正则表达式

最新推荐文章于 2025-04-02 21:03:39 发布

原创最新推荐文章于 2025-04-02 21:03:39 发布 · 226 阅读

0 ·

CC 4.0 BY-SA版权

ai 专栏收录该内容

3 篇文章

订阅专栏

本文深入解析正则表达式的各种元字符、特征标群、零宽度断言及模式修正符，通过实例演示如何匹配特定模式的文本。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

专业术语："Regular expression"、"regex"、"regexp"

正则表达式可以从一个基础字符串中根据一定的匹配模式替换文本中的字符串、验证表单、提取字符串。

元字符

元字符	含义
.	句号匹配任意一个字符（除了换行符）
[ ]	匹配方括号里的任意字符
[^ ]	否定字符种类，匹配除了方括号里的任意字符
*	匹配 ≥ 0个重复在 * 之前的字符
+	匹配 ≥ 1个重复的在 + 之前的字符
？	标记？之前的字符为可选项
{n,m}	匹配num个大括号之前的字符 (n <= num <= m)
(abc)	匹配与abc完全相同的字符串
\|	“或” 匹配符号前面或者后面的字符
\	转义字符，用于匹配一些保留的字符 [ ] ( ) { } . * + ? ^ $ \ \|
^、$	从开始行开始匹配、从末段开始匹配

点运算符

.匹配任意单个字符, 但不匹配换行符。

“.ar”匹配一个任意字符后面跟着是“ar”的字符串。

".ar" => The car parked in the garage.

字符集

1. 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。

"[Tt]he" => The car parked in the garage.

2. 方括号里的句号就表示句号。表达式 ar[.] 匹配 ar.字符串

"ar[.]" => A garage is a good place to park a car.

否定字符集

一般来说 ^ 表示一个字符串的开头,比如：^[a-z0-9_-]{3,15}$。但它用在一个方括号的开头的时候,即 [^ ] ，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。

"[^c]ar" => The car parked in the garage.

重复次数

后面跟着元字符 +, * or ? 的，用来指定匹配子模式的次数。

*号

表达式[a-z]* 匹配一个行中所有以小写字母开头的字符串。

"[a-z]*" => The car parked in the garage #21.

*字符和.字符搭配可以匹配所有的字符.* " [.*] " => The car parked in the garage.
*和表示匹配空格的符号\s连起来用，如表达式 \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.
```
"\s*cat\s*" => The fat cat sat on the concatenation.
```

?号

`?` 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。`

"[T]?he" => The car is parked in the garage.

"[T]he" => The car is parked in the garage.

{}号

{} 是一个量词, 常用来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。

"[0-9]{2,3}" => The number was 9.9997 but we rounded it off to 10.0.

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。

"[0-9]{2,}" => The number was 9.9997 but we rounded it off to 10.0.

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

"[0-9]{3}" => The number was 9.9997 but we rounded it off to 10.0.

(...)特征标群

特征标群是一组写在 (...) 中的子模式。例如之前说的 {} 是用来表示前面一个字符出现指定次数. 但如果在 {} 前加入特征标群则表示整个标群内的字符重复 N 次. 例如, 表达式 (ab)* 匹配连续出现 0 或更多个 ab。

我们还可以在 () 中用或字符 | 表示或. 例如, (c|g|p)ar 匹配 car 或 gar 或 par。

"(c|g|p)ar" => The car is parked in the garage.

`|` 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.

"(T|t)he|car" => The car is parked in the garage.

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.

"(f|c|m)at\.?" => The fat cat sat on the mat.

锚点

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。

^号

^ 用来检查匹配的字符串是否在所匹配字符串的开头。

例如, 在 abc 中使用表达式 ^a 会得到结果 a. 但如果使用 ^b 将匹配不到任何结果. 因为在字符串 abc 中并不是以 b 开头。

例如, ^(T|t)he 匹配以 The 或 the 开头的字符串.

"(T|t)he" => The car is parked in the garage.

"^(T|t)he" => The car is parked in the garage. 注意：匹配的是整个字符串的开头，只有第一个“The”

`$` 号

同理于 ^ 号, $ 号用来匹配字符是否是最后一个.

例如, (at\.)$ 匹配以 at. 结尾的字符串.

"(at\.)" => The fat cat. sat. on the mat.

"(at\.)$" => The fat cat. sat. on the mat.

简写字符集

一些常用的字符集简写：

简写	描述
.	除换行符外的所有字符
\w	匹配所有字母数字，等同于[a-zA-Z0-9_]
\W	匹配所有非字母数字，即符号包括空格。等同于： [^\w]
\d	匹配数字：[0-9]
\D	匹配非数字：[^\s] 注：[^ ] 是否定字符种类
\s	匹配所有空格字符，等同于:[\t \n \f \r \p{Z}]
\S	匹配所有非空格字符：[^\s]
\f	匹配一个换页符
\n	匹配一个换行符
\r	匹配一个回车符
\t	匹配一个制表符
\v	匹配一个垂直制表符
\p	匹配CR/LF (等同于\r\n), 用来匹配DOS行终止符

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）

零宽度断言有如下四个：

?=... 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。

返回结果只包含满足匹配条件的第一部分表达式，定义一个正先行断言要使用( )。在括号内部使用一个问号和等号: (?=...)。

正先行断言的内容写在括号中的等号后面. 例如, 表达式 (T|t)he(?=\sfat) 匹配 The 和 the, 在括号中我们又定义了正先行断言 (?=\sfat) ,即 The 和 the 后面紧跟着 (空格)fat.

"(T|t)he(?=\sfat)" => The fat cat sat on the mat.

?!... 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。

正先行断言定义和负先行断言一样，区别就是= 换成！

表达式(T|t)he(?!\sfat) 匹配 The 和 the, 且其后不跟着 (空格)fat.

"(T|t)he(?!\sfat)" => The fat cat sat on the mat.

?< ... 正后发断言

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加空格。

"(?<=(T|t)he\s)(fat|mat)" => The fat cat sat on the mat.

?<! ... 负后发断言

用于筛选所有匹配结果, 筛选条件为其前不跟随着断言中定义的格式.

例如, 表达式 (?<!(T|t)he\s)(cat)匹配 cat, 且其前不跟着 The 或 the.

"(?<!(T|t)he\s)(cat)" => The cat sat on cat.

标志

标志又叫做模式修正符，可以修改表达式的搜索结果，这些标志可以任意的组合使用。

i 忽略大小写

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.

"The" => The fat cat sat on the mat.

"/The/gi" => The fat cat sat on the mat.

g 全局搜索

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.

"/.(at)/" => The fat cat sat on the mat.

"/.(at)/g" => The fat cat sat on the mat.

m 多行修饰符

常用于执行一个多行匹配。

像(^,$) 用于检查格式是否是在待检测字符串的开头或结尾，但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.

"/.at(.)?$/" => The fat
                cat sat
                on the mat.

"/.at(.)?$/gm" => The fat
                  cat sat
                  on the mat.

贪婪匹配于惰性匹配

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。

可以使用 ? 将贪婪匹配模式转化为惰性匹配模式。

"/(.*at)/" => The fat cat sat on the mat.

"/(.*?at)/" => The fat cat sat on the mat.

参考文献