60分钟精通正则表达式
六十分鐘內讓你明白正則表達式是什么、怎么用、常用場景——@Author 云天河Blog
正則表達式，看起來很復雜，但是你跟著我一步一步走，你會發，其實明白了原理，一切都沒那么難的。
這篇文章，不是說你看了一遍就真的會了。你看第一遍的時候，也許是似懂非懂，第二遍，豁然開朗，第三遍，也許就legendary了。
當然，我指的不是真的只是看，你得在每次看的時候，自己都動手實際操作一下。
正則表達式概念
?
以下概念源于度娘：
正則表達式是對字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規則字符串”，這個“規則字符串”用來表達對字符串的一種過濾邏輯。
給定一個正則表達式和另一個字符串，我們可以達到如下的目的：
1. 給定的字符串是否符合正則表達式的過濾邏輯（稱作“匹配”）；
2. 可以通過正則表達式，從字符串中獲取我們想要的特定部分。
正則表達式的特點是：
1. 靈活性、邏輯性和功能性非常的強；
2. 可以迅速地用極簡單的方式達到字符串的復雜控制。
3. 對于剛接觸的人來說，比較晦澀難懂。
由于正則表達式主要應用對象是文本，因此它在各種文本編輯器場合都有應用，小到著名編輯器EditPlus，大到Microsoft Word、Visual Studio等大型編輯器，都可以使用正則表達式來處理文本內容。
?
應用場景
多用在表單規則驗證、網頁數據爬取。。。
入門引導
學習正則表達式的最好方法是從例子開始，理解例子之后再自己對例子進行修改，實驗。下面給出了不少簡單的例子，并對它們作了詳細的說明。
假設你在一篇英文小說里查找hi，你可以使用正則表達式hi。
這幾乎是最簡單的正則表達式了，它可以精確匹配這樣的字符串：由兩個字符組成，前一個字符是h,后一個是i。通常，處理正則表達式的工具會提供一個忽略大小寫的選項，如果選中了這個選項，它可以匹配hi,HI,Hi,hI這四種情況中的任意一種。
不幸的是，很多單詞里包含hi這兩個連續的字符，比如him,history,high等等。用hi來查找的話，這里邊的hi也會被找出來。如果要精確地查找hi這個單詞的話，我們應該使用\bhi\b。
\b是正則表達式規定的一個特殊代碼（好吧，某些人叫它元字符，metacharacter），代表著單詞的開頭或結尾，也就是單詞的分界處。雖然通常英文的單詞是由空格，標點符號或者換行來分隔的，但是\b并不匹配這些單詞分隔字符中的任何一個，它只匹配一個位置。
如果需要更精確的說法，\b匹配這樣的位置：它的前一個字符和后一個字符不全是(一個是,一個不是或不存在)\w。
假如你要找的是hi后面不遠處跟著一個Lucy，你應該用\bhi\b.*\bLucy\b。
這里，.是另一個元字符，匹配除了換行符以外的任意字符。*同樣是元字符，不過它代表的不是字符，也不是位置，而是數量——它指定*前邊的內容可以連續重復使用任意次以使整個表達式得到匹配。因此，.*連在一起就意味著任意數量的不包含換行的字符。現在\bhi\b.*\bLucy\b的意思就很明顯了：先是一個單詞hi,然后是任意個任意字符(但不能是換行)，最后是Lucy這個單詞。
換行符就是'\n',ASCII編碼為10(十六進制0x0A)的字符。
如果同時使用其它元字符，我們就能構造出功能更強大的正則表達式。比如下面這個例子：
0\d\d-\d\d\d\d\d\d\d\d匹配這樣的字符串：以0開頭，然后是兩個數字，然后是一個連字號“-”，最后是8個數字(也就是中國的電話號碼。當然，這個例子只能匹配區號為3位的情形)。
這里的\d是個新的元字符，匹配一位數字(0，或1，或2，或……)。-不是元字符，只匹配它本身——連字符(或者減號，或者中橫線，或者隨你怎么稱呼它)。
為了避免那么多煩人的重復，我們也可以這樣寫這個表達式：0\d{2}-\d{8}。這里\d后面的{2}({8})的意思是前面\d必須連續重復匹配2次(8次)。
?
元字符
?
