2. 程式人生 > >正則（轉）

正則（轉）

阿新 • • 發佈：2018-11-03

正則對於新人來說是一個頭疼的名字，讓人聞而生畏。但是，在我看來，正則，並沒有那麼神祕，希望能通過這篇正則表示式入門教程解除正則新人對於正則的畏懼感。

接觸正則應該有三年不止了吧，我也不知道自己怎麼就走過了畏懼正則的時期，而且在一個小圈子裡面還成了正則強人。

今天就基於我對正則的理解，簡單描述一下我眼裡的正則，希望這篇正則表示式入門教程能夠解除正則新人對於正則的畏懼感。

 

 

先概括一下，正則三段論：

 

定錨點，去噪點，取資料

 

一、入門：正則字元

關於正則字元，很多文章都會講到，足足有一篇文章才能描述清楚，我這裡就不多說，對於我，平時，常用的有：

 

1. . 匹配不包括換行的任意字元

在php的s修飾符（單行模式）下面可以匹配換行，如$pattern='#<div>(.*?)</div>#s';就可以匹配div內容有換行的資料。

如果需要匹配包括換行的任意字元，可以使用[\s\S]代替.

 

2. \s 空格、tab、換行

[\s\S]表示匹配任意字元，\S是\s的反義。
注意區分[\s\S]與.的區別。
 

3. * 匹配零個或更多個，即0~n

 

4. + 匹配一個或更多個，即至少一個，1~n

 

5. \ 轉義

一個特殊字元前加\就表示轉義，說明把它當普通字元用

 

6. [] 單字元取一個，比如[abc]會匹配a或b或c

但是，如果[]裡面加上^則會變成排除這個字元，如[^abc]就表示不是a、不是b、也不是c 
另外，在[]裡面可以使用-表示一個範圍，如[0-9]表示從0到9，類似的還有[a-zA-Z]，如果要包含-字元，可以給它加上轉義[\-]。 
關於[]常見的錯誤用法是：[ab|bc]用來表示ab或bc，實際上，它得到的結果是[abc|]，即a或b或c或|這4個字元（單字元）的任意一個。這裡可以改成(ab|bc)。 
總結：[]裡面的特殊符有五個：[]-\^，其他字元都是普通字元，包括*.?等。 
說明： 
* ^在[^ 的首位時候才有特殊意義 
* [0-9 -在不是首尾的時候有特殊意義 
* \[ \] 因為佔用[] 本身字元，所以有特殊意義 
* \本身是轉義符，有特殊意義

 

7. ^ 字串開始

這裡的^跟[]裡面用的^是同一個字元，但是卻不是一個意思，這裡它表示整個字串的開始，比如^www表示以www開頭的字串，注意區分，不在[]裡面的是開始符，在裡面的排除

 

8. $ 字串結束

 

9. {1,3} 迴圈次數

[0-9]{1,3}表示在0-9的範圍裡面迴圈1個、2個或者3個，可能結果有5、20、415等。 
如果迴圈指定次數，如3次，則{3,3}可以簡寫成{3}。 
如果剛好需要匹配字元{1}，則正則需要給{進行轉義，得到\{1}的正則。 
如果{}中間不是數字，則{}本身不需要轉義。

 

10. ? 有兩個用法

 

（1） 匹配一個或零個

比如https?匹配的https（一個s）或者http（零個s）

 

（2）非貪婪模式

所謂非貪婪模式，就是匹配儘可能少的內容，比如，對於源字串

 
  1. <div>a</div><div>b</div>

使用<div>(.*?)</div>會得到2個結果（注意：如果源字串有換行，使用[\s\S]替換 . ）：

 
  1. <div>a</div>

和

 
  1. <div>b</div>

因為，當遇到第一個</div>，非貪婪模式就不會再往後找了。 
而使用<div>(.*)</div>（貪婪模式）則會得到整個字串

 
  1. <div>a</div><div>b</div>

，因為它會匹配所有字元直到後面再找不到</div>。

更多關於?的使用，可以參考《正則表示式匹配次數》

 

11. | 多個數據選一（常用於多字元）

前面提到[]裡面的字元有選一個字元功能，但是假如不是一個字元，比如：http|ftp|svn 就需要用|分開，|的作用域是一直往後直到遇到括號，比如，對於源字串

 
  1. http abc
  2. ftp abc
  3. svn abc

http|ftp|svn abc匹配的結果是：

 
  1. http

和

 
  1. ftp

和

 
  1. svn abc

想要匹配 http abc和ftp abc和svn abc就要使用括號把前邊的協議括起來，如(http|ftp|svn) abc 可以得到預期的結果。

 

