用途 | 正则表达式 | 说明 |
---|---|---|
电子邮箱 | ^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$ | 匹配标准邮箱格式 |
手机号(中国) | ^1[3-9]\d{9}$ | 匹配11位中国大陆手机号 |
URL | ^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$ | 匹配http/https协议的URL |
日期(YYYY-MM-DD) | ^\d{4}-\d{2}-\d{2}$ | 匹配年-月-日格式 |
IPv4地址 | ^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$ | 匹配IPv4地址 |
HTML标签 | <([a-z]+)([^<]+)*(?:>(.*?)<\/\1>|\s*\/>) | 匹配基本HTML标签 |
中文字符 | ^[\u4e00-\u9fa5]+$ | 匹配纯中文字符 |
身份证号(中国) | ^(\d{15}|\d{17}[\dxX])$ | 匹配15位或18位身份证号 |
邮政编码(中国) | ^\d{6}$ | 匹配6位数字邮政编码 |
密码强度 | ^(?=.*\d)(?=.*[a-zA-Z]).{8,}$ | 至少8位且含字母和数字 |
QQ号 | ^[1-9][0-9]{4,14}$ |
5-15位数字,首位非0 |
正整数 | ^[1-9]\d*$ |
不含前导零的正整数 |
负整数 | ^-\d+$ |
必须带负号且不含前导零 |
整数 | ^-?[1-9]\d*$ |
含正负的整数(不含零) |
小数 | ^-?(?:0|[1-9]\d*)\.\d+$ |
含正负,必须包含小数点 |
科学计数法 | ^-?\d+(?:\.\d+)?[eE][+-]?\d+$ |
匹配如 3.14e+2 |
允许前导零的整数 | ^-?\d+$ |
如 0012、-045 |
简写小数格式 | ^-?\d*\.?\d+$ |
允许 .5 或 0.5 格式 |
字符 | 描述(正则表达式有多种不同的风格。表中是在PCRE中元字符及其在正则表达式上下文中的行为的一个完整列表:) |
---|---|
\ | 将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如,“n”匹配字符“n”。“\n”匹配一个换行符。序列“\\”匹配“\”而“\(”则匹配“(”。 |
^ | 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。 |
$ | 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。 |
* | 匹配前面的子表达式零次或多次。例如,zo*能匹配“z”以及“zoo”。*等价于{0,}。 |
+ | 匹配前面的子表达式一次或多次。例如,“zo+”能匹配“zo”以及“zoo”,但不能匹配“z”。+等价于{1,}。 |
? | 匹配前面的子表达式零次或一次。例如,“do(es)?”可以匹配“do”或“does”中的“do”。?等价于{0,1}。 |
{n} | n是一个非负整数。匹配确定的n次。例如,“o{2}”不能匹配“Bob”中的“o”,但是能匹配“food”中的两个o。 |
{n,} | n是一个非负整数。至少匹配n次。例如,“o{2,}”不能匹配“Bob”中的“o”,但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。 |
{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。例如,“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。 |
? | 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。例如,对于字符串“oooo”,“o+?”将匹配单个“o”,而“o+”将匹配所有“o”。 |
. | 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,请使用像“[.\n]”的模式。 |
(pattern) | 匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中则使用$0…$9属性。要匹配圆括号字符,请使用“\(”或“\)”。 |
(?: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。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。 |
(?=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。例如,“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”,但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。 |
(?!pattern) | 负向预查,在任何不匹配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。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”,但不能匹配“Windows2000”中的“Windows”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始 |
x|y | 匹配x或y。例如,“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。 |
[xyz] | 字符集合。匹配所包含的任意一个字符。例如,“[abc]”可以匹配“plain”中的“a”。 |
[^xyz] | 负值字符集合。匹配未包含的任意字符。例如,“[^abc]”可以匹配“plain”中的“p”。 |
[a-z] | 字符范围。匹配指定范围内的任意字符。例如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。 |
[^a-z] | 负值字符范围。匹配任何不在指定范围内的任意字符。例如,“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。 |
\b | 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”。 |
\B | 匹配非单词边界。“er\B”能匹配“verb”中的“er”,但不能匹配“never”中的“er”。 |
\cx | 匹配由x指明的控制字符。例如,\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则,将c视为一个原义的“c”字符。 |
\d | 匹配一个数字字符。等价于[0-9]。 |
\D | 匹配一个非数字字符。等价于[^0-9]。 |
\f | 匹配一个换页符。等价于\x0c和\cL。 |
\n | 匹配一个换行符。等价于\x0a和\cJ。 |
\r | 匹配一个回车符。等价于\x0d和\cM。 |
\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]。 |
\S | 匹配任何非空白字符。等价于[^\f\n\r\t\v]。 |
\t | 匹配一个制表符。等价于\x09和\cI。 |
\v | 匹配一个垂直制表符。等价于\x0b和\cK。 |
\w | 匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。 |
\W | 匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。 |
\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。例如,“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。. |
\num | 匹配num,其中num是一个正整数。对所获取的匹配的引用。例如,“(.)\1”匹配两个连续的相同字符。 |
\n | 标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式,则n为向后引用。否则,如果n为八进制数字(0-7),则n为一个八进制转义值。 |
\nm | 标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式,则nm为向后引用。如果\nm之前至少有n个获取,则n为一个后跟文字m的向后引用。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。 |
\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。 |
\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。例如,\u00A9匹配版权符号(?)。 |
定义:
一种用于文本模式匹配的字符串规则,通过特定语法描述字符组合特征,常用于:
组成要素:
元素类型 | 说明 | 示例 |
---|---|---|
普通字符 | 直接匹配文本 | a 匹配字母"a" |
元字符 | 具有特殊功能的符号 | . 匹配任意字符 |
转义字符 | 使元字符失去特殊功能 | \. 匹配小数点 |
元字符/语法 | 功能描述 | 等价形式 |
---|---|---|
\d | 匹配数字(0-9) | [0-9] |
\w | 匹配字母、数字、下划线 | [A-Za-z0-9_] |
^ / $ | 匹配字符串开始/结束位置 | - |
[abc] | 匹配方括号内的任意字符 | - |
a{3} | 匹配字符"a"连续出现3次 | aaa |
.* | 贪婪匹配任意长度字符 | - |
.*? | 非贪婪匹配(最短匹配) | - |
​表单验证​
// 手机号验证(中国大陆) /^1[3-9]\d{9}$/.test("13812345678") // true
​日志分析​
# 提取IP地址 import re re.findall(r'\b(?:25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d\d?)\b', log)
​文本清洗​
// 移除HTML标签 String cleanText = html.replaceAll("<[^>]+>", "");
优势 | 局限性 |
---|---|
高效处理复杂文本模式 | 复杂表达式可读性差 |
跨语言支持(JS/Py/Java等) | 部分语法差异需注意(如后视断言) |
单行模式性能优异 | 超长文本可能性能下降 |