正则表达式用法简介与速查

示例文本

sales1.xls, a1.txt, sales2.xls, sales3.xls, a2.xls

正则表达式

sales.

匹配结果

sales1.xls, a1.txt, sales2.xls, sales3.xls, a2.xls

解释：

匹配以“sales”开头，后跟任意一个字符的6字符组合。

示例文本

sales1.xls, a1.txt, sales2.xls, sales3.xls, a2.xls

正则表达式

sales.\.xls

匹配结果

sales1.xls, a1.txt, sales2.xls, sales3.xls, a2.xls

解释：

匹配以“sales”开头，后跟任意一个字符，再后以“.xls”结尾的10字符组合。

示例文本

a1.txt, b1.txt, c1.txt, d1.txt

正则表达式

[ac]1

匹配结果

a1.txt, b1.txt, c1.txt, d1.txt

解释：

匹配以“a”或“c”开头，后跟字符“1”的2字符组合。

示例文本

The phrase is RegEx or regex, but not regEx.

正则表达式

[Rr]eg[Ee]x

匹配结果

The phrase is RegEx or regex, but not regEx

解释：

匹配 regex，其中第1个字符r大小写皆可，第4个字符e大小写皆可。

用法：

[a-z]可匹配所有小写字母，[A-Z]可匹配所有大写字母，[0-9]可匹配所有数字。

注意：如果要匹配所有大小写字母，要写成：[A-Za-z]，而不能写成：[A-z]（因为其中会包含一些 ASCII符号）。

示例文本

a1.txt, b1.txt c2.txt, d3d.txt, ee.txt

正则表达式

[a-z][0-9].txt

匹配结果

a1.txt, b1.txt, c2.txt, d3d.txt, ee.txt

解释：

匹配：第1个字符为小写字母，第2个字符为数字，最后以“.txt”结尾。

示例文本

background-color="#A2A2A2"; color="#000000"

正则表达式

#[A-Fa-f0-9][A-Fa-f0-9][A-Fa-f0-9][A-Fa-f0-9][A-Fa-f0-9][A-Fa-f0-9]

匹配结果

background-color="#A2A2A2"; color="#000000"

解释：

对于十六进制数，每位的定义范围为0~9,A,B,C,D,E,F，在上面的正则表达式中使用[A-Fa-f0-9]， 重复6次，即可得到一个6位的十六进制数的匹配。（在后面第3小节介绍完次数匹配后，本例有更为简洁的写法。）

示例文本

a1.txt, b2.txt, C3.txt, cc.txt, dd.txt

正则表达式

[a-z][^0-9].txt

匹配结果

a1.txt, b2.txt, C3.txt, cc.txt, dd.txt

解释：

匹配：第1个字符为小写字母，第2个字符不是数字，最后以“.txt”结尾。

说明：

在Windows下，换行用 \r\n 表示；在Linux下，换行仅用一个 \n 表示。

示例文本（Windows下文本）

001, Tom,  Male
002, Tina, Female

003, Jack, Male

正则表达式

\r\n\r\n

匹配结果

001, Tom,  Male
002, Tina, Female 
                  
003, Jack, Male

解释：

匹配Windows下的2个换行，如果在Linux下，相同匹配的正则表达式可写成：\n\n

示例文本

if(testArray[2] == 10) { ... }

正则表达式

testArray\[\d\]

匹配结果

if(testArray[2] == 10) { ... }

解释：

对于数组外的方括号 “[” 和 “]”，要用转义字符，中间的 \d 匹配单个数字字符。

示例文本

ABCDEABC

正则表达式

\x41

匹配结果

ABCDEABC

解释：

\xn中的n表示ASCII字符的十六进制值，例如ASCII字符 “A” 的ASCII值写成十六进制为0x41， 则 \x41 可匹配文本中的所有 “A” 字符。

示例文本

The 1st email is to tom@initcircuit.com.
The 2nd email is to jane@cnblogs.com.
The 3rd email is to tim.brown@initcircuit.com.cn.

