01 正则表达式 - 用符号定义规范
正则表达式是什么
一种对字符串进行操作，用于文本模式匹配的逻辑公式
常用场景：
功能 应用场景 文本匹配和搜索 如搜索电子邮件地址、电话号码、日期等 数据验证 如验证密码强度、用户名规则等 数据清洗和处理 如删除无用字符、提取关键信息等 日志分析和处理 如告警收敛、统计访问量等 正则表达式 (Regular Expression) 是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"），可以用来描述和匹配字符串的特定模式。
正则表达式是一种用于模式匹配和搜索文本的工具。
正则表达式提供了一种灵活且强大的方式来查找、替换、验证和提取文本数据。
正则表达式可以应用于各种编程语言和文本处理工具中，如 JavaScript、Python、Java、Perl 等。
常用元字符
| 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 |
\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 |
常用限定符
| 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 |
常用反义词
| 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 |
\B | 匹配不是单词开头或结束的位置 |
[^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 |
常用语法
.- 除换行符以外的所有字符。^- 字符串开头。$- 字符串结尾。\d,\w,\s- 匹配数字、字符、空格。\D,\W,\S- 匹配非数字、非字符、非空格。[abc]- 匹配 a、b 或 c 中的一个字母。[a-z]- 匹配 a 到 z 中的一个字母。[^abc]- 匹配除了 a、b 或 c 中的其他字母。aa|bb- 匹配 aa 或 bb。?- 0 次或 1 次匹配。*- 匹配 0 次或多次。+- 匹配 1 次或多次。{n}- 匹配 n 次。{n,}- 匹配 n 次以上。{m,n}- 最少 m 次，最多 n 次匹配。(expr)- 捕获 expr 子模式，以\1使用它。(?:expr)- 忽略捕获的子模式。(?=expr)- 正向预查模式 expr。(?!expr)- 负向预查模式 expr。
常见的正则表达式
校验数字的表达式
- 数字：
^[0-9]*$ - n 位的数字：
^\d{n}$ - 至少 n 位的数字：
^\d{n,}$ - m-n 位的数字：
^\d{m,n}$ - 零和非零开头的数字：
^(0|[1-9][0-9]*)$ - 非零开头的最多带两位小数的数字：
^([1-9][0-9]*)+(\.[0-9]{1,2})?$ - 带 1-2 位小数的正数或负数：
^(\-)?\d+(\.\d{1,2})$ - 正数、负数、和小数：
^(\-|\+)?\d+(\.\d+)?$ - 有两位小数的正实数：
^[0-9]+(\.[0-9]{2})?$ - 有 1~3 位小数的正实数：
^[0-9]+(\.[0-9]{1,3})?$ - 非零的正整数：
^[1-9]\d*$或^([1-9][0-9]*){1,3}$或^\+?[1-9][0-9]*$ - 非零的负整数：
^\-[1-9][]0-9"*$或^-[1-9]\d*$ - 非负整数：
^\d+$或^[1-9]\d*|0$ - 非正整数：
^-[1-9]\d*|0$或^((-\d+)|(0+))$ - 非负浮点数：
^\d+(\.\d+)?$或^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ - 非正浮点数：
^((-\d+(\.\d+)?)|(0+(\.0+)?))$或^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$ - 正浮点数：
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$或^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$ - 负浮点数：
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$或^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$ - 浮点数：
^(-?\d+)(\.\d+)?$或^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
校验字符的表达式
- 汉字：
^[\u4e00-\u9fa5]{0,}$ - 英文和数字：
^[A-Za-z0-9]+$或^[A-Za-z0-9]{4,40}$ - 长度为 3-20 的所有字符：
^.{3,20}$ - 由 26 个英文字母组成的字符串：
^[A-Za-z]+$ - 由 26 个大写英文字母组成的字符串：
^[A-Z]+$ - 由 26 个小写英文字母组成的字符串：
^[a-z]+$ - 由数字和 26 个英文字母组成的字符串：
^[A-Za-z0-9]+$ - 由数字、26 个英文字母或者下划线组成的字符串：
^\w+$或^\w{3,20}$ - 中文、英文、数字包括下划线：
^[\u4E00-\u9FA5A-Za-z0-9_]+$ - 中文、英文、数字但不包括下划线等符号：
^[\u4E00-\u9FA5A-Za-z0-9]+$或^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$ - 可以输入含有
^%&',;=?$\"等字符：**[^%&',;=?$\x22]+** - 禁止输入含有
~的字符：[^~]+
特殊需求表达式
- Email 地址：
^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$ - 域名：
[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+\.? - InternetURL：
[a-zA-z]+://[^\s]*或^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$ - 手机号码：
