中获取到。

"(?:pattern)" 小括号中增加了 ?: 前缀，表示此分组不可以被捕获。后续匹配的集合中就不会包含此分组信息。

这样说下来，不太好理解。这里需要结合具体开发语言的实现来说。先留个悬念，后面会讲到。

"(?=pattern)" 小括号中增加了 ?= 前缀，表示的是匹配此分组，但是此分组里的内容不需要被获取。

"(?!pattern)" 小括号中增加了 ?! 前缀，表示的是匹配此分组之外的内容，但是此分组里的内容不需要被获取。

举个栗子：

正则表达式 “Windows(?=95|98|NT|2000)” 可以匹配字符串 “Windows2000” 中的 “Windows”，但是不能匹配 “Windows3.1” 中的 Windowds。

正则表达式 “Windows(?!95|98|NT|2000)” 可以匹配字符串 “Windows3.1” 中的 “Windows”，但是不能匹配 “Windows2000” 中的 Windowds。

以上就是正则表达式里一些常见的规则解析。

2.9 看看文章开头的例子

我们在文章开头放了两个例子，这里来分析一下。

匹配 IP 地址的正则表达式：

"((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)"

我们分段来看。

先看第一段"(2[0-4]\d|25[0-5]|[01]?\d\d?).)"，这里用 “|” 分割了三种匹配情况。

第一种是"2[0-4]\d"，即三位数字，第一位是 2，第二位是 0 - 4 之间，第三位是任意数字。

第二种是 "25[0-5]"，三位数字，第一位是 2，第二位是 5，第三位是 0 - 5 之间。

第三种是"[01]?\d\d?"，第一位是 0 或者 1，匹配零次或一次，第二位和第三位是任意数字，第三位数字匹配零次或一次，也就是一位数，两位数，三位数都可能满足这种情况。

第一段末尾是"."作为分隔符。

再来看第二段 "{3}"，这个表示前面的子表达式重复三次，也就是 IP 地址的前三个字节。

再看第三段 “(2[0-4]\d|25[0-5]|[01]?\d\d?)”，和第一段是一样的。

匹配电子邮箱：

"([a-z0-9_.-]+)@([\da-z.-]+).([a-z.]{2,6})"

也是分段来看。

第一段 "([a-z0-9_.-]+)"，表示匹配 a-z 范围内的字母，0-9 范围的数字，以及 “_”，"."，"-" 三个字符，"+" 表示至少有一个字符。

第二段 "@" 表示匹配 “@” 字符。

第三段 "([\da-z.-]+)"，"\d" 表示匹配任意数字，a-z 范围的字母，"."，"-" 两个字符，"+" 至少有一个字符。

第四段"."表示匹配 “.” 字符。

第五段 "([a-z.]{2,6})"，表示匹配 a-z 范围的字母，"." 字符，"{2,6}" 表示至少 2 个字符，至多 6 个字符。

经过上面的讲解，大家应该对正则表达式有了进一步的了解。

三、在代码中如何使用

在了解了正则表达式的规则以后，我们看一下在实际代码中是如何使用的。这里以 Java 代码作为示例。

在 Java 中，关于正则表达式的主要有两个类，Pattern 和 Matcher。
我们看一下具体如何使用。

package com.zy.java;import java.util.regex.Matcher;
import java.util.regex.Pattern;public class ReTest {public static void main(String[] args) {String str = "grilboy1girlboy2boy3girl";String pattern = "boy([0-9])";// 创建 Pattern 对象Pattern r = Pattern.compile(pattern);// 创建 matcher 对象Matcher m = r.matcher(str);while (m.find()) {System.out.println("match boy: " + m.group(0));System.out.println("match boy number: " + m.group(1));}String phoneNumber = "18888888888";String phonePattern = "^[1](([3][0-9])|([4][5-9])|([5][0-3,5-9])|([6][5,6])|([7][0-8])|([8][0-9])|([9][1,8,9]))[0-9]{8}$";r = Pattern.compile(phonePattern);m = r.matcher(phoneNumber);System.out.println("is phone number: " + m.matches());r = Pattern.compile(pattern);String[] res = r.split(str);for (String s : res) {System.out.println("split res: " + s);}}
}

