正则表达式学习笔记(超级详细!!!)| 有用的小知识

发布于 2021-07-10  29 次阅读


我的文章csdn链接:https://blog.csdn.net/LLLLQZ/article/details/118278287

前言

好久没写文章了,这一次是为了记录最近学习的正则表达式,正则表达式看起来虽然很复杂,但是学会了真的很好用,接下来我将结合具体例子来讲解正则表达式。

在介绍正则表达式之前先介绍一个专门为正则表达式练习的网站 https://regex101.com/,大家最好一边学一边练习加深印象,不然记不住(我不练习是真记不住呀

正文

1、什么是正则表达式

正则表达式是一组由字母和符号组成的特殊文本,它可以用来从文本中找出满足你想要的格式的句子。一个正则表达式是一种从左到右匹配主体字符串的模式,常使用缩写的术语“regex”或“regexp”。

例子:寻找3到15字符数a-z,0-9的字符串
在这里插入图片描述

可能这样讲不一定很清楚,如果想知道正则表达式有什么用可以看后面正则表达式的应用,下面我们先讲清楚有什么正则表达式。

2、正则表达式语法

2.1 基本匹配

正则表达式其实就是在执行搜索时的格式,它由一些字母和数字组合而成。 例如:一个正则表达式, the,它表示一个规则:由字母t开始,接着是h,再接着是e。
在这里插入图片描述

2.2 元字符

正则表达式主要依赖于元字符。元字符不代表他们本身的字面意思,他们都有特殊的含义。一些元字符写在方括号中的时候有一些特殊的意思。以下是一些元字符的介绍:
在这里插入图片描述
接下来依次介绍每个元字符

2.2.1 点运算符 .

.是元字符中最简单的例子。 .匹配任意单个字符,但不匹配换行符。 例如,表达式.ar匹配一个任意字符后面跟着是a和r的字符串。
在这里插入图片描述

2.2.2 字符集[ ]

字符集也叫做字符类。 方括号用来指定一个字符集。 在方括号中使用连字符来指定字符集的范围。 在方括号中的字符集不关心顺序。 例如,表达式[Tt]he 匹配 the 和 The。(即方括号里是字符的取值范围,这里只能取T,t,如果有字符串che的话则不会被匹配)
在这里插入图片描述

有个小tips,一般来说 . 点运算符就表示除换行符以外的任意字符,所以我们如果要只是搜索 . 的话就得用转义字符 \. ,但是神奇的是呢,在[ ]里,不论是直接使用点还是转义字符都可以表示.

2.2.3 否定字符集 ^

一般来说 ^ 表示一个字符串的开头,但它用在一个方括号的开头的时候,它表示这个字符集是否定的。 例如,表达式[^c]ar 匹配一个后面跟着ar的除了c的任意字符。
在这里插入图片描述

2.2.4 * 号

*号匹配 在*之前的字符出现大于等于0次。 例如,表达式 a* 匹配0或更多个以a开头的字符。表达式[a-z]* 匹配一个行中所有以小写字母开头的字符串。
在这里插入图片描述

表达式\s*cat\s*匹配0或更多个空格开头和0或更多个空格结尾的cat字符串
在这里插入图片描述
*字符和.字符搭配可以匹配所有的字符.*

2.2.5 +号

+号匹配+号之前的字符出现 >=1 次。 例如表达式c.+t 匹配以首字母c开头以t结尾,中间跟着至少一个字符的字符串。
在这里插入图片描述

2.2.6 ?号

在正则表达式中元字符 ? 标记在符号前面的字符为可选,即出现 0 或 1 次。 例如,表达式 [T]?he 匹配字符串 he 和 The。
在这里插入图片描述

2.2.6 {}号

在正则表达式中 {} 是一个量词,常用来限定一个或一组字符可以重复出现的次数。 例如, 表达式 [0-9]{2,3} 匹配最少 2 位最多 3 位 0~9 的数字。
在这里插入图片描述
我们可以省略第二个参数。 例如,[0-9]{2,} 匹配至少两位 0~9 的数字。
在这里插入图片描述如果逗号也省略掉则表示重复固定的次数。 例如,[0-9]{3} 匹配3位数字
在这里插入图片描述

2.2.7 (…) 特征标群

特征标群是一组写在 (…) 中的子模式。(…) 中包含的内容将会被看成一个整体,和数学中小括号( )的作用相同。例如, 表达式 (ab)* 匹配连续出现 0 或更多个 ab。如果没有使用 (…) ,那么表达式 ab* 将匹配连续出现 0 或更多个 b 。再比如之前说的 {} 是用来表示前面一个字符出现指定次数。但如果在 {} 前加上特征标群 (…) 则表示整个标群内的字符重复 N 次。
在这里插入图片描述

2.2.8 | 或运算符

或运算符就表示或,用作判断条件。

例如 (T|t)he|car 匹配 (T|t)he 或 car。
在这里插入图片描述

2.2.9 转码特殊字符

反斜线 \ 在表达式中用于转码紧跟其后的字符。用于指定 { } [ ] / \ + * . $ ^ | ? 这些特殊字符。如果想要匹配这些特殊字符则要在其前面加上反斜线 \。
例如 . 是用来匹配除换行符外的所有字符的。如果想要匹配句子中的 . 则要写成 \. 以下这个例子 \.?是选择性匹配.
在这里插入图片描述

2.2.10 锚点^号和$号

在正则表达式中,想要匹配指定开头或结尾的字符串就要使用到锚点。^ 指定开头,$ 指定结尾
没有锚点^号的表达式效果如下
在这里插入图片描述
有锚点^号的表达式效果如下
在这里插入图片描述
同理,没有锚点$号的效果如下
在这里插入图片描述
有锚点的效果如下
在这里插入图片描述

