正则表达式(Regular Expression)，又称正规表示法、常规表示法，在实际的软件开发项目中经常会被使用到。它使用单个字符串来描述、匹配并获取一系列符合某个句法规则的结果。

正则表达式起源

1956年，数学家Stephen Kleene在Warren McCulloch和Walter Pitts早期神经系统工作的基础上，设计出了一个数学符号体系——regular sets(规则的集合)，这个东西很快被计算机科学家用于编译器的扫描或词法分析。由于正则表达式强大的文本处理能力，很快被应用到Unix的工具软件grep中；此后，正则表达式被广泛应用于Unix系操作系统、Perl、PHP，Delphi、JAVAScript、C#(.NET)、JAVA、python、Ruby等语言和开发环境中。

正则表达式定义

正则表达式是用来描述字符串特定结构(规则)的语言，由相关引擎执行。正则表达式形象化的描述如图1所示。

图1 正则表达式形象化的描述

正则表达式作用

1.数据验证

测试输入的字符串，是否符合一定的规则，是否允许输入等。例如，可对Email地址合法性、网址、电话号码、出生年月等进行验证。

2.操作文本

用来识别文档中的特定文本、完全删除该文本或者用其它文本或字符替换。

3.提取子字符串

基于模式匹配，可以查找文档内或输入域内特定的文本，在涉及替换操作时往往都需要先提取。

正则表达式基本语法

1.直接量字符(通常是不可见的字符及匹配自身的字符)

2.字符类(可以匹配多种字符)

3.重复

4.选择、分组和锚字符

5. 标志(标示引擎的工作模式)

说明：

在正则表达式前用“(?i)”标示，例如：(?i)^root$，则root、Root、ROOT都符合要求。

6.其它

1) 匹配元字符“( [ { \ ^ $ | ) ? * + .”，需要用“\”转义。

   例如：匹配“.”，正则表达式为“\.”。

2) 贪婪量词与惰性量词

惰性量词仅仅在贪婪量词后面加个“?”。

用贪婪量词进行匹配时，它首先会将整个字符串当成一个匹配，如果匹配成功就退出，如果不匹配，就截去最后一个字符进行匹配；如果不匹配，继续将最后一个字符截去进行匹配，直到有字符匹配为止。

用惰性量词进行匹配时，它首先将第一个字符当成一个匹配，如果成功则退出；如果失败，则测试前两个字符，依次增加，直到遇到合适的匹配为止 。

例如：“\d+”是贪婪量词，而“\d+?”是非贪婪(惰性)量词。

3) 子匹配

内部的分组匹配，用“()”标示一个分组。

子匹配的每个分组都被放在一个特殊的地方以备将来使用，这些被存储的值是分组中的特殊值，称之为反向引用。

例如：验证输入的是日期，再提取到月份，其正则表达式为“^\d{4}\-(\d{2})\-\d{2}$”。

4) 正向前瞻和负向前瞻

正向前瞻：(?<=字符)或(?=字符)

注意：一定要有等于才行。

负向前瞻：(?<!字符)或(?!字符)

注意：一定要有不等于才行。

也就是说，我们可以自己制定匹配的边界在哪里，这在字符串提取时常用。

示例：

例1，我们取“#”之前的字符，但是不包括“#”，其正则表达式：[\w]+(?=#)

例2，我们取不在“#”之前的字符，但是不包括“#”，其正则表达式： [\w]+(?!#)

例3，我们取“<>”之间的字符，但是不包括“<>”，其正则表达式： (?<=<)[\w]+(?=>)

正则表达式常见用法

1.数字

1)正整数： ^[1-9][0-9]*$

2)非正整数： ^((-[1-9][0-9]*)|(0))$

3)负整数：^-[1-9][0-9]*$

4)整数： ^(0|-?[1-9][0-9]*)$

5)非负浮点数：^\d+(\.\d+)?$

2.字母

1)英文字符串：^[A-Za-z]+$

2)英文大写串：^[A-Z]+$

3)英文小写串：^[a-z]+$

4)英文字符数字串：^[A-Za-z0-9]+$

5)英文数字加下划线串：^\w+$

3.其它

1.E-mail地址：^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$

2.URL：^http:\/\/[A-Za-z0-9]+\.[A-Za-z0-9]+[\/=\?%\-&_~`@[\]\':+!]*([^<>\"\"])*$

3.邮政编码：^[1-9]\d{5}$

4.中文：^[\u4e00-\u9fA5]+$

5.电话号码：^((\(\d{2,3}\))|(\d{3}\-))?(\(0\d{2,3}\)|0\d{2,3}-)?[1-9]\d{6,7}(\-\d{1,4})?$

6.手机号码：^1\d{10}$

7.首尾空格：(^\s+)|(\s+$)

8.身份证：^(\d{15}|\d{18})$      (注：中国的身份证为15位或18位)

9.账号：^[a-zA-Z]\w{4,15}$      (注：字母开头，允许5-16字节，允许字母数字下划线)

10.IP：^([1-9]\d{0,1}|1\d{2}|2[0-4]\d|25[0-5])(\.([1-9]\d{0,1}|1\d{2}|2[0-4]\d|25[0-5])){3}$   (IP是由大于等于0且小于等于255的数字、“.”组成的，验证每个数字分项再和“.”拼接就可以了)

总结

正则表达式的功能非常的强大，大家在实际使用到的时候才能够感觉得到。当然，要想同时记住这么多的正则表达式的规则，也不是简单的事情。大家可以将常见的正则表达式记录下来(就像本文一样)，待需要用到的时候可以拿出来参考。