正则表达式

\w+@\w+.\w+

匹配结果

The 1st email is to tom@initcircuit.com.
The 2nd email is to jane@cnblogs.com.
The 3rd email is to tim.brown@initcircuit.com.cn.

解释：

\w+ 可以有效匹配一个或多个字母数字下划线，所以能匹配出前两个email地址。 但在第3个匹配时有点问题，由于 \w 不包括“.”号，所以第3个email地址的@前面和@后面都只匹配了一部分，解决方案见下条目。

示例文本

The 1st email is to tom@initcircuit.com.
The 2nd email is to jane@cnblogs.com.
The 3rd email is to tim.brown@initcircuit.com.cn.

正则表达式

\w+[\w\.]*@[\w\.]+\.\w+

匹配结果

The 1st email is to tom@initcircuit.com.
The 2nd email is to jane@cnblogs.com.
The 3rd email is to tim.brown@initcircuit.com.cn.

解释：

可以把上面的正则表达式拆成5部分分别来看：\w+   [\w\.]*    @    [\w\.]+   \.\w+

第1部分的 \w+ 表示必须以字母或数字开头，不能有“.”开头，这部分匹配上面的：tom, jane, tim。

第2部分的 [\w\.]* 表示可以有0个或多个的“字母数字”或“.”号，这部分匹配上面的：.brown。

第3部分的 @ 直接匹配文中的 @。先跳过第4部分，直接看第5部分。

第5部分的 \.\w+ 表示先匹配一个“.”号，后面再跟1个或多个的字母数字，这部分匹配上面的：.com, .com, .cn。

最后看第4部分的 [\w\.]+，表示可匹配一个或多个的字母数字或“.”号，这部分匹配上面的：initcircuit, cnblogs, initcircuit.com。

示例文本

The URL is http://www.initcircuit.com/, and  https://www.initcircuit.com/.

正则表达式

https?://[\w\./]+/

匹配结果

The URL is http://www.initcircuit.com/, and  https://www.initcircuit.com/.

解释：

正则表达式中的 s? 可匹配 s 的 0 次或 1 次出现。

示例文本

background-color="#A2A2A2"; color="#000000"

正则表达式

#[0-9A-Fa-f]{6}

匹配结果

background-color="#A2A2A2"; color="#000000"

解释：

匹配一个十六进制位的6次重复。

示例文本

001: 123.01
002: 52.48
003: 1024.56

正则表达式

\d+: \d{3,}\.\d{2}

匹配结果

001: 123.01
002: 52.48
003: 1024.56

解释：

中间的 \d{3,}\. 匹配：点号前至少有3位数字， 这样就把大于100数字给匹配出来了。

示例文本

2018-01-01
99/12/01
3-3-3
03-03-03

正则表达式

\d{2,4}[\-/]\d{1,2}[\-/]\d{1,2}

匹配结果

2018-01-01
99/12/01
3-3-3
03-03-03

解释：

本例用于匹配合法的日期，最前面的\d{2,4}用于匹配年份， 用2位数或4位数表示年份都可以，中间的 [\-/] 表示日期分隔符，“-”或“/”都可以匹配（其中“-”前用了转义符）， 后面的 d{1,2} 表示月份，用1位或2位都可以匹配出来。（本例只是展示 {n,m} 的用法，匹配表达式写法并不完美， 后面有匹配日期更好的正则表达式的写法）

示例文本

The html is <p>abc</p> and <p>def</p>.

正则表达式

<p>.*</p>

匹配结果

The html is <p>abc<p> and <p>def<p>.

解释：

由于正则表达式中间的.*可匹配任意字符的任意多次重复， 因此把本行的最前面1个<p>和最后的一个</p>中间的内容都一股脑儿地全都匹配了出来， 这不是我们想要的结果。可使用 * 的懒惰型版本 *? 来匹配，改进如下：

正则表达式

<p>.*?</p>

匹配结果

The html is <p>abc<p> and <p>def<p>.