現在你已經知道幾個很有用的元字符了，如\b,.,*，還有\d.正則表達式里還有更多的元字符，比如\s匹配任意的空白符，包括空格，制表符(Tab)，換行符，中文全角空格等。\w匹配字母或數字或下劃線或漢字等。
對中文/漢字的特殊處理是由php提供的正則表達式引擎支持的，其它環境下的具體情況請查看相關文檔。
下面來看看更多的例子：
\ba\w*\b匹配以字母a開頭的單詞——先是某個單詞開始處(\b)，然后是字母a,然后是任意數量的字母或數字(\w*)，最后是單詞結束處(\b)。
\w指的就是匹配英文字幕匹配字母或數字或下劃線或漢字 ，它后的*表示匹配0次或者多次。
\d+匹配1個或更多連續的數字。這里的+是和*類似的元字符，不同的是*匹配重復任意次(可能是0次)，而+則匹配重復1次或更多次。
\b\w{6}\b 匹配剛好6個字符的單詞。
| 表a.常用的元字符 | |
| 代碼 | 說明 |
| . | 匹配除換行符以外的任意字符 |
| \w | 匹配字母或數字或下劃線或漢字 |
| \s | 匹配任意的空白符 |
| \d | 匹配數字 |
| \b | 匹配單詞的開始或結束 |
| ^ | 匹配字符串的開始 |
| $ | 匹配字符串的結束 |
正則表達式引擎通常會提供一個“測試指定的字符串是否匹配一個正則表達式”的方法，如JavaScript里的RegExp.test()方法或.NET里的Regex.IsMatch()方法。這里的匹配是指是字符串里有沒有符合表達式規則的部分。如果不使用^和$的話，對于\d{5,12}而言，使用這樣的方法就只能保證字符串里包含5到12連續位數字，而不是整個字符串就是5到12位數字。
元字符^（和數字6在同一個鍵位上的符號）和$都匹配一個位置，這和\b有點類似。^匹配你要用來查找的字符串的開頭，$匹配結尾。這兩個代碼在驗證輸入的內容時非常有用，比如一個網站如果要求你填寫的QQ號必須為5位到12位數字時，可以使用：^\d{5,12}$。
這里的{5,12}和前面介紹過的{2}是類似的，只不過{2}匹配只能不多不少重復2次，{5,12}則是重復的次數不能少于5次，不能多于12次，否則都不匹配。
因為使用了^和$，所以輸入的整個字符串都要用來和\d{5,12}來匹配，也就是說整個輸入必須是5到12個數字，因此如果輸入的QQ號能匹配這個正則表達式的話，那就符合要求了。
和忽略大小寫的選項類似，有些正則表達式處理工具還有一個處理多行的選項。如果選中了這個選項，^和$的意義就變成了匹配行的開始處和結束處。
?
字符轉義
?
如果你想查找元字符本身的話，比如你查找.,或者*,就出現了問題：你沒辦法指定它們，因為它們會被解釋成別的意思。這時你就得使用\來取消這些字符的特殊意義。因此，你應該使用\.和\*。當然，要查找\本身，你也得用\\.
例如：
你要匹配?
字符串 ? ? ? ??"C:\redis\redis-cli.exe"?
你必須寫成 "C:\\redis\\redis-cli.exe"
那個反斜杠在匹配時才不會丟失
?
重復
?
