在程序开发中,难免会遇到需要匹配、查找、替换、判断字符串的情况发生,而这些情况有时又比较复杂,如果用纯编码方式解决,往往会浪费程序员的时间及精力。因此,学习及使用正则表达式,便成了解决这一矛盾的主要手段。
正则表达式是一种可以用于模式匹配和替换的规范,一个正则表达式就是由普通的字符(例如字符a到z)以及特殊字符(元字符)组成的文字模式,它 用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
正则表达式的特点是:
1、灵活性、逻辑性和功能性非常强;
2、可以迅速地用极简单的方式达到字符串的复杂控制。
3、对于刚接触的人来说,比较晦涩难懂。
由于正则表达式主要应用对象是文本,因此它在各种文本编辑器场合都有应用,小到著名编辑器EditPlus,大到Microsoft Word、Visual Studio等大型编辑器,都可以使用正则表达式来处理文本内容。
常用的正则表达式大全:(1) "^\d+$"//非负整数(正整数 + 0)
(2) "^[0-9]*[1-9][0-9]*$"//正整数
(3) "^((-\d+)|(0+))$"//非正整数(负整数 + 0)
(4) "^-[0-9]*[1-9][0-9]*$"//负整数
(5) "^-?\d+$"//整数
(6) "^\d+(\.\d+)?$"//非负浮点数(正浮点数 + 0)
(7) "^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$"//正浮点数
(8) "^((-\d+(\.\d+)?)|(0+(\.0+)?))$"//非正浮点数(负浮点数 + 0)
(9) "^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$"//负浮点数
(10) "^(-?\d+)(\.\d+)?$"//浮点数
(11) "^[A-Za-z]+$"//由26个英文字母组成的字符串
(12) "^[A-Z]+$"//由26个英文字母的大写组成的字符串
(13) "^[a-z]+$"//由26个英文字母的小写组成的字符串
(14) "^[A-Za-z0-9]+$"//由数字和26个英文字母组成的字符串
(15) "^\w+$"//由数字、26个英文字母或者下划线组成的字符串
(16) "^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$"//email地址
(17) "^[a-zA-z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\S*)?$"//url
(18) /^(d{2}|d{4})-((0([1-9]{1}))|(1[1|2]))-(([0-2]([1-9]{1}))|(3[0|1]))$/ // 年-月-日
(19) /^((0([1-9]{1}))|(1[1|2]))/(([0-2]([1-9]{1}))|(3[0|1]))/(d{2}|d{4})$/ // 月/日/年
(20) "^([w-.]+)@(([[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.)|(([w-]+.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(]?)$" //Emil
(21) /^((\+?[0-9]{2,4}\-[0-9]{3,4}\-)|([0-9]{3,4}\-))?([0-9]{7,8})(\-[0-9]+)?$/ //电话号码
(22) "^(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5])$" //IP地址
(23)
(24) 匹配中文字符的正则表达式: [\u4e00-\u9fa5]
(25) 匹配双字节字符(包括汉字在内):[^\x00-\xff]
(26) 匹配空行的正则表达式:\n[\s| ]*\r
(27) 匹配HTML标记的正则表达式:/<(.*)>.*<\/\1>|<(.*) \/>/
(28) 匹配首尾空格的正则表达式:(^\s*)|(\s*$)
(29) 匹配Email地址的正则表达式:\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
(30) 匹配网址URL的正则表达式:^[a-zA-z]+://(\\w+(-\\w+)*)(\\.(\\w+(-\\w+)*))*(\\?\\S*)?$
(31) 匹配帐号是否合法(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}$
(32) 匹配国内电话号码:(\d{3}-|\d{4}-)?(\d{8}|\d{7})?