解释：

懒惰型版本 *? 在匹配任意次数的重复的字符时，会时时注意其后面的表达式 </p>，如果一旦发现后面的表达式</p>符合匹配条件，自己本身就停止继续匹配了。所以在本例中， 只匹配到</p>之前的部分。

示例文本

There is a car on the card.

正则表达式

car

匹配结果

There is a car on the card.

解释：

我们只想匹配 car，不想匹配后面的 card， 此时需要使用单词边界匹配 \b，改进如下：

正则表达式

\bcar\b

匹配结果

There is a car on the card.

解释：

单词边界匹配符 \b 判断单词边界的依据是： 它的左右两边分别是一个 \w 和 一个 \W。注意：位置元字符 \b 仅匹配位置，其本身并不匹配任何实际出现的字符。 在本例中，car 单词的开头处，其左边是一个空格（即\W），右边是一个字母 c（即\w），符合 \b 的边界判断条件。car 单词的结尾也类似，car 单词结尾处，其左边是一个字母 r（即\w），右边是一个空格（即\W），亦符合 \b 的边界判断条件， 故2个 \b 的中间不分的 car 被匹配出来。

示例文本

something
<html>
    blablabla
</html>
something else

正则表达式

<html>.*</html>

匹配结果

something
<html>
    blablabla
</html>
something else

解释：

如果我们希望，整段文本只有当以<html>开头时才匹配， 若之前有其他内容则不匹配；同样，整段文本只有以</html>结尾时才匹配，之后若有其他内容则不匹配， 此时就需要用到 ^（字符串开头）和 $（字符串结尾）匹配符了。改进如下：

正则表达式

^<html>.*</html>$

匹配结果

something
<html>
    blablabla
</html>
something else

解释：

这样，上面的示例文本就不会有内容被匹配出来了。

说明：

前面的“次数元字符”只能匹配1个字符的若干次重复， 如果我们要匹配一个字符串的若干次重复，就需要用到子表达式。

示例文本

The abcabc can match, but not the abc.

正则表达式

(abc){2}

匹配结果

The abcabc can match, but not the abc.

解释：

子表达式(abc)重复2次可以被匹配出来。

示例文本

The IP address is 192.168.1.10.

正则表达式

(\d{1,3}\.){3}\d{1,3}

匹配结果

The IP address is 192.168.1.10.

解释：

子表达式为(\d{1,3}\.)，表示1~3位数字后跟一个“.”号， 可以匹配形如：“192.”或“1.”这样的字符模式。之后的 {3} 表示重复3次，即可以把“192.168.1.”匹配出来了。 最后的 \d{1,3} 表示1~3位数字，可以把最后的“.10”匹配出来。当然，这个正则表达式并不完美， 会把超过255的不合理的IP地址也匹配出来，后面的“常用正则表达式示例”会有更好的解决方案。

示例文本

1111, 1920, 5279, 2099, 199

正则表达式

(19|20)\d{2}

匹配结果

1111, 1920, 5279, 2099, 199

解释：

这里只匹配以19或20开始的年份，子表达式中使用了“|”号， 匹配19或20，后面的 \d{2} 表示后面再跟2位数字。

说明：

这里我们用子表达式的嵌套来解决前面的IP地址的合理性问题。 我们要找到255及以下的数字，有4种合理情况：(1) 1位或2位数字；(2) 以1开头的3位数字； (3) 以2开头的3位数字，十位为0~4的；(4) 以25开头的3位数字，个位为0~5的。

示例文本

192. 255. 10. 999. 

正则表达式

\b((\d{1,2})|(1\d{1,2})|(2[0-4]\d)|(25[0-5]))\.

匹配结果

192. 255. 10. 999.

解释：

这个嵌套的正则表达式看上去很复杂，其实拆开来看还是比较简单的：

\b( (\d{1,2}) | (1\d{1,2}) | (2[0-4]\d) | (25[0-5]) )\.