上面代码运行的结果如下：

match boy: boy1
match boy number: 1
match boy: boy2
match boy number: 2
match boy: boy3
match boynumber: 3
is phone number: true
split res: gril
split res: girl
split res:
split res: girl

在 Java 中使用正则表达式分三步走：

1.写好正则表达式
2.Pattern.compile 生成 Pattern 对象
3.调用 Pattern 相关的正则操作

Pattern 类中有几个方法会比较常用：

Pattern#matcher 生成 Matcher，可以对正则表达式进行匹配，以及获取匹配的内容。
Pattern#split 根据正则表达式内容划分字符串。

Matcher 类中也有几个方法比较常用：

Matcher#find 寻找下一个满足规则的子串，通常用在查找子串中。
Matcher#matches 用来判断整个字符串是否满足匹配规则，常用的类似匹配电话号码，邮箱等等。
Matcher#group 就是获取我们在上面讲到的 “()” 小括号分组。默认 group(0) 整个串的匹配，group(1)，group(2) 等等往后顺延，就是小括号内的分组。

在我们上面的例子中的正则表达式是 “boy([0-9])”，用来获取字符串中的 boy，而括号中的分组是 boy 的编号，在生成 Matcher 以后，调用 Matcher#group(0) 获取的是整个匹配内容，Matcher#group(1) 获取的是小括号分组的内容。

通过上面例子，大家应该明白 “()” 的作用了吧。

四、规则全集
下面总结一下正则表达式的所有规则，在使用时可以查阅，引用自 https://tool.oschina.net/uploads/apidocs/jquery/regexp.html：

五分钟搞定正则表达式相关推荐

正则表达式里转义字符_五分钟搞定正则表达式，如果没搞定，再加两分钟
五分钟搞定正则表达式,如果没搞定,再加两分钟 [这是 ZY 第 18 篇原创文章] 文章概览一.正则表达式介绍正则表达式,又称规则表达式.(英语:Regular Expression,在代码中常简 ...
五分钟搞定正则表达式，如果没搞定，再加两分钟
[这是 ZY 第 18 篇原创文章] 文章概览一.正则表达式介绍正则表达式,又称规则表达式.(英语:Regular Expression,在代码中常简写为regex.regexp或RE),计算机科 ...
启程 - 《每日五分钟搞定大数据》
<每日五分钟搞定大数据>原创系列,每周不定期更新.欢迎关注公众号:大叔据想了很久,准备开始写一系列的文章,记录这些年来的所得所想,感觉内容比较多不知从哪里开始,画了个思维导图确定了大 ...
五分钟搞定5000字－外文文献翻译，…
五分钟搞定5000字-外文文献翻译工具大全 http://www.icoolen.com/node/2151 建议收藏在科研过程中阅读翻译外文文献是一个非常重要的环节,许多领域高水平的文献都是外文 ...
五分钟搞定:Centos中Kafka和Zookeeper的快速安装教程
[提前声明] 文章由作者:张耀峰结合自己生产中的使用经验整理,最终形成简单易懂的文章写作不易,转载请注明,谢谢! 代码案例地址: ?https://github.com/Mydreamandrea ...
五分钟搞定 HTTPS 配置，二哥手把手教
01.关于 FreeSSL.cn FreeSSL.cn 是一个免费提供 HTTPS 证书申请.HTTPS 证书管理和 HTTPS 证书到期提醒服务的网站,旨在推进 HTTPS 证书的普及与应用,简化证 ...
五分钟搞定VS2017+TensorRT环境搭建
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|OpenCV学堂系统与环境要求 Windows10系统 ...
HyperLPR3车牌识别-五分钟搞定: 中文车牌识别光速部署与使用
简介 HyperLPR在2023年初已经更新到了v3的版本,该版本与先前的版本一样都是用于识别中文车牌的开源图像算法项目,最新的版本的源码可从github中提取:https://github.com/ ...
吹牛的资本之Hibernate框架，五分钟搞定Hibernate...
Hibernate框架: (ps:有标记"百度网盘可看"的地方可在网盘中下载配有注释的原代码) 现在努力的敲代码,是为了以后可以选择敲不敲代码! 百度网盘:http://pan.b ...

五分钟搞定正则表达式