^(13[0-9]|14[01456879]|15[0-35-9]|16[2567]|17[0-8]|18[0-9]|19[0-35-9])\d{8}$ - 电话号码 ("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：
^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$ - 国内电话号码 (0511-4405222、021-87888822)：
\d{3}-\d{8}|\d{4}-\d{7} - 电话号码正则表达式（支持手机号码，3-4 位区号，7-8 位直播号码，1－4 位分机号）:
((\d{11})|^((\d{7,8})|(\d{4}|\d{3})-(\d{7,8})|(\d{4}|\d{3})-(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1})|(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1})))$ - 身份证号 (15 位、18 位数字)，最后一位是校验位，可能为数字或字符 X：
(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$) - 帐号是否合法 (字母开头，允许 5-16 字节，允许字母数字下划线)：
^[a-zA-Z][a-zA-Z0-9_]{4,15}$ - 密码 (以字母开头，长度在 6~18 之间，只能包含字母、数字和下划线)：
^[a-zA-Z]\w{5,17}$ - 强密码 (必须包含大小写字母和数字的组合，不能使用特殊字符，长度在 8-10 之间)：
^(?=.*\d)(?=.*[a-z])(?=.*[A-Z])[a-zA-Z0-9]{8,10}$ - 强密码 (必须包含大小写字母和数字的组合，可以使用特殊字符，长度在 8-10 之间)：
^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$ - 日期格式：
^\d{4}-\d{1,2}-\d{1,2} - 一年的 12 个月 (01～09 和 1～12)：
^(0?[1-9]|1[0-2])$ - 一个月的 31 天 (01～09 和 1～31)：
^((0?[1-9])|((1|2)[0-9])|30|31)$ - 钱的输入格式：
- 有四种钱的表示形式我们可以接受："10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：
^[1-9][0-9]*$ - 这表示任意一个不以 0 开头的数字，但是，这也意味着一个字符"0"不通过，所以我们采用下面的形式：
^(0|[1-9][0-9]*)$ - 一个 0 或者一个不以 0 开头的数字。我们还可以允许开头有一个负号：
^(0|-?[1-9][0-9]*)$ - 这表示一个 0 或者一个可能为负的开头不为 0 的数字。让用户以 0 开头好了。把负号的也去掉，因为钱总不能是负的吧。下面我们要加的是说明可能的小数部分：
^[0-9]+(.[0-9]+)?$ - 必须说明的是，小数点后面至少应该有 1 位数，所以"10."是不通过的，但是 "10" 和 "10.2" 是通过的：
^[0-9]+(.[0-9]{2})?$ - 这样我们规定小数点后面必须有两位，如果你认为太苛刻了，可以这样：
^[0-9]+(.[0-9]{1,2})?$ - 这样就允许用户只写一位小数。下面我们该考虑数字中的逗号了，我们可以这样：
^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$ - 1 到 3 个数字，后面跟着任意个 逗号 +3 个数字，逗号成为可选，而不是必须：
^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
- 有四种钱的表示形式我们可以接受："10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：
- XML 文件：
^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$ - 中文字符的正则表达式：
[\u4e00-\u9fa5] - 双字节字符：
[^\x00-\xff](包括汉字在内，可以用来计算字符串的长度 (一个双字节字符长度计 2，ASCII 字符计 1)) - 空白行的正则表达式：
\n\s*\r(可以用来删除空白行) - HTML 标记的正则表达式：
<(\S*?)[^>]*>.*?|<.*? /> - 腾讯 QQ 号：
[1-9][0-9]{4,}(腾讯 QQ 号从 10000 开始) - 中国邮政编码：
[1-9]\d{5}(?!\d)(中国邮政编码为 6 位数字) - IPv4 地址：
((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}
正则表达式基础
| 正则表达式 | 描述 |
|---|---|
ab | 同时匹配 a 和 b 字符 |
| **`a | b`** |
a*b | 匹配任意个（0~无穷个）a 字符和一个 b 字符 |
a?b | 匹配 0 或 1 个 a 字符和 1 个 b 字符 |
a+b | 匹配 1 个以上 a 字符和 1 个 b 字符 |
^a | 匹配以 a 字符开头的字符串 |
b$ | 匹配以 b 字符结尾的字符串 |
. | 匹配任意字符串 |
[abc] | 等价于 `a |
[a-z] | 等价于 `a |
[^a-z] | 匹配除 a 到 z 之外的所有字符 |
a{2,6} | 匹配 a 字符出现 2 到 6 次 |
^today[0-9]+error$ | 以 today 开头，中间有 1 个以上数字，以 error 结尾 |
正则表达式举例
正则表达式 ^today[0-9]+error$
| 输入数据 | 匹配情况 |
|---|---|
today12345error | 匹配 |
todayerror | 不匹配 |
nottoday123error | 不匹配 |
today123caerror | 不匹配 |
正则表达式的价值
文本处理三剑客
| 名称 | 描述 |
|---|---|
grep | 内容过滤器，用于在文本文件中搜索特定的文本模式 |
awk | 文本分析器，用于在文本文件中进行数据处理和分析 |
sed | 行文本处理器，用于在文本文件中进行文本的搜索、替换和编辑 |
+正则表达式 => 如有 Buffer 伴身