其中，4个黑色文字的子表达式分别表示前述4种情况的匹配， 它们之间用逻辑或并列嵌入到外层的一个子表达式中（红色括号），最前面的 \b 匹配单词边界， 最后的 \. 匹配点号。

说明：

有时我们想匹配文本中连续出现的2个重复单词，而不管单词内容是什么， 这种需求只能用子表达式的回溯引用来实现。在回溯引用时，若正则表达式中有若干个子表达式， 则 \1 表示从左数起第1个子表达式，\2 表示第2个子表达式，依此类推。 在许多实现里，\0 可用来代表整个正则表达式。

示例文本

There is a white white cat.
The color of of the dog yellow.

正则表达式

\b(\w+)\b[ ]+\1

匹配结果

There is a white white cat.
The color of of the dog yellow.

解释：

正则表达式中，\b(\w+)\b 表示匹配1个单词， [ ]+ 表示匹配其后的1个或多个空格，最后的 \1 就是回溯引用前面的子表达式 (\w+) 中匹配的内容， 若 (\w+) 匹配到 white，则 \1 也去匹配 white；若 (\w+) 匹配到 of，则 \1 也去匹配 of。

示例文本

<h1>This line is right.</h1>
<h2>This line is also right.</h2>
<h1>Wrong!!!</h2>

正则表达式

<h([1-6])>.*?</h\1>

匹配结果

<h1>This line is right.</h1>
<h2>This line is also right.</h2>
<h1>Wrong!!!</h2>

解释：

对于<h>标签，其中数字只能配对出现， 故使用回溯子表达式，\1 表示前面子表达式 ([1-6]) 已匹配到的数字。另外，注意这里使用了 *? 懒惰型次数匹配符。

说明：

有时我们有这种需求，比如在 html 文件中， 我们想要匹配所有被<span>…</span>包裹的标签。但如果这个<span>被包裹在 <p>…</p>中，则把外层的<p>和</p>标签中的内容也一起匹配出来。

示例文本

<body>
<span>something</span>
<p><span>anything</span></p>
<p class="abc"><span>everything</span></p>
</body>

正则表达式

(<p\s*[^>]*>\s*)?<span>.*?</span>(?(1)\s*</p>)

匹配结果

<body>
<span>something</span>
<p><span>anything</span></p>
<p class="abc"><span>everything</span></p>
</body>

解释：

这个正则表达式比较长，需要拆解开来分析：

(<p\s*[^>]*>\s*)? <span>.*?</span> (?(1)\s*</p>)

先看黑体显示的第1个子表达式，这可以匹配： <p>或<p class=”abc”>，其后的 ? 表示 0 次或 1 次匹配，即<p>标签可以出现1次，也可以没有。

其后的 <span>.*?</span> 部分比较简单， 可匹配<span>标签对及其中的文字内容，注意这里用了懒惰型元字符 *? 匹配 0 个或多个字符。

最后是红色括号中的条件回溯，红字表示，若第1个子表达式有匹配， 则执行匹配后面的 \s*</p>部分，若第1个子表达式没有出现匹配，则后面的 \s*</p>也不作匹配。

说明：

有时我们想匹配某种模式之前的内容， 但又不想把这个模式本身给匹配出来，这时可用到前向查找。如下例中，我们想匹配冒号前的字符， 但又不想把冒号本身给匹配出来。

示例文本

http://www.initcircuit.com/
https://www.initcircuit.com/

正则表达式

.+(?=:)

匹配结果

http://www.initcircuit.com/
https://www.initcircuit.com/

解释：

正则表达式中，.+ 表示匹配1个或多个任意字符，(?=:)为匹配冒号， 但匹配结果仅为冒号前的字符（不包含冒号），这就是“向前查找”的含义。

说明：

有些正则表达式文档会使用“消费”（consume）这一术语， 表示“匹配且返回文本”的含义。在上面的向前查找（lookahead）中的例子中，冒号被匹配但不在返回文本中， 故称为：不消费。