(33) 匹配腾讯QQ号:^[1-9]*[1-9][0-9]*$
(34) 元字符及其在正则表达式上下文中的行为:
(35) \ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符。
(36) ^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的Multiline 属性,^ 也匹配 ’\n’ 或 ’\r’ 之后的位置。
(37) $ 匹配输入字符串的结束位置。如果设置了 RegExp 对象的Multiline 属性,$ 也匹配 ’\n’ 或 ’\r’ 之前的位置。
(38) * 匹配前面的子表达式零次或多次。
(39) + 匹配前面的子表达式一次或多次。+ 等价于 {1,}。
(40) ? 匹配前面的子表达式零次或一次。? 等价于 {0,1}。
(41) {n} n 是一个非负整数,匹配确定的n 次。
(42) {n,} n 是一个非负整数,至少匹配n 次。
(43) {n,m} m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。在逗号和两个数之间不能有空格。
(44) ? 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。
(45) . 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,请使用象 ’[.\n]’ 的模式。
(46) (pattern) 匹配pattern 并获取这一匹配。
(47) (?:pattern) 匹配pattern 但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。
(48) (?=pattern) 正向预查,在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。
(49) (?!pattern) 负向预查,与(?=pattern)作用相反
(50) x|y 匹配 x 或 y。
(51) [xyz] 字符集合。
(52) [^xyz] 负值字符集合。
(53) [a-z] 字符范围,匹配指定范围内的任意字符。
(54) [^a-z] 负值字符范围,匹配任何不在指定范围内的任意字符。
(55) \b 匹配一个单词边界,也就是指单词和空格间的位置。
(56) \B 匹配非单词边界。
(57) \cx 匹配由x指明的控制字符。
(58) \d 匹配一个数字字符。等价于 [0-9]。
(59) \D 匹配一个非数字字符。等价于 [^0-9]。
(60) \f 匹配一个换页符。等价于 \x0c 和 \cL。
(61) \n 匹配一个换行符。等价于 \x0a 和 \cJ。
(62) \r 匹配一个回车符。等价于 \x0d 和 \cM。
(63) \s 匹配任何空白字符,包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
(64) \S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
(65) \t 匹配一个制表符。等价于 \x09 和 \cI。
(66) \v 匹配一个垂直制表符。等价于 \x0b 和 \cK。
(67) \w 匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。
(68) \W 匹配任何非单词字符。等价于 ’[^A-Za-z0-9_]’。
(69) \xn 匹配 n,其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。
(70) \num 匹配 num,其中num是一个正整数。对所获取的匹配的引用。
(71) \n 标识一个八进制转义值或一个后向引用。如果 \n 之前至少 n 个获取的子表达式,则 n 为后向引用。否则,如果 n 为八进制数字 (0-7),则 n 为一个八进制转义值。
(72) \nm 标识一个八进制转义值或一个后向引用。如果 \nm 之前至少有is preceded by at least nm 个获取得子表达式,则 nm 为后向引用。如果 \nm 之前至少有 n 个获取,则 n 为一个后跟文字 m 的后向引用。如果前面的条件都不满足,若 n 和 m 均为八进制数字 (0-7),则 \nm 将匹配八进制转义值 nm。
(73) \nml 如果 n 为八进制数字 (0-3),且 m 和 l 均为八进制数字 (0-7),则匹配八进制转义值 nml。
(74) \un 匹配 n,其中 n 是一个用四个十六进制数字表示的Unicode字符。
(75) 匹配中文字符的正则表达式: [u4e00-u9fa5]
(76) 匹配双字节字符(包括汉字在内):[^x00-xff]
(77) 匹配空行的正则表达式:n[s| ]*r
(78) 匹配HTML标记的正则表达式:/<(.*)>.*</1>|<(.*) />/
(79) 匹配首尾空格的正则表达式:(^s*)|(s*$)
(80) 匹配Email地址的正则表达式:w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
(81) 匹配网址URL的正则表达式:http://([w-]+.)+[w-]+(/[w- ./?%&=]*)?
(82) 利用正则表达式限制网页表单里的文本框输入内容:
(83) 用正则表达式限制只能输入中文:οnkeyup="value=value.replace(/[^u4E00-u9FA5]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^u4E00-u9FA5]/g,''))"
(84) 用正则表达式限制只能输入全角字符: οnkeyup="value=value.replace(/[^uFF00-uFFFF]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^uFF00-uFFFF]/g,''))"
(85) 用正则表达式限制只能输入数字:οnkeyup="value=value.replace(/[^d]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^d]/g,''))"
(86) 用正则表达式限制只能输入数字和英文:οnkeyup="value=value.replace(/[W]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^d]/g,''))"
(87) 整理:
(88) 匹配中文字符的正则表达式: [\u4e00-\u9fa5]
(89) 匹配双字节字符(包括汉字在内):[^\x00-\xff]
(90) 匹配空行的正则表达式:\n[\s| ]*\r
(91) 匹配HTML标记的正则表达式:/<(.*)>.*<\/\1>|<(.*) \/>/
(92) 匹配首尾空格的正则表达式:(^\s*)|(\s*$)
(93) 匹配IP地址的正则表达式:/(\d+)\.(\d+)\.(\d+)\.(\d+)/g //
(94) 匹配Email地址的正则表达式:\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
(95) 匹配网址URL的正则表达式:http://(/[\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?