你已經看過了前面的*,+,{2},{5,12}這幾個匹配重復的方式了。下面是正則表達式中所有的限定符(指定數量的代碼，例如*,{5,12}等)：
| 表b.常用的限定符 | |
| 代碼/語法 | 說明 |
| * | 重復零次或更多次 |
| + | 重復一次或更多次 |
| ? | 重復零次或一次 |
| {n} | 重復n次 |
| {n,} | 重復n次或更多次 |
| {n,m} | 重復n到m次 |
下面是一些使用重復的例子：
Windows\d+匹配Windows后面跟1個或更多數字
^\w+匹配一行的第一個單詞(或整個字符串的第一個單詞，具體匹配哪個意思得看選項設置)
字符類
要想查找數字，字母或數字，空白是很簡單的，因為已經有了對應這些字符集合的元字符，但是如果你想匹配沒有預定義元字符的字符集合(比如元音字母a,e,i,o,u),應該怎么辦？
很簡單，你只需要在方括號里列出它們就行了，像[aeiou]就匹配任何一個英文元音字母，[.?!]匹配標點符號(.或?或!)。
我們也可以輕松地指定一個字符范圍，像[0-9]代表的含意與\d就是完全一致的：一位數字；同理[a-z0-9A-Z_]也完全等同于\w（如果只考慮英文的話）。
下面是一個更復雜的表達式：\(?0\d{2})[-]?\d{8}。
“(”和“)”也是元字符，后面的分組節里會提到，所以在這里需要使用轉義。
這個表達式可以匹配幾種格式的電話號碼，像(010)88886666，或022-22334455，或02912345678等。我們對它進行一些分析吧：首先是一個轉義字符\(,它能出現0次或1次(?),然后是一個0，后面跟著2個數字(\d{2})，然后是)或-或空格中的一個，它出現1次或不出現(?)，最后是8個數字(\d{8})。
分枝條件
不幸的是，剛才那個表達式也能匹配010)12345678或(022-87654321這樣的“不正確”的格式。要解決這個問題，我們需要用到分枝條件。正則表達式里的分枝條件指的是有幾種規則，如果滿足其中任意一種規則都應該當成匹配，具體方法是用|把不同的規則分隔開。聽不明白？沒關系，看例子：
0\d{2}-\d{8}|0\d{3}-\d{7}這個表達式能匹配兩種以連字號分隔的電話號碼：一種是三位區號，8位本地號(如010-12345678)，一種是4位區號，7位本地號(0376-2233445)。
\(?0\d{2}\)?[-]?\d{8}|0\d{2}[- ]?\d{8}這個表達式匹配3位區號的電話號碼，其中區號可以用小括號括起來，也可以不用，區號與本地號間可以用連字號或空格間隔，也可以沒有間隔。你可以試試用分枝條件把這個表達式擴展成也支持4位區號的。
\d{5}-\d{4}|\d{5}這個表達式用于匹配美國的郵政編碼。美國郵編的規則是5位數字，或者用連字號間隔的9位數字。之所以要給出這個例子是因為它能說明一個問題：使用分枝條件時，要注意各個條件的順序。如果你把它改成\d{5}|\d{5}-\d{4}的話，那么就只會匹配5位的郵編(以及9位郵編的前5位)。原因是匹配分枝條件時，將會從左到右地測試每個條件，如果滿足了某個分枝的話，就不會去再管其它的條件了。
分組
我們已經提到了怎么重復單個字符（直接在字符后面加上限定符就行了）；但如果想要重復多個字符又該怎么辦？你可以用小括號來指定子表達式(也叫做分組)，然后你就可以指定這個子表達式的重復次數了，你也可以對子表達式進行其它一些操作(后面會有介紹)。
(\d{1,3}\.){3}\d{1,3}是一個簡單的IP地址匹配表達式。要理解這個表達式，請按下列順序分析它：\d{1,3}匹配1到3位的數字，(\d{1,3}\.){3}匹配三位數字加上一個英文句號(這個整體也就是這個分組)重復3次，最后再加上一個一到三位的數字(\d{1,3})。
IP地址中每個數字都不能大于255. 經常有人問我, 01.02.03.04 這樣前面帶有0的數字, 是不是正確的IP地址呢? 答案是: 是的, IP 地址里的數字可以包含有前導 0 (leading zeroes).
不幸的是，它也將匹配256.300.888.999這種不可能存在的IP地址。如果能使用算術比較的話，或許能簡單地解決這個問題，但是正則表達式中并不提供關于數學的任何功能，所以只能使用冗長的分組，選擇，字符類來描述一個正確的IP地址：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。
理解這個表達式的關鍵是理解2[0-4]\d|25[0-5]|[01]?\d\d?，這里我就不細說了，你自己應該能分析得出來它的意義。
反義
有時需要查找不屬于某個能簡單定義的字符類的字符。比如想查找除了數字以外，其它任意字符都行的情況，這時需要用到反義：
| 表c.常用的反義代碼 | |
| 代碼/語法 | 說明 |