12. () 資料分界和取資料

上面例子(http|ftp|svn) abc就是資料分界的例子，然後，匹配結果會得到一個[1]的子集資料（陣列下標1），這裡就是子模式的概念，子模式也叫分組，利用子模式，可以得到想要取出來的資料。子模式1、2、3的計算方法為左括號的計數，從左到右，從1開始，比如： 
(http|ftp|svn)://([^/]+)，分組1得到的是(http|ftp|svn)裡面的資料，分組2得到([^/]+)裡面的資料，對於巢狀括號也是點左括號即可。在正則中有很多與括號結合的寫法，你在數左括號的時候，一定要注意，非捕獲組和環視的左括號都是不需要數的。 
在使用子模式過程中，常見兩種寫法是：\1 和 $1。 
（1） \1 是在正則表示式本身中引用分組1的內容，如： 
我們要匹配111這樣的連續出現3此的數字，我們可以寫出正則：(\d)\1\1，(\d)匹配到第一個1，後面再引用這個匹配內容，得到111。 
（2） $1 是在替換中呼叫分組的內容，如： 
我們要替換連結引數name=Zjmainstay為username=Zjmainstay，我們可以使用正則name=([^&]+)替換為username=$1來實現，這裡的$1就引用了分組1的結果Zjmainstay，因此得到我們想要的結果。

 

13. (?:) 非捕獲組

上面說到()作為子模式可以得到它裡面的資料，但是，有些時候，()只是作為資料分界功能，並不需要取出來，這時候就要用到非捕獲組的概念了。比如：(http|ftp|svn)://([^/]+)只想得到域名，也就是[2]，那麼(http|ftp|svn)就只是資料分界的功能，這裡不需要捕獲，因此使用非捕獲組功能，(?:http|ftp|svn)遮蔽這部分的資料獲取，此時，(?:這個左括號排除[1]計數，也就是(?:http|ftp|svn)://([^/]+)中的([^/]+)變成[1]了。

 

14. 分隔符

在一些語言中，你會發現正則第一個和最後一個字元是相同的，如： 
/\d+/ 
這個/ /在PHP中稱為分隔符，正則表示式需要由分隔符閉合包裹。在PHP中，分隔符可以使任意非字母數字、非反斜線、非空白字元。這個概念很關鍵，它能幫助我們簡化一些正則的書寫，避免錯誤，如： 
/<div>.*?</div>/ 
這個正則是錯誤的。 
原因是</div>的/與分隔符相同，但是卻沒有做轉義。 
如下程式：

 
  1. preg_match('/<div>.*?</div>/', '<div>abc</div>', $match);

PHP中會收到錯誤提示：Warning: preg_match(): Unknown modifier 'd' in regexTest.php on line 2 
對於這種情況，有兩種解決方案： 
（1）/<div>.*?<\/div>/ 
（2）#<div>.*?</div># 
方案（1）是對正則內部的分隔符做轉義，方案（2）是規避了本來的/分隔符，使用#作為分隔符，從而避免/需要轉義。 
雖然很多情況下，都是看到前後一致的分隔符，但是，大家需要了解一下，[<div>.*?</div>]這個表示式在PHP裡也是合法的。（不提倡使用，僅瞭解！）

 

15. 模式修飾符

模式修飾符在許多程式語言中都支援的，比如最常見的是i，不區分大小寫，如javascript裡的/[a-z0-9]/i，表示匹配字母數字，不區分大小寫。

本人在寫php正則時常用的模式修飾符主要有i和s，如： 
$pattern = '#[a-z0-9]+#is';

模式修飾符s的作用主要是的.能夠匹配換行，在處理換行資料時，通常會用到。

在PHP中，模式修飾符有兩種用法，一種是上面的，在分隔符後面的模式修飾符，它的作用範圍是全域性；另一種是在正則表示式中間的。 
例如：

 
  1. 正則：/((?i)[A-Z]+)c/
  2. 測試字元：abcABC
  3. 匹配：abc
  4. 說明：區域性（ab）的大小寫被忽略了，(?i)的作用範圍在分組1內

如果把正則改成：/([A-Z]+)c/i，則匹配結果將是：abcABC 
示例地址：PHP正則表示式中間的模式修飾符 （選擇Version 1/2切換版本檢視結果區別）

關於PHP模式修飾符的講解，請檢視PHP手冊中的《PHP模式修飾符》。

關於常用字元的使用差不多到這裡，還有更多的請參考正則表示式30分鐘入門教程，這是我看過比較全面的正則入門資料。

 

