文章概览
一、正则表达式介绍
正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
不用过多介绍，大家对正则表达式应该不太陌生。即使没有用过，也一定听说过。
我们先看几个常见的正则表达式：
-
匹配 IP 地址
((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) -
匹配电子邮箱
([a-z0-9_.-]+)@([\da-z.-]+).([a-z.]{2,6})
对于正则表达式，第一映像是一串神秘的字符串。如果不是真正了解其规则，看到这字符串，定然是摸不着头脑。
不过说实话，了解其规则以后，看到这数字，也有点头疼。毕竟正则这个东西，写时爽歪歪，看时如天书。
话虽这样说，正则表达式说白了，也就是一连串的规则而已，只要了解了规则，一点一点总能看懂。所以不要有畏难情绪。
我们从最简单的例子开始，一点一点添加规则，争取让大家在学会正则表达式的过程中感觉不到丝毫痛苦。
（这里有一个网站，http://tool.oschina.net/regex/#，可以在线测试正则表达式的正确性，读者朋友们可以在这上面进行测试，方便学习，我们后面的例子讲解，也用这个工具）。
二、几个常用规则
前面看了那么复杂的例子，我们这里回归本源，从一个简单的例子开始看。
2.1 完全匹配
正则表达式是用来匹配文本的，现在假设我们要匹配 “abcdefg” 这一字符串中的 “abc” 三个字母，我们该怎么写呢？
abc
对，不要怀疑，就是这么简单。
如果想匹配 “def”，那么就是
def
是不是很简单呢？是不是小脑瓜中又透露出一丝疑惑？
如果正则表达式的匹配内容很简单，也很明确，可以进行完全匹配，写出来的结果就是这样的。
2.2 符号 |
那我们再继续往后看。
还是 “abcdefg” 字符串，我们想匹配其中的 “ab” 和 “ef” 两个子串，怎么写呢？按照上面的写法，就是写两个正则 “ab” 和 “ef” 来匹配。这样可以，不过略显麻烦。我们写法如下：
ab|ef
这里我们新加了 "|" 这个字符，表示 或，即匹配 ab 或者 ef，是不是就方便了许多。
再继续看，这次我们需要改变一下待匹配的字符串。
我们在 “acabcdefgh acbbcdefgh accbcdefgh” 字符串中，要匹配 “abcdef”，“bbcdef”，“cbcdef” 三个子串。
读者朋友们一看，这题非常简单，用上面的方法，正则表达式如下：
abcdef|bbcdef|cbcdef
写法正确，不过略显繁琐。我们的写法如下：
(a|b|c)bcdef
是不是有些理解 “|” 的使用了呢。那我们要匹配 “acabcdef”，“acbbcdef”，“accbcdef” 这三个子串怎么写呢？
ac(a|b|c)bcdef
这下子理解 “|” 的使用了吧。而且我们现在的的写法，是不是长得有些 ”像“ 正则表达式了呢？
2.3 符号 []
我们继续。
上面的例子，我们如果不用 "|"，可以实现么？
答案是可以的，写法如下：
ac[abc]bcdef
是不是看着比上面更清爽一点呢？
我们这里引入了一个新的字符 "[]"。这对中括号是字符集的意思，里面包含的字符，都是或（"|"）的关系。
我们还可以这样写：
ac[a-c]bcdef
“[a-c]” 表示的是匹配 a-c 之间的任意字符。
这里对 “[]” 稍微多说一些，[] 除了可以放字符集合以及字符范围以外，还可以做取反操作。
比如 “[^a-c]” 表示的是匹配 a-c 范围以外其他的字符。"[^0-8]" 表示的是匹配 0-8 范围以外的其他字符。
到了这里，我们已经可以写一些简单的匹配规则了。
2.4 限制符号 * + ? {}
我们继续往下看。
我们现在想匹配 类似 “fooooooooooooooooof” 这样子的字符串，中间的 “o” 个数我们不能确定，上面讲到的规则就有点无能为力了。
那我们该怎么写呢？
fo*f
这里的"*" 表示匹配前面的子表达式零次或多次。
那么有些读者朋友会问了，如果想匹配至少有一个 “o” 该怎么写呢？
fo+f
这里的"+" 表示匹配前面的子表达式一次或多次。
那么读者朋友又问了，如果想匹配 0 个或者者 1 个 该怎么写呢？
fo?f
这里的 "?" 表示匹配前面的子表达式零次或一次。
那么有些读者朋友又会问了，如果想匹配确定次数的 “o” 该怎么写呢？
我们可以这样写：
fo{2}f
上面的规则，会匹配 foof，即匹配 2 个 “o”。