2.3 简写字符集

正则表达式提供一些常用的字符集简写。

在这里插入图片描述

2.4 零宽度断言(前后预查)

先行断言和后发断言都属于非捕获簇(不捕获文本 ,也不针对组合计进行计数)。 先行断言用于判断所匹配的格式是否在另一个确定的格式之前,匹配结果不包含该确定格式(仅作为约束)
说人话就是用来做判断的表达式,其本身只是一个条件

例如,我们想要获得所有跟在 $ 符号后的数字,我们可以使用正后发断言 (?<=\$)[0-9.]*。 这个表达式匹配 $ 开头,之后跟着
0,1,2,3,4,5,6,7,8,9,. 这些字符可以出现大于等于 0 次。

零宽度断言如下:
在这里插入图片描述
接下来我们依次介绍

2.4.1 ?=… 正先行断言

?=… 为正先行断言,表示第一部分表达式之后必须跟着 ?=…定义的表达式。
例子
在这里插入图片描述
注意这里是要找出The 和 the 后面紧跟着 (空格)fat的字符串,但是正先行断言只是一个判断条件,他不会作为匹配被检索,所以最后匹配到的只是The

2.4.2 ?!… 负先行断言

负先行断言 ?! 用于筛选所有匹配结果,筛选条件为 其后不跟随着断言中定义的格式。 (说白了就是正先行断言的反例)

在这里插入图片描述
2.4.3 ?<= … 正后发断言

正后发断言 记作(?<=…) 用于筛选所有匹配结果,筛选条件为 其前跟随着断言中定义的格式。 例如,表达式 (?<=(T|t)he\s)(fat|mat) 匹配 fat 和 mat,且其前跟着 The 或 the。 在这里插入图片描述

2.4.4 ?<!… 负后发断言

负后发断言 记作 (?

2.5 标志

标志也叫模式修正符,因为它可以用来修改表达式的搜索结果。 这些标志可以任意的组合使用,它也是整个正则表达式的一部分。

在这里插入图片描述
2.5.1 忽略大小写 (Case Insensitive)

修饰语 i 用于忽略大小写。 例如,表达式 /The/gi 表示在全局搜索 The,在后面的 i 将其条件修改为忽略大小写,则变成搜索 the 和 The,g 表示全局搜索
在这里插入图片描述
在这里插入图片描述
网站上右边有
在这里插入图片描述
在这里插入图片描述

2.5.2 全局搜索 (Global search)

修饰符 g 常用于执行一个全局搜索匹配,即(不仅仅返回第一个匹配的,而是返回全部)。 例如,表达式 /.(at)/g 表示搜索 任意字符(除了换行)+ at,并返回全部结果(默认)

在这里插入图片描述
在这里插入图片描述
2.5.3 多行修饰符 (Multiline)

多行修饰符 m 常用于执行一个多行匹配。

像之前介绍的 (^,$) 用于检查格式是否是在待检测字符串的开头或结尾。但我们如果想要它在每行的开头和结尾生效,我们需要用到多行修饰符 m。

例如,表达式 /at(.)?$/gm 表示小写字符 a 后跟小写字符 t ,末尾可选除换行符外任意字符。根据 m
修饰符,现在表达式匹配每行的结尾。
在这里插入图片描述
在这里插入图片描述

2.6 贪婪匹配与惰性匹配 (Greedy vs lazy matching)

正则表达式默认采用贪婪匹配模式,在该模式下意味着会匹配尽可能长的子串。我们可以使用 ? 将贪婪匹配模式转化为惰性匹配模式。

贪婪匹配
在这里插入图片描述

懒惰匹配
在这里插入图片描述

3、 正则表达式的应用

3.1 验证一个用户名

在这里插入图片描述
这是我们最开始讲正则表达式概念时候提到的例子,他其实可以用来验证用户名。以上的正则表达式可以接受 john_doe、jo-hn_doe、john12_as。 但不匹配Jo,因为它包含了大写的字母而且太短了

3.2 验证电话号码

验证电话号码:('^(\d{3,4}-)\d{7,8}$')正确格式:xxx/xxxx-xxxxxxx/xxxxxxxx;

3.3 验证IPv4地址

"^(1\d{2}|2[0-4]\d|25[0-5]|[1-9]\d|[1-9])\."

+"(1\d{2}|2[0-4]\d|25[0-5]|[1-9]\d|\d)\."

+"(1\d{2}|2[0-4]\d|25[0-5]|[1-9]\d|\d)\."

+"(1\d{2}|2[0-4]\d|25[0-5]|[1-9]\d|\d)$"

iPv4的ip地址都是(1-255).(0-255).(0-255).(0~255)的格式

\d表示0~9的任何一个数字

{2}表示正好出现两次

[0-4]表示0~4的任何一个数字

| 的意思是或者

( )上面的括号不能少,是为了提取匹配的字符串,表达式中有几个()就表示有几个相应的匹配字符串

1\d{2}的意思就是100~199之间的任意一个数字

2[0-4]\d的意思是200~249之间的任意一个数字

25[0-5]的意思是250~255之间的任意一个数字

[1-9]\d的意思是10~99之间的任意一个数字

[1-9])的意思是1~9之间的任意一个数字

\.的意思是.点要转义(特殊字符类似,@都要加\转义)

结语

正则表达式不知道你看完之后学会了没有呢?如果有什么疑问可以在评论区问我,我会努力回答的!

参考资料
learn-regex github在这里插入图片描述