二、 操作：定錨點

注：這裡的錨點區分於正則原本關於錨點的定義，此處是確定的參照文字的意思，如a標籤裡的<a

每一個正則都是有針對性的，只有這樣正則才有意義。因此，寫正則之前，先觀察你要解析的資料，找準唯一的錨點，比如，你要解析一個頁面的title標籤，得到title內容，那麼這個title就是錨點。有時候，所要取的資料確實無法定位一個唯一的錨點，那麼，你可以分解資料，先通過一個唯一錨點鎖定你的資料塊，取出來之後，再對這個資料塊取資料即可。比如，有這麼一段源字串：

 
  1. <div id="module_1">
  2. <div class="content">
  3. content 1
  4. </div>
  5. </div>
  6. <div id="module_2">
  7. <div class="content">
  8. content 2
  9. </div>
  10. </div>

你直接通過class="content"來匹配資料的話很明顯會得到兩個，那麼，你可以擴充套件它的資料域，先以id="module_1"作為錨點，獲取整個

 
  1. <div id="module_1">
  2. <div class="content">
  3. content 1
  4. </div>
  5. </div>

然後在對這個資料塊的資料處理，得到class="contents"的內容即可。 
因此，這裡用到2個正則：

（1）<div id="module_1">(.*?)</div>\s*<div id="module_2"> 
（2）<div class="content">(.*?)</div>

當然，這個正則可以改進為： 
<div id="module_1">\s*<div class="content">(.*?)</div>

注：為了更清晰檢視，前面原始碼做了換行，匹配失敗的朋友，可以修改 .*? 為 [\s\S]*? 修正正則。

 

總結：錨點，就是能唯一定位你資料的標識

 

三、 操作：去噪點

所謂去噪點，就是把無關的東西都當浮雲，用萬用字元過掉它，只關心我們想要的資料，比如： 
<meta content="text/html; charset=utf-8" http-equiv="content-type"> 
要從這裡得到字符集utf-8，我們需要怎麼做？ 
首先，定位錨點，有<meta 、charset=和utf-8後面的"，其他都是浮雲~ 
因此得到正則： 
<meta[^>]*?charset=([^"]+)" 
即可，用子模式取資料[1]就能得到utf-8

 

總結：關心的留下，不關心的都是浮雲

 

四、 操作：取資料

關於取資料，上面一大篇下來大家應該有概念了，就是利用子模式來獲取，這裡不再贅述。

 

總結：子模式計數，數左括號從1開始，排除非捕獲組的左括號

 

五、正則表示式高階教程

關於正則表示式的高階教程，請閱讀《深入正則表示式應用 - 正則表示式高階教程》

 

最後，希望大家有一個愉悅的正則之旅，你一定會愛上她的，跟我一樣。: )

轉載請附帶本文原文地址： 我眼裡的正則表示式入門教程，首發自  Zjmainstay學習筆記

相關推薦

正則（轉）

正則對於新人來說是一個頭疼的名字，讓人聞而生畏。但是，在我看來，正則，並沒有那麼神祕，希望能通過這篇正則表示式入門教程解除正則新人對於正則的畏懼感。 接觸正則應該有三年不止了吧，我也不知道自己怎麼就走過了畏懼正則的時期，而且在一個小圈子裡面還成了正則強人。 今天就基於我對正則的理解，簡單

正則（高階）（轉）

深入理解正則表示式高階教程 Featured 作者：  Zjmainstay 本文是一篇正則表示式高階教程，主要通過對正則表示式幾個概念的介紹，深入探討正則表示式高階功能，以期達到通俗化解釋正則表示式高深概念的目的。  

JS正則（3）總結

1.正則：檢索字串的一條規則 2.正則就是由元字元和修飾符構成的 3.寫在//裡面的都叫元字元，元字元分兩種 一種是有特殊意義的，一種沒有特殊意義，沒有特殊意義的就是字元本身 　　特殊意義的元字元： 　　　　（1）\  轉義字元  轉譯後面緊跟的字元的意義   \d &n

python3基礎：正則（二）

目錄 編譯正則表示式 一般步驟 re.compie  pattern物件的屬性及方法 fags屬性 groups屬性 groupindex屬性 pattern.match()方法 re.match()方法 pattern.search()方法 r

python3基礎：正則（一）

簡介 正則是一個字串規則，本身也是一個字元型，用來檢查一個串是否含有字串。可以做精確匹配，模糊匹配，進行字串替換，切割，尤其是在造資料，分析日誌時用的非常多。 python中處理正則表示式的模組是re模組，正則表示式由一些普通字元和一些元字元組成，普通字元包括大小寫字母、數字和列印符號，而元

小記 正則（一）

之前想寫個表單驗證，判斷輸入3-6個字元，寫的是regexp=/\w{3,6}/, 小於3個字元或者是\w 之外的字元時都返回false ,而大於6的字元時任然返回true， 然後regexp改為:regexp=/^\w{3,6}$/ 這樣就對了，小於3個字元為false，