| \W | 匹配任意不是字母，數字，下劃線，漢字的字符 |
| \S | 匹配任意不是空白符的字符 |
| \D | 匹配任意非數字的字符 |
| \B | 匹配不是單詞開頭或結束的位置 |
| [^x] | 匹配除了x以外的任意字符 |
| [^aeiou] | 匹配除了aeiou這幾個字母以外的任意字符 |
例子：\S+匹配不包含空白符的字符串。
<a[^>]+>匹配用尖括號括起來的以a開頭的字符串。
后向引用
使用小括號指定一個子表達式后，匹配這個子表達式的文本(也就是此分組捕獲的內容)可以在表達式或其它程序中作進一步的處理。默認情況下，每個分組會自動擁有一個組號，規則是：從左向右，以分組的左括號為標志，第一個出現的分組的組號為1，第二個為2，以此類推。
a.分組0對應整個正則表達式
b.實際上組號分配過程是要從左向右掃描兩遍的：第一遍只給未命名組分配，第二遍只給命名組分配－－因此所有命名組的組號都大于未命名的組號
c.你可以使用(?:exp)這樣的語法來剝奪一個分組對組號分配的參與權．
后向引用用于重復搜索前面某個分組匹配的文本。例如，\1代表分組1匹配的文本。難以理解？請看示例：
\b(\w+)\b\s+\1\b可以用來匹配重復的單詞，像go go, 或者kitty kitty。這個表達式首先是一個單詞，也就是單詞開始處和結束處之間的多于一個的字母或數字(\b(\w+)\b)，這個單詞會被捕獲到編號為1的分組中，然后是1個或幾個空白符(\s+)，最后是分組1中捕獲的內容（也就是前面匹配的那個單詞）(\1)。
你也可以自己指定子表達式的組名。要指定一個子表達式的組名，請使用這樣的語法：(?<hlz>\w+)(或者把尖括號換成'也行：(?'hlz'\w+)),這樣就把\w+的組名指定為hlz了。要反向引用這個分組捕獲的內容，你可以使用\k<hlz>,所以上一個例子也可以寫成這樣：\b(?<hlz>\w+)\b\s+\k<hlz>\b。
使用小括號的時候，還有很多特定用途的語法。下面列出了最常用的一些：
| 表d.常用分組語法 | ||
| 分類 | 代碼/語法 | 說明 |
| 捕獲 | (exp) | 匹配exp,并捕獲文本到自動命名的組里 |
| (?<name>exp) | 匹配exp,并捕獲文本到名稱為name的組里，也可以寫成(?'name'exp) | |
| (?:exp) | 匹配exp,不捕獲匹配的文本，也不給此分組分配組號 | |
| 零寬斷言 | (?=exp) | 匹配exp前面的位置 |
| (?<=exp) | 匹配exp后面的位置 | |
| (?!exp) | 匹配后面跟的不是exp的位置 | |
| (?<!exp) | 匹配前面不是exp的位置 | |
| 注釋 | (?#comment) | 這種類型的分組不對正則表達式的處理產生任何影響，用于提供注釋讓人閱讀 |
我們已經討論了前兩種語法。第三個(?:exp)不會改變正則表達式的處理方式，只是這樣的組匹配的內容不會像前兩種那樣被捕獲到某個組里面，也不會擁有組號。
?
?
?
?
零寬斷言
接下來的四個用于查找在某些內容(但并不包括這些內容)之前或之后的東西，也就是說它們像\b,^,$那樣用于指定一個位置，這個位置應該滿足一定的條件(即斷言)，因此它們也被稱為零寬斷言。最好還是拿例子來說明吧：
斷言用來聲明一個應該為真的事實。正則表達式中只有當斷言為真時才會繼續進行匹配。
(?=exp)也叫零寬度正預測先行斷言，它斷言自身出現的位置的后面能匹配表達式exp。比如\b\w+(?=ing\b)，匹配以ing結尾的單詞的前面部分(除了ing以外的部分)，如查找I'm singing while you'redancing.時，它會匹配sing和danc。
(?<=exp)也叫零寬度正回顧后發斷言，它斷言自身出現的位置的前面能匹配表達式exp。比如(?<=\bre)\w+\b會匹配以re開頭的單詞的后半部分(除了re以外的部分)，例如在查找reading a book時，它匹配ading。
假如你想要給一個很長的數字中每三位間加一個逗號(當然是從右邊加起了)，你可以這樣查找需要在前面和里面添加逗號的部分：((?<=\d)\d{3})+\b，用它對1234567890進行查找時結果是234567890。
下面這個例子同時使用了這兩種斷言：(?<=\s)\d+(?=\s)匹配以空白符間隔的數字(再次強調，不包括這些空白符)。
負向零寬斷言
前面我們提到過怎么查找不是某個字符或不在某個字符類里的字符的方法(反義)。但是如果我們只是想要確保某個字符沒有出現，但并不想去匹配它時怎么辦？例如，如果我們想查找這樣的單詞--它里面出現了字母q,但是q后面跟的不是字母u,我們可以嘗試這樣：
