正则表达式

最近一直在忙于加班，已经连续两个星期996(9点上班9点下班星期六加班)了！
项目采用的是 TDD 开发模式， 所以前期写测试写到吐（还好已经熬过这段时间了）。不过确实在写接口的时候有了这些测试方便了许多。
咦，总感觉跑题了！

进入正题，之前一直想学 正则表达式 ，一直没学（因为任性），趁刚写完一个接口还有时间喘气的时候把它给学了吧！

what is 正则？

正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些符合某个模式的文本。

先来几个简单的正则！

• 假设要在一篇文章中找 ‘hi’ 这个单词。那就直接用正则表达式 hi。 它可以精确匹配这样的字符串：由两个字符组成，前一个字符是h,后一个是i。通常，处理正则表达式的工具会提供一个忽略大小写的选项，如果选中了这个选项，它可以匹配 ‘hi,HI,Hi,hI’ 这四种情况中的任意一种。

• 但是这时候很多有 ‘hi’ 的单词也会被找到，比方说 ‘high’，‘him’等等，如果要精确查找， 可以用 \bhi\b 。

\b 是正则表达式规定的一个特殊代码（元字符，metacharacter）,能匹配一个单词边界，也就是指单词和空格间的位置。例如， er\b 可以匹配”never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。用了 \ber\b后就只能匹配单词 ‘er’

• \bhi\b.*\bmiao\b : 匹配的字符串是：先是一个单词 hi ,然后是任意个任意字符(但不能是换行)，最后是 miao 这个单词。

. 的作用是匹配除 “\n” 之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，使用 [.\n] 的模式。
* 它代表的不是字符，也不是位置，而是数量。它指定 * 前边的内容可以连续重复使用任意次以使整个表达式得到匹配。

元字符

看了上面的几个例子，估计已经大概明白 元字符 是个什么东西了吧。接下来介绍几个基本的元字符

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或汉字
\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

元字符 ^ 和 $ 都匹配一个位置，这和 \b 有点类似。^ 匹配用来查找的字符串的开头，$ 匹配结尾。比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用：^\d{5,12}$ 。

{5,12} 是重复的次数不能少于5次，不能多于12次的意思，否则都不匹配。因为使用了 ^ 和 $ ，所以输入的整个字符串都要用来和 \d{5,12} 来匹配，也就是说整个输入必须是5到12个数字，因此如果输入的QQ号能匹配这个正则表达式的话，那就符合要求了。
和忽略大小写的选项类似，有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项，^ 和 $的意义就变成了匹配行的开始处和结束处。

字符转义

如果想查找元字符本身的话，比如(. 和 *), 就需要使用 \ 来取消这些字符的特殊意义。例如应该使用 \. 和 \*。当然，要查找 \ 本身，得用 \\ .
例如：f10\.moe 匹配 f10.moe，C:\\Windows 匹配 C:\Windows。

限定符

正则表达式中所有的限定符(指定数量的代码，例如*,{5,12}等)：

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

字符类

要想查找数字，字母或数字，空白是很简单的，因为已经有了对应这些字符集合的元字符，但是如果你想匹配没有预定义元字符的字符集合(比如元音字母 a,e,i,o,u ),应该怎么办？
很简单，你只需要在方括号里列出它们就行了，像 [aeiou] 就匹配任何一个英文元音字母，[.?!]匹配标点符号(.或?或!)。
我们也可以轻松地指定一个字符范围，像 [0-9] 代表的含意与 \d 就是完全一致的：一位数字；同理 [a-z0-9A-Z_]也完全等同于 \w（如果只考虑英文的话）。

---

下面是一个更复杂的表达式： \(?0\d{2}[) -]?\d{8} 。
( 和 ) 也是元字符，所以在这里需要使用转义。 这个表达式可以匹配几种格式的电话号码，像 (010)88886666 ，或 022-22334455 ，或 02912345678 等。
解析：

• 转义字符 \( ,它能出现 0 次或 1 次 (?)
• 然后是一个 0，后面跟着 2 个数字 (\d{2})
• 然后是 ) 或 - 或 空格 中的一个，它出现 1 次或不出现 (?)
• 最后是 8 个数字 (\d{8}) 。

分枝条件

可是, 刚才那个表达式也能匹配 010)12345678 或 (022-87654321 这样的 “不正确” 的格式。要解决这个问题，我们需要用到 分枝条件 。正则表达式里的 分枝条件 指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用 “|“ 把不同的规则分隔开。

• 0\d{2}-\d{8}|0\d{3}-\d{7} 可以匹配 010-12345678 或者 0111-1234567 这两种电话号码。

• \(?0\d{2}\)?[- ]?\d{8}|0\d{2}[- ]?\d{8} 这个表达式匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔。

• \d{5}-\d{4}|\d{5} 这个表达式用于匹配美国的邮政编码。美国邮编的规则是5位数字，或者用连字号间隔的9位数字。之所以要给出这个例子是因为它能说明一个问题：使用分枝条件时，要注意各个条件的 顺序 。如果你把它改成 \d{5}|\d{5}-\d{4} 的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会 从左到右 地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。

分组

上面讲了要重复单个字符时只需在后面加限定符就行，多个字符需要重复时可以用 小括号 来指定 子表达式 (也叫分组)。
例如：

• (\d{1,3}\.){3}\d{1,3} 是一个简单的IP地址匹配表达式。\d{1,3} 匹配 1 到 3 位的数字，(\d{1,3}\.){3} 匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复 3 次，最后再加上一个一到三位的数字 (\d{1,3})。

• 不幸的是，它也将匹配 256.300.888.999 这种不可能存在的IP地址。如果能使用算术比较的话，或许能简单地解决这个问题，但是正则表达式中并不提供关于数学的任何功能，所以只能使用冗长的分组，选择，字符类来描述一个正确的IP地址：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) 。

反义

有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义：

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
[^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

正则入门算是差不多了，要了解更多可以点下面链接深入:

link

http://deerchao.net/tutorials/regex/regex.htm