29.22分鐘學會書寫正則（2）

寫在前面的一些廢話 沒有看過上一篇文章的盆友有福了！ 今天！沒錯！就是現在！我將免費！all f*cking FREE！ 免費將上篇文章的連結發出來！ 這裡是上篇 上回說了怎麼寫出正則，這次展示下在js中使用正則的場景！ 正則物件屬性 javascript的正則物

Python--每日正則（五）

import re # s="i love you not because of who you are, but because of who i am when i am with you" # # pattern = '(\w)\w*' # res = re.matc

內存管理與正則（re）模塊

模式 span 內存空間 不同的 記錄 永遠 區分 mat 掃描 內存管理 垃圾回收機制 不能被程序訪問到的數據，就稱之為垃圾 也就是失去了一個能夠訪問到值數據的名稱空間，導致在內存中無作為 引用計數：是內存管理的原理 引用計數是用來記錄值的內存地址被記錄的

python 正則表達式中反斜杠()的麻煩和陷阱 （轉）

[] 內部 ica con re模塊 .com 斜杠 字符 pat 這裏是一點小心得：由於下面兩個原因，在正則表達式中使用反斜杠就會產生了一個雙重轉換的問題。(1)、python自身處理字符串時，反斜杠是用於轉義字符 (2)、正則表達式也使用反斜杠來轉義字符

正則表達式大全（轉）

cli type this 利用 表單 密碼 email prot 電話號碼 常用正則表達式大全！（例如：匹配中文、匹配html） 匹配中文字符的正則表達式： [u4e00-u9fa5] 　　評註：匹配中文還真是個頭疼的事，有了這個表達式就好辦了 　　匹配雙字節字符(

<正則吃餃子> ：關於Java的native方法（轉）

any 所有 接口 當我 article 正是 str 直接 空間 感謝作者的分享，原文地址：http://blog.csdn.net/wike163/article/details/6635321 一. 什麽是Native Method 簡單地講，一個Native

最全的常用正則表達式（轉）

slow alc 刪除行 數字 常用正則表達式 所有 else ref 只能輸入數字 轉自：http://www.open-open.com/code/view/1430625516632 一、校驗數字的表達式 1 數字：^[0-9]*$ 2 n位的數字：^\d{

java中正則表達式基本用法（轉）

code ack acea print 表達式 劃線 跟著 以及 n) https://www.cnblogs.com/xhj123/p/6032683.html 正則表達式是一種可以用於模式匹配和替換的規範，一個正則表達式就是由普通的字符（例如字符a到z）以及特殊字符（元

js正則表達式替換空格（轉）

www. 解析 space 正則表達式 正則表達 空格 blog 結束 replace str.replace(/^\s+|\s+$/g, ‘‘) 解析：str：要替換的字符串\s : 表示 space ，空格+： 一個或多個^： 開始，^\s，以空格開始$： 結束，\s$

正則（高級）（轉）

回復 例子 字符匹配 可能 com 補充 作用範圍 mint 等於 深入理解正則表達式高級教程 Featured 作者： Zjmainstay 本文是一篇正則表達式高級教程，主要通過對正則表達式幾個概念的介紹，深入探討正則表達式高級功能，以期達到通俗化解釋正則表達式

（轉）應該是目前最詳細的（正則表示式）語音視訊講解教程

（轉）應該是目前最詳細的（正則表示式）語音視訊講解教程 優酷線上地址： http://v.youku.com/v_show/id_XMzg2ODE4MTQ5Mg==.html?x&sharefrom=android&sharekey=a9c982b1c99597d3e1b

正則表示式並不難（轉）

對於正則表示式，相信很多人都知道，但是很多人的第一感覺就是難學，因為看第一眼時，覺得完全沒有規律可尋，而且全是一堆各種各樣的特殊符號，完全不知所云。 其實只是對正則不瞭解而以，瞭解了你就會發現，原來就這樣啊正則所用的相關字元其實不多，也不難記，更不難懂，唯一難的就是組合起來之後，可讀性比較差，而

常用正則表達 （轉）

//QQ的規律 5-11位 開頭是不為0的數字var regQQ = /^[1-9]\d{4,10}$/;//手機 11位 有號段 13[0-9] 14[57] 15[0-9] 17[0-9] 18[0-9]var regMobile = /^(13[0-9]|14[57]|15[0-9]|17[0-9]|1

正則表示式 轉義字元（轉）

字元匹配語法： \d   匹配數字（0~9） ‘\d’匹配8,不匹配12； \D   匹配非數字 ‘\D’匹配c,不匹配3； \w   匹配任意單字元 ‘\w\w’ 匹配A3,不匹配@3； \W   匹配非單字元 ‘\W’匹配@,不匹配c； \s   匹配空白字元 ‘\d\