\b\w*q[^u]\w*\b匹配包含后面不是字母u的字母q的單詞。但是如果多做測試(或者你思維足夠敏銳，直接就觀察出來了)，你會發現，如果q出現在單詞的結尾的話，像Iraq,Benq，這個表達式就會出錯。這是因為[^u]總要匹配一個字符，所以如果q是單詞的最后一個字符的話，后面的[^u]將會匹配q后面的單詞分隔符(可能是空格，或者是句號或其它的什么)，后面的\w*\b將會匹配下一個單詞，于是\b\w*q[^u]\w*\b就能匹配整個Iraq fighting。負向零寬斷言能解決這樣的問題，因為它只匹配一個位置，并不消費任何字符。現在，我們可以這樣來解決這個問題：\b\w*q(?!u)\w*\b。
零寬度負預測先行斷言(?!exp)，斷言此位置的后面不能匹配表達式exp。例如：\d{3}(?!\d)匹配三位數字，而且這三位數字的后面不能是數字；\b((?!abc)\w)+\b匹配不包含連續字符串abc的單詞。
同理，我們可以用(?<!exp),零寬度負回顧后發斷言來斷言此位置的前面不能匹配表達式exp：(?<![a-z])\d{7}匹配前面不是小寫字母的七位數字。
請詳細分析表達式(?<=<(\w+)>).*(?=<\/\1>)，這個表達式最能表現零寬斷言的真正用途。
一個更復雜的例子：(?<=<(\w+)>).*(?=<\/\1>)匹配不包含屬性的簡單HTML標簽內里的內容。(?<=<(\w+)>)指定了這樣的前綴：被尖括號括起來的單詞(比如可能是<b>)，然后是.*(任意的字符串),最后是一個后綴(?=<\/\1>)。注意后綴里的\/，它用到了前面提過的字符轉義；\1則是一個反向引用，引用的正是捕獲的第一組，前面的(\w+)匹配的內容，這樣如果前綴實際上是<b>的話，后綴就是</b>了。整個表達式匹配的是<b>和</b>之間的內容(再次提醒，不包括前綴和后綴本身)。
注釋
小括號的另一種用途是通過語法(?#comment)來包含注釋。例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。
要包含注釋的話，最好是啟用“忽略模式里的空白符”選項，這樣在編寫表達式時能任意的添加空格，Tab，換行，而實際使用時這些都將被忽略。啟用這個選項后，在#后面到這一行結束的所有文本都將被當成注釋忽略掉。例如，我們可以前面的一個表達式寫成這樣：
????? (?<=???# 斷言要匹配的文本的前綴
????? <(\w+)> # 查找尖括號括起來的字母或數字(即HTML/XML標簽)
????? )??????# 前綴結束
????? .*?????# 匹配任意文本
????? (?=????# 斷言要匹配的文本的后綴
????? <\/\1>? # 查找尖括號括起來的內容：前面是一個"/"，后面是先前捕獲的標簽
????? )??????# 后綴結束
貪婪與懶惰
當正則表達式中包含能接受重復的限定符時，通常的行為是（在使整個表達式能得到匹配的前提下）匹配盡可能多的字符。以這個表達式為例：a.*b，它將會匹配最長的以a開始，以b結束的字符串。如果用它來搜索aabab的話，它會匹配整個字符串aabab。這被稱為貪婪匹配。
有時，我們更需要懶惰匹配，也就是匹配盡可能少的字符。前面給出的限定符都可以被轉化為懶惰匹配模式，只要在它后面加上一個問號?。這樣.*?就意味著匹配任意數量的重復，但是在能使整個匹配成功的前提下使用最少的重復。現在看看懶惰版的例子吧：
a.*?b匹配最短的，以a開始，以b結束的字符串。如果把它應用于aabab的話，它會匹配aab（第一到第三個字符）和ab（第四到第五個字符）。
為什么第一個匹配是aab（第一到第三個字符）而不是ab（第二到第三個字符）？簡單地說，因為正則表達式有另一條規則，比懶惰／貪婪規則的優先級更高：最先開始的匹配擁有最高的優先權——The match that begins earliestwins。
| 表e.懶惰限定符 | |
| 代碼/語法 | 說明 |
| *? | 重復任意次，但盡可能少重復 |
| +? | 重復1次或更多次，但盡可能少重復 |
| ?? | 重復0次或1次，但盡可能少重復 |
| {n,m}? | 重復n到m次，但盡可能少重復 |
| {n,}? | 重復n次以上，但盡可能少重復 |
處理案例
PHP正則表達式相關函數
?
preg _match_all
匹配其中所有符合表達式的字符
$matches=array();//預定義一個空數組，用于存放匹配后存放結果
preg_match_all($rule,$content,$matches);//表達式，字符串，存放結果的數組
$matches[$i][$j]; 當$i=0時，
$matches[0][$j];//表示第$j次匹配到的全部內容
//$i>0時；指的是()中獲得的分組
$matches[$i][$j]//表示第$j匹配到的內容中，第$i個()中的內容
PHP示例1，代碼：
?
