常见的正则表达式解读释义

又名：写给正在学习前端的女友看的常见正则表达式解读。原文发布于 https://www.zybuluo.com/wddpct/note/728081 。

1. 归纳定义

对给定的字符集：Σ={c1,c2,c3,……,cn}

空串ε是一个正则表达式
对于任何的c∈Σ，c是正则表达式
如果M和N都是正则表达式，则以下也是正则表达式
- 选择 M|N = {M,N}
- 连接 MN = {mn,m∈M，n∈N}

2. 保留字符

这节中的表格内容来自正则表达式30分钟入门教程，对此表示感谢。

2.1 常用的元字符

代码	说明
.	匹配除换行符以外的任意字符
w	匹配字母或数字或下划线
s	匹配任意的空白符
d	匹配数字
b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

2.2 常用的限定符

代码/语法	说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

2.3 常用的反义词

代码/语法	说明
W	匹配任意不是字母，数字，下划线，汉字的字符
S	匹配任意不是空白符的字符
D	匹配任意非数字的字符
B	匹配不是单词开头或结束的位置
[^x]	匹配除了x以外的任意字符
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符

2.4 懒惰限定符

代码/语法	说明
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

2.5 常用分组语法

代码/语法	说明
(exp)	匹配exp,并捕获文本到自动命名的组里
(?< name >exp)	匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)
(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号
(?=exp)	匹配exp前面的位置
(?<=exp)	匹配exp后面的位置
(?!exp)	匹配后面跟的不是exp的位置
(?< !exp)	匹配前面不是exp的位置
(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

3. 常用正则表达式

1. 匹配中文字符

正则表达式：[u4e00-u9fa5]

说明：目前主流计算机底层的编码系统都是Unicode，而在Unicode标准中，汉字表的第一个编码为U+4e00，最后一个编码为U+9fa5，所以[u4e00-u9fa5]就代表匹配任意一个Unicode编码表中存在的汉字。

2.匹配双字节字符

正则表达式：[^x00-xff]

说明：x代表十六进制形式，2个字节长度的十六进制最大范围为00-ff，所以[^x00-xff]表示匹配长度为双字节的字符。

3. 匹配空白行

正则表达式：ns*r

说明：这个表达式表示匹配内容中的空白行，比如一个txt由多行文字组成，并且句子与句子之间存在空白行，这个正则表达式便能加以区分。

首先，n表示匹配一个换行符，而s*代表匹配任意的空白符，r表示匹配任意的回车符。

示例如下。

public class Program
    {
        static void Main(string[] args)
        {
            string[] sentences =
            {
                @"C# code

",
                @"Chapter 2: 

Writing Code",
                @"Unicode",
                @"match

here"
            };

            string sPattern = @"ns*r";
            foreach (string s in sentences)
            {
                if (System.Text.RegularExpressions.Regex.IsMatch(s, sPattern, System.Text.RegularExpressions.RegexOptions.IgnoreCase))
                {
                    System.Console.WriteLine("  (match for '{0}' found)", s);
                }
                else
                {
                    System.Console.WriteLine();
                }
            }
        }
    }

4. 匹配Email地址

[w!#$%&'*+/=?^_`{|}~-]+(?:.[w!#$%&'*+/=?^_`{|}~-]+)*@(?:[w](?:[w-]*[w])?.)+[w](?:[w-]*[w])?

示例：wddpct@gmail.com，wdd.pct@gmail.com,wddpct-pct@gmail.com

5. 匹配URL

正则表达式：[a-zA-Z]+://[^s]*

说明：[a-zA-Z]+表示匹配任意长度字符串，并且字符串包含的字符只能是a和z或者A和Z之间的字母。‘://’表示匹配“://”字符串。[^s]*表示匹配任意长度的不包含非空字符的字符串。

当然了，日常生活中见到的网址URL大多以http或https开头，所以匹配以http或者https开发的网址也十分简单，笔者随手写了两个以供参考，比如 (http|https)://[^s]*或者http[s]?://[^s]*。

6. 匹配国内电话号码

正则表达式：d{3}-d{8}|d{4}-d{7,8}

说明：‘|’将匹配条件分为两部分。d{3}-d{8}代表匹配xxx-xxxxxxxx数字形式的号码。右边的d{4}-d{7,8}代表匹配xxxx-xxxxxxx或者xxxx-xxxxxxxx数字形式的号码。

示例：0577-12345678

7. 匹配腾讯qq号

正则表达式：[1-9][0-9]{4,}

说明：这个正则EXP十分容易理解，[1-9]表示匹配QQ号首位不为零的任意数字，[0-9]{4,}表示匹配从第二位开始最小长度为4的任意数字的字符串。

示例：1242450501

8. 匹配中国邮政编码

正则表达式：[1-9]d{5}(?!d)

说明：[1-9]表示匹配不为零的任意数字，(?!)表示零宽断言的一种语法，又称零宽度负预测先行断言，表示位置的后面不能匹配表达式，所以d{5}(?!d)表示匹配5位数字，而且这5位数字的后面不能是数字。

示例：325800，325800编码

9. 匹配18位身份证

正则表达式：^(d{6})(d{4})(d{2})(d{2})(d{3})([0-9]|X)$

说明：这段正则虽然很长，其实表达的意思也非常简单。d{6}代表匹配6位数字，d{4}代表匹配4位数字，d{2}代表匹配2位数字，d{3}代表匹配3位数字，最后的[0-9]|X代表匹配0到9的任意数字，或者匹配X字母，正巧，笔者的身份证最后一位就是X。

示例： 65900719951006773X

10. 匹配正整数

正则表达式：^[1-9]d*$

说明：[1-9]表示首位匹配1到9的任意数字，d*代表从第二位开始可以为空，不为空时必须为数字。由此正则推广开来，匹配负整数的表达式格式应该为 ^-[1-9]d*$ 。

11. 匹配整数

正则表达式：^-?[1-9]d*$

说明：后面的[1-9]d*和匹配正整数的表达式一致，所以只要看懂-?代表整数的符号位可以有‘-’即可。

12. 匹配非负整数

正则表达式：^[1-9]d*|0$

说明：[1-9]d*和匹配正整数的表达式一致，|0表示可为0。同理，表示非正整数的表达式应该是 ^-[1-9]d*|0$ 。

13. 匹配正浮点数

正则表达式：^[1-9]d*.d*|0.d*[1-9]d*$

说明：[1-9]d*.d*代表匹配格式形如“正整数.数字”的字符串，0.d*[1-9]d*$ 代表匹配格式形如“0.数字”的字符串。中间用|代表或条件。所以同理，匹配负浮点数的正则为^-[1-9]d*.d*|-0.d*[1-9]d*$。