所以，"{n}" 表示匹配前面子表达式 n 次。
那读者朋友们再次发问，如果想匹配至少 n 个 “o” 该怎么写呢？
fo{2,}f
"{n,}" 表示匹配前面子表达式至少 n 次。
那读者朋友们这次不发问了，会举一反三了，那如果想匹配 最少 n 个，最多 m 个呢？
fo{2,5}f
"{n,m}" 表示匹配前面子表达式至少 n 次，至多 m 次。
所以 “*” 等价于 “{0,}”，"+" 等价于 “{1,}”，"?" 等价于 “{0,1}”。
到这里，我们能写的匹配规则更多了，而且可以说大部分匹配运用上面的规则都可以实现了。
大家可以回头看看文章开头贴的几段正则表达式，看看是否能看懂了。
当然除此之外，正则里的规则其实还是不少的，除了上面几个，我们再看几个比较常用的。
2.5 几个转义字符
在正则表达式里，也有一些转义字符，表示一些特殊的含义。
-
"\d"表示匹配数字字符，等价于 “[0-9]”。 -
"\D"表示匹配非数字字符，等价于 “[^0-9]”。 -
"\n"表示匹配换行符。 -
"\s"表示匹配任何空白字符，等价于 “[\f\n\r\t\v]”。 -
"\S"表示匹配任何非空白字符，等价于 “[^\f\n\r\t\v]”。
2.6 符号 .
符号"." 会匹配 “\n” 以外的所有字符，也是比较常用的。
2.7 符号 ?
到目前为止，我们已经学习了大部分常用的正则表达式规则，日常开发基本已经够用了。
不过使用正则表达式时，限制字符"* + ? {}" 默认的匹配规则是贪婪的。什么意思呢？
比如说有一个字符串 “abbbbb”，我们使用正则表达式 “ab+” 去匹配，匹配的结果是 “abbbbbbb”，会尽可能多的去匹配满足的字符。
我们如果想尽可能少的匹配满足的字符，那么就在限定符后面加 “?”。
“ab+?” 匹配的结果就是 ab。
"?" 符号的非贪婪匹配，在某些情况下也是很有用的。
2.8 符号 ()
最后我们再来看一个符号 “()”，小括号的含义是分组，可以理解为被小括号包含的子表达式就是一个分组，在前面介绍 “|” 的时候我们使用过。
不过分组也分很多类型。
"(pattern)"小括号单纯的包含了子表达式，表示此分组可以被捕获。捕获的意思就是此分组的内容会被保存下来，后续可以从匹配的集合中获取到。
"(?:pattern)" 小括号中增加了 ?: 前缀，表示此分组不可以被捕获。后续匹配的集合中就不会包含此分组信息。
这样说下来，不太好理解。这里需要结合具体开发语言的实现来说。先留个悬念，后面会讲到。
"(?=pattern)" 小括号中增加了 ?= 前缀，表示的是匹配此分组，但是此分组里的内容不需要被获取。
"(?!pattern)" 小括号中增加了 ?! 前缀，表示的是匹配此分组之外的内容，但是此分组里的内容不需要被获取。
举个栗子：
正则表达式 “Windows(?=95|98|NT|2000)” 可以匹配字符串 “Windows2000” 中的 “Windows”，但是不能匹配 “Windows3.1” 中的 Windowds。
正则表达式 “Windows(?!95|98|NT|2000)” 可以匹配字符串 “Windows3.1” 中的 “Windows”，但是不能匹配 “Windows2000” 中的 Windowds。
以上就是正则表达式里一些常见的规则解析。
2.9 看看文章开头的例子
我们在文章开头放了两个例子，这里来分析一下。
匹配 IP 地址的正则表达式：
"((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)"
我们分段来看。
先看第一段"(2[0-4]\d|25[0-5]|[01]?\d\d?).)"，这里用 “|” 分割了三种匹配情况。
第一种是"2[0-4]\d"，即三位数字，第一位是 2，第二位是 0 - 4 之间，第三位是任意数字。
第二种是 "25[0-5]"，三位数字，第一位是 2，第二位是 5，第三位是 0 - 5 之间。
第三种是"[01]?\d\d?"，第一位是 0 或者 1，匹配零次或一次，第二位和第三位是任意数字，第三位数字匹配零次或一次，也就是 一位数，两位数，三位数都可能满足这种情况。
第一段末尾是"."作为分隔符。
再来看第二段 "{3}"，这个表示前面的子表达式重复三次，也就是 IP 地址的前三个字节。
再看第三段 “(2[0-4]\d|25[0-5]|[01]?\d\d?)”，和第一段是一样的。
匹配电子邮箱：