得到部分結果如下：
$matches[0][0]//表示第一匹配到的 ? ?全部內容
$matches[0][1]//表示第二匹配到的 ? ?全部內容
$matches[1][0]//表示第一次匹配到符合表達式中的內容，而且是 ? ?第一個小括號里的內容
$matches[2][2]//表示第三次匹配到符合表達式中的內容，而且是 ? ?第二個小括號里的內容
preg_match
它與preg_match_all很像，但是它返回的是一維數組罷了，
區別類似于PDO里面的fetch()與fetchAll()的區別
?
?
下面來個PHP案例2，也許你就知道零寬斷言與懶惰它怎么用了，你用你的服務器運行一下這代碼，看看他的輸出是什么吧
?
$string=<<<eof <li><a href="/html/movie/11101/" class="yellow" title="武庚紀">武庚紀</a></li> <li><a href="/html/movie/11135/" title="亞爾斯蘭戰記 風塵亂舞">亞爾斯蘭戰記 風塵亂舞</a></li> <li><a href="/html/movie/11136/" title="智龍迷城X">智龍迷城X</a></li> <li><a href="/html/movie/11137/" title="香蕉喵">香蕉喵</a></li> <li><a href="/html/movie/7104/" title="超能力者齊木楠雄的災難">超能力者齊木楠雄的災難</a></li> <li><a href="/html/movie/11056/" title="靈能百分百">靈能百分百</a></li> <li><a href="/html/movie/11153/" title="彈丸論破3">彈丸論破3</a></li> eof; /** @rule reg $rule 書寫匹配規則 形如 $rule="/正則表達式/匹配模式"; */ $rule="/<li((?!class=\"\w+\").)*class=\"\w+\"(.*?)<\/li>/i"; preg_match_all($rule, $string,$result); echo "<pre>"; var_dump($result);?
?
匹配模式
稍微提一下，PHP中的匹配模式有三種。比如在?PHP案例2?中
$rule="/<li((?!class=\"\w+\").)*class=\"\w+\"(.*?)<\/li>/i";?
是以 /i 結尾的，它表示不區分匹配出來的字母大小寫的
/U表示不要貪婪匹配
平衡組/遞歸匹配
有時我們需要匹配像( 100 * ( 50 + 15 ) )這樣的可嵌套的層次性結構，這時簡單地使用\(.+\)則只會匹配到最左邊的左括號和最右邊的右括號之間的內容(這里我們討論的是貪婪模式，懶惰模式也有下面的問題)。假如原來的字符串里的左括號和右括號出現的次數不相等，比如( 5 / ( 3 + 2 ) ) )，那我們的匹配結果里兩者的個數也不會相等。有沒有辦法在這樣的字符串里匹配到最長的，配對的括號之間的內容呢？
為了避免(和\(把你的大腦徹底搞糊涂，我們還是用尖括號代替圓括號吧。現在我們的問題變成了如何把xx <aa <bbb><bbb> aa> yy這樣的字符串里，最長的配對的尖括號內的內容捕獲出來？
這里需要用到以下的語法構造：
- (?'group') 把捕獲的內容命名為group,并壓入堆棧(Stack)
- (?'-group') 從堆棧上彈出最后壓入堆棧的名為group的捕獲內容，如果堆棧本來為空，則本分組的匹配失敗
- (?(group)yes|no) 如果堆棧上存在以名為group的捕獲內容的話，繼續匹配yes部分的表達式，否則繼續匹配no部分
- (?!) 零寬負向先行斷言，由于沒有后綴表達式，試圖匹配總是失敗
如果你不是一個程序員（或者你自稱程序員但是不知道堆棧是什么東西），你就這樣理解上面的三種語法吧：第一個就是在黑板上寫一個"group"，第二個就是從黑板上擦掉一個"group"，第三個就是看黑板上寫的還有沒有"group"，如果有就繼續匹配yes部分，否則就匹配no部分。
我們需要做的是每碰到了左括號，就在壓入一個"Open",每碰到一個右括號，就彈出一個，到了最后就看看堆棧是否為空－－如果不為空那就證明左括號比右括號多，那匹配就應該失敗。正則表達式引擎會進行回溯(放棄最前面或最后面的一些字符)，盡量使整個表達式得到匹配。
<???????????????????????? #最外層的左括號
??? [^<>]*??????????????? #最外層的左括號后面的不是括號的內容
??? (
??????? (
??????????? (?'Open'<)??? #碰到了左括號，在黑板上寫一個"Open"
??????????? [^<>]*?????? #匹配左括號后面的不是括號的內容
??????? )+
??????? (
??????????? (?'-Open'>)?? #碰到了右括號，擦掉一個"Open"
??????????? [^<>]*??????? #匹配右括號后面不是括號的內容
??????? )+
??? )*
??? (?(Open)(?!))???????? #在遇到最外層的右括號前面，判斷黑板上還有沒有沒擦掉的"Open"；如果還有，則匹配失敗
?