示例文本

Tom: 80
Jane: 95
Jack: 100

正则表达式

(?<=:\s*)\d+

匹配结果

Tom: 80
Jane: 95
Jack: 100

解释：

本例中，需要匹配冒号后的数字，所以用到了向后查找 (?<=) 元操作符，由于冒号后还有若干个空格， 故用 \s* 予以匹配，但冒号和空格都不出现在匹配结果中， 只出现后面 \d+ 匹配的数字

说明：

在下面的例子中，要匹配a开头的数字（但只取出数字）很容易， 只要使用普通的“向后查找”就可以了。但是如果要匹配那些不以a开头的纯数字（如下例中的80和95）， 就需要用到“取反前后查找”了。

示例文本

Tom's cardnum is a01. His score is 80. Jane's cardnum is a02. Her score is 95.

正则表达式

\b(?<!a)\d+\b

匹配结果

Tom's cardnum is a01. His score is 80. Jane's cardnum is a02. Her score is 95.

解释：

这里的 (?<!a) 就是取反向后查找， 把不是以 a 开头的数字给匹配出来。注意前后使用的 \b 单词边界，如果不用 \b 会把文中的 1 和 2 也匹配出来。

Python使用正则表达式需要导入 re 模块，可以直接调用 re的成员函数于对字符串进行正则表达式匹配，也可以通过把正则表达式先编译成一个“正则表达式对象”， 然后使用这个对象进行操作和匹配。这里仅介绍第一种方法。

python代码

import re
text = 'The test date is from 2018/1/1 – 2018/12/31'
patt = '(\d{4})/(\d{1,2})/(\d{1,2})'
re.findall(text, patt)

执行结果

[('2018', '1', '1'), ('2018', '12', '31')]

解释：

执行结果为 re.findall 函数返回的匹配结果列表。 由于正则表达式中使用了3个子表达式，故在结果中，把这3个子表达式的匹配结果分开放到了一个元组中。

python代码

import re
text = 'The test date is from 2018/1/1 – 2018/12/31'
patt = '(\d{4})/(\d{1,2})/(\d{1,2})'
re.sub(patt, r'\3\2\1', text)

执行结果

The test date is from 1/1/2018 - 31/12/2018

解释：

执行结果为 sub.re 函数返回的结果，其中 repl 用到了正则表达式中的子表达式回溯引用表示。

在Js中，可以通过 String 对象和 RegEx 对象实现正则表达式处理， 这里仅介绍 String 对象的方法。注意在Js中，正则表达式首尾用两个“/”来括起， 这样可自动生成一个正则表达式对象，而不是双引号或单引号（用引号的话，就是字符串对象了）。

Js代码

var text = 'The fox, and the dog.';  // 生成1个String对象
var regex = /[^\w\s]/;              // 匹配非字母和非空格
var idx = text.search(regex);
console.log(idx);
console.log(text[idx])

执行结果

> 7
> ","

解释：

search 匹配到的第一个非字母和非空格是“,”， 故返回其索引值：7。

Js代码

var text = 'For more information, see Chapter 3.4.5.1';  
var regex = /see (Chapter \d+(\.\d)*)/;      // 不使用 g 标志
var ary = text.match(regex);
console.log(ary);

执行结果

> ["see Chapter 3.4.5.1", 
"Chapter 3.4.5.1", 
".1"
index: 22,
input: 'For more information, see Chapter 3.4.5.1']

解释：

可以看到返回 Array 中，各个子表达式的匹配。

Js代码（regexp使用 g 标志）

var text = 'For more information, see Chapter 3.4.5.1';  
var regex = /see (Chapter \d+(\.\d)*)/g;      // 使用 g 标志
var ary = text.match(regex);
console.log(ary);

执行结果

> ["see Chapter 3.4.5.1"]

解释：

使用 g 标志后，仅将整体匹配结果放入返回 Array 中。

Js代码

var text = 'The fox, and the dog.';   
var regex = /dog/;               
var newtext = text.replace(regex, 'cat');
console.log(newtext);

执行结果

> The fox, and the cat.

解释：

replace 匹配到 dog 后，用 cat 替换。 新字符串通过返回值返回，原字符串不变。