(96) sql语句:^(select|drop|delete|create|update|insert).*$
(97) 非负整数:^\d+$
(98) 正整数:^[0-9]*[1-9][0-9]*$
(99) 非正整数:^((-\d+)|(0+))$
(100) 负整数:^-[0-9]*[1-9][0-9]*$
(101) 整数:^-?\d+$
(102) 非负浮点数:^\d+(\.\d+)?$
(103) 正浮点数:^((0-9)+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
(104) 非正浮点数:^((-\d+\.\d+)?)|(0+(\.0+)?))$
(105) 负浮点数:^(-((正浮点数正则式)))$
(106) 英文字符串:^[A-Za-z]+$
(107) 英文大写串:^[A-Z]+$
(108) 英文小写串:^[a-z]+$
(109) 英文字符数字串:^[A-Za-z0-9]+$
(110) 英数字加下划线串:^\w+$
(111) E-mail地址:^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$
(112) URL:^[a-zA-Z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\s*)?$
或:^http:\/\/[A-Za-z0-9]+\.[A-Za-z0-9]+[\/=\?%\-&_~`@[\]\':+!]*([^<>\"\"])*$
(113) 邮政编码:^[1-9]\d{5}$
(114) 中文:^[\u0391-\uFFE5]+$
(115) 电话号码:^((\d2,3 \d2,3)|(\d{3}\-))?(0\d2,3 0\d2,3|0\d{2,3}-)?[1-9]\d{6,7}(\-\d{1,4})?$
(116) 手机号码:^((\d2,3 \d2,3)|(\d{3}\-))?13\d{9}$
(117) 双字节字符(包括汉字在内):^\x00-\xff
(118) 匹配首尾空格:(^\s*)|(\s*$)(像vbscript那样的trim函数)
(119) 匹配HTML标记:<(.*)>.*<\/\1>|<(.*) \/>
(120) 匹配空行:\n[\s| ]*\r
(121) 提取信息中的网络链接:(h|H)(r|R)(e|E)(f|F) *= *('|")?(\w|\\|\/|\.)+('|"| *|>)?
(122) 提取信息中的邮件地址:\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
(123) 提取信息中的图片链接:(s|S)(r|R)(c|C) *= *('|")?(\w|\\|\/|\.)+('|"| *|>)?
(124) 提取信息中的IP地址:(\d+)\.(\d+)\.(\d+)\.(\d+)
(125) 提取信息中的中国手机号码:(86)*0*13\d{9}
(126) 提取信息中的中国固定电话号码:(\d3,4 \d3,4|\d{3,4}-|\s)?\d{8}
(127) 提取信息中的中国电话号码(包括移动和固定电话):(\d3,4 \d3,4|\d{3,4}-|\s)?\d{7,14}
(128) 提取信息中的中国邮政编码:[1-9]{1}(\d+){5}
(129) 提取信息中的浮点数(即小数):(-?\d*)\.?\d+
(130) 提取信息中的任何数字 :(-?\d*)(\.\d+)?
(131) IP:(\d+)\.(\d+)\.(\d+)\.(\d+)
(132) 电话区号:/^0\d{2,3}$/
(133) 腾讯QQ号:^[1-9]*[1-9][0-9]*$
(134) 帐号(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}$
(135) 中文、英文、数字及下划线:^[\u4e00-\u9fa5_a-zA-Z0-9]+$
希望对您有所帮助!~
Java正则表达式正则表达式的语法知识:Java支持Perl 5 正则表达式语法的一个子集。一个重要的问题是Java没有正则表达式常量,而是使用简单的老的字符串常量代替的。这就意味着,你需要一个的额外等级的转换。例如,正则表达式\s+不得不表示为“\\s+”这样的字符串。转义序列(Escapesequences):\
引用后面的元字符(metacharacter) (例如 \. 匹配.) 。
\Q
引用后面所有的元字符直到遇到 \E 。
\E
停止引用元字符 (和 \Q 开始配合使用)。
\\
一个文字反斜杠\。
\uhhhh
Unicode字符 U+hhhh (16进制)。
\xhh
Unicode字符 U+00hh (16进制)。
\cx
ASCII的控制字符 ^x (比如 \cH 可以是 ^H, U+0008)。
\a
ASCII bell 字符 (U+0007)。
\e
ASCII ESC字符r (U+001b)。
\f
ASCII[size=17.280000686645508px]换页字符 (U+000c)。
\n
ASCII 换行字符 (U+000a)。
\r
ASCII 回车字符 (U+000d)。
\t
ASCII tab 字符 (U+0009)。
字符类(Characterclasses)使用集合运算来构建字符类是完全可行的:
[abc]
任意 a, b, 或 c字符。(枚举)
[a-c]
任意a-c范围的字符,即任意 a, b,或 c。 (范围)
[^abc]
除了a, b, 或 c以外的任意字符。 (否定)
[[a-f][0-9]]
任意字符,是a-f,或者0-9。 (联合)
[[a-z]&&[jkl]]
同时满足两个范围的任意字符。 (交叉)
大多数时候,构造的字符类更有用:
\d
任意数字字符。
\D
任意非数字字符。
\s
任意空白字符
\S
任意非空白字符
\w
Any word character.