>???????????????????????? #最外層的右括號
平衡組的一個最常見的應用就是匹配HTML,
下面這個例子可以匹配嵌套的<div>標簽：<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>.
來不及說的語法
?
| 表f.尚未詳細討論的語法 | |
| 代碼/語法 | 說明 |
| \a | 報警字符(打印它的效果是電腦嘀一聲) |
| \b | 通常是單詞分界位置，但如果在字符類里使用代表退格 |
| \t | 制表符，Tab |
| \r | 回車 |
| \v | 豎向制表符 |
| \f | 換頁符 |
| \n | 換行符 |
| \e | Escape |
| \0nn | ASCII代碼中八進制代碼為nn的字符 |
| \xnn | ASCII代碼中十六進制代碼為nn的字符 |
| \unnnn | Unicode代碼中十六進制代碼為nnnn的字符 |
| \cN | ASCII控制字符。比如\cC代表Ctrl+C |
| \A | 字符串開頭(類似^，但不受處理多行選項的影響) |
| \Z | 字符串結尾或行尾(不受處理多行選項的影響) |
| \z | 字符串結尾(類似$，但不受處理多行選項的影響) |
| \G | 當前搜索的開頭 |
| \p{name} | Unicode中命名為name的字符類，例如\p{IsGreek} |
| (?>exp) | 貪婪子表達式 |
| (?<x>-<y>exp) | 平衡組 |
| (?im-nsx:exp) | 在子表達式exp中改變處理選項 |
| (?im-nsx) | 為表達式后面的部分改變處理選項 |
| (?(exp)yes|no) | 把exp當作零寬正向先行斷言，如果在這個位置能匹配，使用yes作為此組的表達式；否則使用no |
| (?(exp)yes) | 同上，只是使用空表達式作為no |
| (?(name)yes|no) | 如果命名為name的組捕獲到了內容，使用yes作為表達式；否則使用no |
| (?(name)yes) | 同上，只是使用空表達式作為no |
?
?二次陳述：javascript兼容的個別語法。
?
?
前瞻 [ javascript兼容 ]
支持“正向前瞻”與"負向前瞻"
下面的示例，我們都用這個網址作例句
http://fashion.hlzblog.top下文的所有assert為斷言，也是正則表達式，但是它不會被加入匹配分組
“正向前瞻”
exp(?=assert)常用在匹配框中，匹配assert前面的位置
//案例A (.*)(?=hlzblog)或者(.*(?=hlzblog)) //匹配結果 $0 http://fashion. $1 http://fashion. //正常情況下，關于.*的位置 //用案例A'，來對比案例A來說明 ((?=hlzblog).*)或者(?=hlzblog)(.*) //匹配結果 $0 hlzblog.top $1 hlzblog.top“負向前瞻”
exp(?!assert)常用在匹配框中，匹配不包含assert前面的位置
//案例B //因為負向.*放在斷言的前面和后面都表示(.*)((hlzblog)) (.*(?!hlzblog))或者((?!hlzblog).*) //匹配結果 $0 http://fashion. $1 .捕獲 [ javascript兼容 ]
(?:assert)匹配assert,不捕獲匹配的文本，也不給此分組分配組號
//案例C (.*)(?:hlzblog)(.*) //匹配結果 $0 http://fashion.hlzblog.top $1 http://fashion. $2 .top?
常用的正則案例
?
