正则表达式的使用

基本概念

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”。

常用元字符

元字符	描述
.	匹配任意单个字符(除了换行符)
^	匹配字符串的开始位置
$	匹配字符串的结束位置
*	匹配前面的子表达式零次或多次
+	匹配前面的子表达式一次或多次
?	匹配前面的子表达式零次或一次
\d	匹配一个数字字符，等价于[0-9]
\w	匹配字母、数字或下划线，等价于[A-Za-z0-9_]
\s	匹配任何空白字符(空格、制表符、换行符等)
[ ]	字符集合，匹配所包含的任意一个字符
[^ ]	负值字符集合，匹配未包含的任意字符
{n}	匹配前面的子表达式恰好n次
{n,}	匹配前面的子表达式至少n次
{n,m}	匹配前面的子表达式至少n次，至多m次
`	`
( )	分组，将多个字符组合为一个单元

常用正则表达式示例

1. 邮箱地址:

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

2. URL:

   ^https?://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
   

3. 手机号码(中国):

   ^1[3-9]\d{9}$
   

4. 身份证号(18位):

   ^[1-9]\d{5}(19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx]$
   

5. 日期(YYYY-MM-DD):

   ^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$
   

在不同语言中的使用

Python

import re

pattern = r'\d+'  # 匹配一个或多个数字
text = "There are 123 apples and 456 oranges."

# 查找所有匹配
matches = re.findall(pattern, text)  # 返回 ['123', '456']

# 替换
new_text = re.sub(pattern, "NUM", text)  # "There are NUM apples and NUM oranges."

JavaScript

const pattern = /\d+/g;
const text = "There are 123 apples and 456 oranges.";

// 查找所有匹配
const matches = text.match(pattern);  // 返回 ["123", "456"]

// 替换
const newText = text.replace(pattern, "NUM");  // "There are NUM apples and NUM oranges."

进阶技巧

1. 非贪婪匹配: 在 *或 +后加 ?表示非贪婪匹配

   <.*?>  # 匹配最短的HTML标签
   

2. 正向预查和负向预查:

   • (?=pattern) 正向肯定预查
   • (?!pattern) 正向否定预查
   • (?<=pattern) 反向肯定预查
   • (?<!pattern) 反向否定预查

3. 分组捕获:

   (\d{4})-(\d{2})-(\d{2})  # 匹配日期并分别捕获年、月、日