正則表達式(Regular Expression)，又稱正規表示法、常規表示法，在實際的軟件開發項目中經常會被使用到。它使用單個字符串來描述、匹配并獲取一系列符合某個句法規則的結果。

正則表達式起源

1956年，數學家Stephen Kleene在Warren McCulloch和Walter Pitts早期神經系統工作的基礎上，設計出了一個數學符號體系——regular sets(規則的集合)，這個東西很快被計算機科學家用于編譯器的掃描或詞法分析。由于正則表達式強大的文本處理能力，很快被應用到Unix的工具軟件grep中;此后，正則表達式被廣泛應用于Unix系操作系統、Perl、PHP，Delphi、JAVAScript、C#(.NET)、JAVA、python、Ruby等語言和開發環境中。

正則表達式定義

正則表達式是用來描述字符串特定結構(規則)的語言，由相關引擎執行。正則表達式形象化的描述如圖1所示。

圖1 正則表達式形象化的描述

正則表達式作用

1.數據驗證

測試輸入的字符串，是否符合一定的規則，是否允許輸入等。例如，可對Email地址合法性、網址、電話號碼、出生年月等進行驗證。

2.操作文本

用來識別文檔中的特定文本、完全刪除該文本或者用其它文本或字符替換。

3.提取子字符串

基于模式匹配，可以查找文檔內或輸入域內特定的文本，在涉及替換操作時往往都需要先提取。

正則表達式基本語法

1.直接量字符(通常是不可見的字符及匹配自身的字符)

2.字符類(可以匹配多種字符)

3.重復

4.選擇、分組和錨字符

5. 標志(標示引擎的工作模式)

說明：

在正則表達式前用“(?i)”標示，例如：(?i)^root$，則root、Root、ROOT都符合要求。

6.其它

1) 匹配元字符“( [ { \ ^ $ | ) ? * + .”，需要用“\”轉義。

例如：匹配“.”，正則表達式為“\.”。

2) 貪婪量詞與惰性量詞

惰性量詞僅僅在貪婪量詞后面加個“?”。

用貪婪量詞進行匹配時，它首先會將整個字符串當成一個匹配，如果匹配成功就退出，如果不匹配，就截去最后一個字符進行匹配;如果不匹配，繼續將最后一個字符截去進行匹配，直到有字符匹配為止。

用惰性量詞進行匹配時，它首先將第一個字符當成一個匹配，如果成功則退出;如果失敗，則測試前兩個字符，依次增加，直到遇到合適的匹配為止 。

例如：“\d+”是貪婪量詞，而“\d+?”是非貪婪(惰性)量詞。

3) 子匹配

內部的分組匹配，用“()”標示一個分組。

子匹配的每個分組都被放在一個特殊的地方以備將來使用，這些被存儲的值是分組中的特殊值，稱之為反向引用。

例如：驗證輸入的是日期，再提取到月份，其正則表達式為“^\d{4}\-(\d{2})\-\d{2}$”。

4) 正向前瞻和負向前瞻

正向前瞻：(?<=字符)或(?=字符)

注意：一定要有等于才行。

負向前瞻：(?<!字符)或(?!字符)

注意：一定要有不等于才行。

也就是說，我們可以自己制定匹配的邊界在哪里，這在字符串提取時常用。

示例：

例1，我們取“#”之前的字符，但是不包括“#”，其正則表達式：[\w]+(?=#)

例2，我們取不在“#”之前的字符，但是不包括“#”，其正則表達式： [\w]+(?!#)

例3，我們取“<>”之間的字符，但是不包括“<>”，其正則表達式： (?<=<)[\w]+(?=>)

正則表達式常見用法

1.數字

1)正整數： ^[1-9][0-9]*$

2)非正整數： ^((-[1-9][0-9]*)|(0))$

3)負整數：^-[1-9][0-9]*$

4)整數： ^(0|-?[1-9][0-9]*)$

5)非負浮點數：^\d+(\.\d+)?$

2.字母

1)英文字符串：^[A-Za-z]+$

2)英文大寫串：^[A-Z]+$

3)英文小寫串：^[a-z]+$

4)英文字符數字串：^[A-Za-z0-9]+$

5)英文數字加下劃線串：^\w+$

3.其它

1.E-mail地址：^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$

2.URL：^http:\/\/[A-Za-z0-9]+\.[A-Za-z0-9]+[\/=\?%\-&_~`@[\]\':+!]*([^<>\"\"])*$

3.郵政編碼：^[1-9]\d{5}$

4.中文：^[\u4e00-\u9fA5]+$

5.電話號碼：^((\d2,3)|(\d{3}\-))?(0\d2,3|0\d{2,3}-)?[1-9]\d{6,7}(\-\d{1,4})?$

6.手機號碼：^1\d{10}$

7.首尾空格：(^\s+)|(\s+$)

8.身份證：^(\d{15}|\d{18})$ (注：中國的身份證為15位或18位)

9.賬號：^[a-zA-Z]\w{4,15}$ (注：字母開頭，允許5-16字節，允許字母數字下劃線)

10.IP：^([1-9]\d{0,1}|1\d{2}|2[0-4]\d|25[0-5])(\.([1-9]\d{0,1}|1\d{2}|2[0-4]\d|25[0-5])){3}$ (IP是由大于等于0且小于等于255的數字、“.”組成的，驗證每個數字分項再和“.”拼接就可以了)

總結

正則表達式的功能非常的強大，大家在實際使用到的時候才能夠感覺得到。當然，要想同時記住這么多的正則表達式的規則，也不是簡單的事情。大家可以將常見的正則表達式記錄下來(就像本文一樣)，待需要用到的時候可以拿出來參考。

【本文是51CTO專欄作者周兆熊的原創作品，轉載請通過51CTO獲取作者授權】