正则表达式学习记录

正则表达式（Regular Expression）是一种用于匹配字符串的特殊文本模式。它由普通字符和特殊字符（称为元字符）组成，可以用来验证、提取或替换文本。

正则表达式的语法

正则表达式是一种用于匹配字符串的工具，它由普通字符和特殊字符（称为元字符）组成，可以用来验证、提取或替换文本。

普通字符

一个普通字符代表它本身。例如，a 表示字母 a，1 表示数字 1。除了部分特殊字符外，正则表达式中的大多数字符都是普通字符。

元字符

元字符是具有特殊含义的字符，用于匹配多个字符或一类字符。下面是常见的元字符及其含义：

  • .（句点）：匹配任意单个字符，除了换行符 \n。
  • *：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、aaa 等等。
  • +：匹配前面的字符至少一次。例如，a+ 可以匹配a、aa、aaa 等等。
  • ?：匹配前面的字符零次或一次。例如，a? 可以匹配空字符串或 a。
  • {n}：匹配前面的字符恰好出现 n 次。例如，a{3} 可以匹配 aaa。
  • {n,}：匹配前面的字符至少出现 n 次。例如，a{3,} 可以匹配 aaa、aaaa、aaaaa 等等。
  • {n,m}：匹配前面的字符至少出现 n 次，但不超过 m 次。例如，a{2,4} 可以匹配 aa、aaa、aaaa。
  • []：匹配一类字符。方括号内可以列举出多个字符，表示只要匹配其中的任何一个字符即可。例如，[abc] 可以匹配 字母 a、b 或 c。
  • [^]：表示不匹配方括号中的任何一个字符。例如，[^abc] 表示匹配除字母 a、b、c 以外的任何字符。

特殊字符

下面是一些具有特殊含义的字符：

  • ^：匹配字符串的开头，在方括号内表示取反。例如，^a 表示匹配以字母 a 开头的字符串，[^a] 表示匹配不含字母 a 的字符串。
  • $：匹配字符串的结尾。例如，a$ 表示匹配以字母 a 结尾的字符串。
  • \：转义字符，用于将特殊字符转换为普通字符。例如，\. 表示匹配句点 .，而不是任意单个字符。

模式修饰符

模式修饰符是可选标志，用于改变匹配模式的行为。常见的模式修饰符包括：

  • i：大小写不敏感。例如，/hello/i 可以匹配 Hello、HELLO 或 hello。
  • m：多行模式。在多行模式下，^ 和 $ 分别匹配一行的开头和结尾，而不是整个字符串的开头和结尾。
  • s：单行模式。在单行模式下，. 包括换行符 \n 在内匹配任意单个字符。
  • g：全局模式。在全局模式下，会匹配字符串中的所有符合条件的子串，而不只是第一个。
  • x：忽略空格。在忽略空格模式下，可以在正则表达式中使用空格和换行符，使其更易读。

分组

分组用于将多个元素组合在一起，并为这些元素指定共同的量词或其它操作。

  • ()：表示分组。例如，(abc)+ 可以匹配连续出现的 abc，例如abc、abcabc 等等。
  • (?:)：非捕获型分组。与普通分组类似，但不会被记入捕获组，也就是说，不能在后续的正则表达式中引用它。例如，(?:abc)+ 可以匹配连续出现的 abc，但无法从匹配结果中提取这些 abc。

常用正则表达式

以下是一些常见的正则表达式及其应用场景：

  • 匹配电子邮件地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$。这个正则表达式可以匹配大部分常见的电子邮件地址。
  • 匹配 URL：^(http|https)://[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(/\S*)?$。这个正则表达式可以匹配绝大多数网站的 URL。
  • 匹配日期格式：^\d{4}-\d{1,2}-\d{1,2}$。这个正则表达式可以匹配 yyyy-MM-dd 格式的日期。
  • 匹配手机号码：^1[3456789]\d{9}$。这个正则表达式可以匹配中国大陆的手机号码。
  • 匹配身份证号码：^\d{17}(\d|X|x)$。这个正则表达式可以匹配大陆居民身份证号码。
  • 匹配 IP 地址：\b(?:[0-9]{1,3}\.){3}[0-9]{1,3}\b。这个正则表达式可以匹配IPv4地址。
  • 匹配 HTML 标签：<([a-z]+)([^<]+)*(?:>(.*)<\/\1>|\s+\/>)。这个正则表达式可以匹配HTML标签以及其中的内容。