\W
Any non-word character.
\p{NAME}
Any character in the class with the given NAME.
\P{NAME}
Any character not in the named class.
各种命名的类:
·Unicodecategory names, prefixed by Is. For example \p{IsLu} forall uppercase letters.
·POSIX class names. These are'Alnum', 'Alpha', 'ASCII', 'Blank', 'Cntrl', 'Digit', 'Graph', 'Lower','Print', 'Punct', 'Upper', 'XDigit'.
·Unicode block names, as usedby forName(String) prefixedby In. For example \p{InHebrew} for all characters in the Hebrewblock.
·Character method names. These areall non-deprecated methods from Character whosename starts with is, but with the is replaced by java. Forexample,\p{javaLowerCase}.
定量修饰符(Quantifiers)
定量修饰符匹配一些数量的之前提到的语法表达式。
*
0个或更多
?
0个或1个
+
1个或更多
{n}
确切的n个
{n,}
至少n个
{n,m}
至少n个,不超过m个
定量修饰符默认是贪婪的,意思是它将匹配最长可能的输入序列。也有不贪婪(又称懒惰)的定量修饰符,它匹配最小可能性的输入序列。他们在贪婪方面是一样的,除了后面的?:
*?
Zero or more (non-greedy).
??
Zero or one (non-greedy).
+?
One or more (non-greedy).
{n}?
Exactly n (non-greedy).
{n,}?
At least n (non-greedy).
{n,m}?
At least n but not more than m (non-greedy).
定量修饰符默认允许回溯。也可以避免定量修饰符的回溯。他们除了在后面的+:外,都是一样的。
*+
Zero or more (possessive).
?+
Zero or one (possessive).
++
One or more (possessive).
{n}+
Exactly n (possessive).
{n,}+
At least n (possessive).
{n,m}+
At least n but not more than m (possessive).
零宽断言(Zero-widthassertions)
^
At beginning of line.
$
At end of line.
\A
At beginning of input.
\b
At word boundary.
\B
At non-word boundary.
\G
At end of previous match.
\z
At end of input.
\Z
At end of input, or before newline at end.
四处查看断言(Look-aroundassertions)
四处查看断言主张does(positive)的子模式或doesn't(negative)匹配在(look-ahead)后面或者(look-behind)前面【也就是从当前位置向前或向后查找】不包括包含的匹配文字。向后查找模式可能匹配的最大长度必须不是不受控制的。
(?=a)
Zero-width positive look-ahead.
(?!a)
Zero-width negative look-ahead.
(?<=a)
Zero-width positive look-behind.
(?<!a)
Zero-width negative look-behind.
分组(Groups)
(a)
A capturing group.
(?:a)
A non-capturing group.
(?>a)
An independent non-capturing group. (The first match of the subgroup is the only match tried.)
\n
The text already matched by capturing group n.
查看group()的详细信息来了解如何捕捉分组是有限的和可访问的。
运算符(Operators)
ab
Expression a followed by expression b.
a|b
Either expression a or expression b.
标记(Flags)
(?dimsux-dimsux:a)
Evaluates the expression a with the given flags enabled/disabled.
(?dimsux-dimsux)
Evaluates the rest of the pattern with the given flags enabled/disabled.
标记:
i
CASE_INSENSITIVE
case insensitive matching
d
UNIX_LINES
only accept '\n' as a line terminator
m
MULTILINE
allow ^ and $ to match beginning/end of any line
s
DOTALL
allow . to match '\n' ("s" for "single line")
u
UNICODE_CASE
enable Unicode case folding
x
COMMENTS
allow whitespace and comments
任何一个flags的集合可能是空的。例如,(?i-m)可能打开字符敏感,可能关闭多线模式,(?i)可能打开字符敏感,(?-m)可能关闭多线模式。
注意,在Android中,UNICODE字符永远打开:字符不敏感的匹配永远是unicode的。
还有两个另外的标记不可设定的机制:CANON_EQ和LITERAL。
在Android中试图使用CANON_EQ会抛出异常。
实现注释(Implementationnotes)
在Android中的正则表达式实现是由ICU提供的。正则表达式的符号主要是在其他Java语言实现的超集。这就意味着目前的应用程序将如预期的正常工作。但是也有很小的可能性事,Android 可以接受的正则表达式,不能被其他实现所接受。有时候,Android将识别一个简单、特例的、能被更有效处理的正则表达式。这对String中的便利的方法和Pattern中的方法都适用。