//校驗登錄名：只能輸入5-20個以字母開頭、可帶數字、“_”、“.”的字串
/^[a-zA-Z]{1}([a-zA-Z0-9]|[._]){4,19}$/^[a-zA-Z]{1} 表示第一個字符要求是字母。([a-zA-Z0-9]|[._]){4,19} 表示從第二位開始（因為它緊跟在上個表達式后面）的一個長度為4到9位的字符串，它要求是由大小寫字母、數字或者特殊字符集[._]組成。//校驗用戶姓名：只能輸入1-30個以字母開頭的字串
/^[a-zA-Z]{1,30}$///校驗密碼：只能輸入6-20個字母、數字、下劃線
/^(\w){6,20}$/\w：用于匹配字母，數字或下劃線字符//校驗普通電話、傳真號碼：可以“+”或數字開頭，可含有“-” 和 “ ”
/^[+]{0,1}(\d){1,3}[ ]?([-]?((\d)|[ ]){1,12})+$/\d：用于匹配從0到9的數字；“?”元字符規定其前導對象必須在目標對象中連續出現零次或一次可以匹配的字符串如：+123 -999 999 ； +123-999 999 ；123 999 999 ；+123 999999等//校驗URL
/^http[s]{0,1}:\/\/.+$/ 或 /^http[s]{0,1}:\/\/.{1,n}$/ (表示url串的長度為length(“https://”) + n )\ / ：表示字符“/”。//校驗純中文字符
/^[\u4E00-\u9FA5]+$/ [\u4E00-\u9FA5] ：估計是中文字符集的范圍吧//正則表達式通用
"^\d+$" //非負整數（正整數 + 0） "^[0-9]*[1-9][0-9]*$" //正整數 "^((-\d+)|(0+))$" //非正整數（負整數 + 0） "^-[0-9]*[1-9][0-9]*$" //負整數 "^-?\d+$" //整數 "^\d+(\.\d+)?$" //非負浮點數（正浮點數 + 0） "^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$" //正浮點數 "^((-\d+(\.\d+)?)|(0+(\.0+)?))$" //非正浮點數（負浮點數 + 0） "^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$" //負浮點數 "^(-?\d+)(\.\d+)?$" //浮點數 "^[A-Za-z]+$" //由26個英文字母組成的字符串 "^[A-Z]+$" //由26個英文字母的大寫組成的字符串 "^[a-z]+$" //由26個英文字母的小寫組成的字符串 "^[A-Za-z0-9]+$" //由數字和26個英文字母組成的字符串 "^\w+$" //由數字、26個英文字母或者下劃線組成的字符串 "^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$" //email地址 "^[a-zA-z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\S*)?$" //url /^(d{2}|d{4})-((0([1-9]{1}))|(1[1|2]))-(([0-2]([1-9]{1}))|(3[0|1]))$/ // 年-月-日 /^((0([1-9]{1}))|(1[1|2]))/(([0-2]([1-9]{1}))|(3[0|1]))/(d{2}|d{4})$/ // 月/日/年 "^([w-.]+)@(([[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.)|(([w-]+.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(]?)$" //Emil "(d+-)?(d{4}-?d{7}|d{3}-?d{8}|^d{7,8})(-d+)?" //電話號碼 "^(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])$" //IP地址^([0-9A-F]{2})(-[0-9A-F]{2}){5}$ //MAC地址的正則表達式 ^[-+]?\d+(\.\d+)?$ //值類型正則表達式?
1.只能輸入數字和英文的：
<input onkeyup="value=value.replace(/[\W]/g,'') " onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^\d]/g,''))" ID="Text1" NAME="Text1">2.只能輸入數字的：
<input onkeyup="value=value.replace(/[^\d]/g,'') " onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^\d]/g,''))" ID="Text2" NAME="Text2">3.只能輸入全角的：
<input onkeyup="value=value.replace(/[^\uFF00-\uFFFF]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^\uFF00-\uFFFF]/g,''))" ID="Text3" NAME="Text3">4.只能輸入漢字的：
<input onkeyup="value=value.replace(/[^\u4E00-\u9FA5]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^\u4E00-\u9FA5]/g,''))" ID="Text4" NAME="Text4">參考鏈接
- 正則表達式30分鐘入門教程???????
總結
以上是生活随笔為你收集整理的60分钟精通正则表达式的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 说说JSON和JSONP，也许你会豁然开
- 下一篇： PHP CURL 图灵机器人