正则表达式教程

什么是正则表达式？

正则表达式（Regular Expression，简称 Regex）是一种字符模式，用于描述文本的匹配规则。它们常用于搜索、替换和验证文本。通过正则表达式，你可以匹配特定的字符串模式，如电话号码、电子邮件地址、IP 地址等。

基本语法和符号

1. 普通字符匹配

• 普通字符：正则表达式中的普通字符（如字母和数字）会直接匹配自身。
  • 例如，正则表达式 hello 只匹配字符串 "hello"。

2. 元字符

元字符是正则表达式中的特殊字符，用于定义更复杂的匹配模式。常见的元字符包括：

• .（点号）：匹配任意单个字符（除换行符外）。
  • 例如，a.c 可以匹配 "abc"、"a1c" 等。
• ^：匹配字符串的开头。
  • 例如，^abc 只匹配以 "abc" 开头的字符串。
• $：匹配字符串的结尾。
  • 例如，xyz$ 只匹配以 "xyz" 结尾的字符串。
• *：匹配前面的字符零次或多次。
  • 例如，a* 可以匹配空字符串、"a"、"aa" 等。
• +：匹配前面的字符一次或多次。
  • 例如，a+ 可以匹配 "a"、"aa" 等。
• ?：匹配前面的字符零次或一次。
  • 例如，colou?r 可以匹配 "color" 或 "colour"。
• |：表示或运算，用于匹配多个选项之一。
  • 例如，cat|dog 可以匹配 "cat" 或 "dog"。

3. 字符集和范围

• 字符集 [ ]：匹配方括号内的任意一个字符。
  • 例如，[aeiou] 匹配任何元音字母。
• 字符范围：可以使用 - 来指定一个字符范围。
  • 例如，[a-z] 匹配任何小写字母，[0-9] 匹配任意数字。
• 否定字符集 [ ^ ]：匹配不在方括号内的字符。
  • 例如，[^aeiou] 匹配任何非元音字母。

4. 量词

量词用于指定前一个字符或字符集的匹配次数。

• {n}：匹配前一个字符恰好 n 次。
  • 例如，a{3} 只匹配 "aaa"。
• {n,}：匹配前一个字符至少 n 次。
  • 例如，a{2,} 匹配 "aa"、"aaa" 等。
• {n,m}：匹配前一个字符至少 n 次，至多 m 次。
  • 例如，a{1,3} 匹配 "a"、"aa" 或 "aaa"。

5. 特殊字符集

• \d：匹配任何数字字符，相当于 [0-9]。
• \D：匹配任何非数字字符。
• \w：匹配字母、数字或下划线，相当于 [a-zA-Z0-9_]。
• \W：匹配任意非字母、数字或下划线字符。
• \s：匹配空白字符（如空格、制表符等）。
• \S：匹配任意非空白字符。

6. 边界匹配

• 单词边界 \b：匹配单词的边界。
  • 例如，\bword\b 只匹配完整的单词 "word"。
• 非单词边界 \B：匹配非单词边界。
  • 例如，\Bword 匹配 "password" 中的 "word"。

7. 分组和引用

• 分组 ()：使用小括号将部分正则表达式分组。
  • 例如，(abc)+ 匹配 "abc"、"abcabc" 等。
• 反向引用：分组之后，可以通过 \1、\2 等来引用前面的分组。
  • 例如，(\w+) \1 匹配两个相同的连续单词，如 "hello hello"。

8. 零宽断言

• 正向先行断言 (?=...)：匹配某个位置，要求后面满足指定条件。
  • 例如，\d(?=abc) 匹配一个数字，前提是它后面是 "abc"。
• 负向先行断言 (?!...)：匹配某个位置，要求后面不满足指定条件。
  • 例如，\d(?!abc) 匹配一个数字，前提是它后面不是 "abc"。
• 正向后行断言 (?<=...)：匹配某个位置，要求前面满足指定条件。
  • 例如，(?<=abc)\d 匹配一个数字，前提是它前面是 "abc"。
• 负向后行断言 (?<!...)：匹配某个位置，要求前面不满足指定条件。
  • 例如，(?<!abc)\d 匹配一个数字，前提是它前面不是 "abc"。

9. 贪婪与懒惰量词

• 贪婪量词：默认情况下，量词是贪婪的，会尽可能多地匹配字符。
  • 例如，a.*b 会匹配从第一个 "a" 到最后一个 "b" 之间的所有字符。
• 懒惰量词 ?：在量词后加上 ?，可以使其变为懒惰模式，尽可能少地匹配字符。
  • 例如，a.*?b 会匹配从第一个 "a" 到下一个 "b" 之间的最少字符。

10. 特殊字符转义

正则表达式中的某些字符具有特殊含义，如果你想匹配这些字符本身，需要使用反斜杠进行转义。

• 特殊字符：.、^、$、*、+、?、|、{、}、[、]、(、)、\。
  • 例如，\. 可以匹配字符 "."，\$ 可以匹配字符 "$"。

常见应用场景

1. 匹配电话号码

• 格式：123-4567-8901

  \d{3}-\d{4}-\d{4}
  

2. 匹配邮箱地址

• 格式：example@mail.com

  [a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}
  

3. 匹配IP地址

• 格式：192.168.0.1

  \b(?:\d{1,3}\.){3}\d{1,3}\b
  

4. 匹配URL

• 格式：https://www.example.com

  https?://[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}(/\S*)?
  

5. 匹配日期格式

• 格式：YYYY-MM-DD

  \d{4}-\d{2}-\d{2}
  

6. 匹配时间格式

• 格式：HH:MM 或 HH:MM:SS

  \d{2}:\d{2}(:\d{2})?
  

在线工具

• Regex101：支持正则表达式的编写、调试和测试。
• Regexr：提供交互式的正则表达式学习和测试环境。
• RegExPal：简单易用的正则表达式测试工具。

总结

正则表达式是一种非常强大的工具，可以帮助你处理各种文本匹配和操作任务。虽然它的语法看起来有些复杂，但通过不断练习和使用，你会逐渐掌握并理解它的强大之处。建议从简单的表达式开始，逐步尝试更复杂的模式，慢慢熟悉各种元字符、断言、量词和转义的使用方法。

正则表达式的学习需要时间和练习，使用在线工具可以帮助你更好地理解每个正则表达式的作用，并快速验证你的想法。