"([a-z0-9_.-]+)@([\da-z.-]+).([a-z.]{2,6})"
也是分段来看。
第一段 "([a-z0-9_.-]+)"，表示匹配 a-z 范围内的字母，0-9 范围的数字，以及 “_”，"."，"-" 三个字符，"+" 表示至少有一个字符。
第二段 "@" 表示匹配 “@” 字符。
第三段 "([\da-z.-]+)"，"\d" 表示匹配任意数字，a-z 范围的字母，"."，"-" 两个字符，"+" 至少有一个字符。
第四段"."表示匹配 “.” 字符。
第五段 "([a-z.]{2,6})"，表示匹配 a-z 范围的字母，"." 字符，"{2,6}" 表示至少 2 个字符，至多 6 个字符。
经过上面的讲解，大家应该对正则表达式有了进一步的了解。
三、在代码中如何使用
在了解了正则表达式的规则以后，我们看一下在实际代码中是如何使用的。这里以 Java 代码作为示例。
在 Java 中，关于正则表达式的主要有两个类，Pattern 和 Matcher。
我们看一下具体如何使用。
package com.zy.java;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class ReTest {
public static void main(String[] args) {
String str = "grilboy1girlboy2boy3girl";
String pattern = "boy([0-9])";
// 创建 Pattern 对象
Pattern r = Pattern.compile(pattern);
// 创建 matcher 对象
Matcher m = r.matcher(str);
while (m.find()) {
System.out.println("match boy: " + m.group(0));
System.out.println("match boy number: " + m.group(1));
}
String phoneNumber = "18888888888";
String phonePattern = "^[1](([3][0-9])|([4][5-9])|([5][0-3,5-9])|([6][5,6])|([7][0-8])|([8][0-9])|([9][1,8,9]))[0-9]{8}$";
r = Pattern.compile(phonePattern);
m = r.matcher(phoneNumber);
System.out.println("is phone number: " + m.matches());
r = Pattern.compile(pattern);
String[] res = r.split(str);
for (String s : res) {
System.out.println("split res: " + s);
}
}
}
上面代码运行的结果如下：
match boy: boy1
match boy number: 1
match boy: boy2
match boy number: 2
match boy: boy3
match boynumber: 3
is phone number: true
split res: gril
split res: girl
split res:
split res: girl
在 Java 中使用正则表达式分三步走：
-
1.写好正则表达式
-
2.Pattern.compile 生成 Pattern 对象
-
3.调用 Pattern 相关的正则操作
Pattern 类中有几个方法会比较常用：
-
Pattern#matcher生成 Matcher，可以对正则表达式进行匹配，以及获取匹配的内容。 -
Pattern#split根据正则表达式内容划分字符串。
Matcher 类中也有几个方法比较常用：
-
Matcher#find寻找下一个满足规则的子串，通常用在查找子串中。 -
Matcher#matches用来判断整个字符串是否满足匹配规则，常用的类似匹配电话号码，邮箱等等。 -
Matcher#group就是获取我们在上面讲到的 “()” 小括号分组。默认 group(0) 整个串的匹配，group(1)，group(2) 等等往后顺延，就是小括号内的分组。
在我们上面的例子中的正则表达式是 “boy([0-9])”，用来获取字符串中的 boy，而括号中的分组是 boy 的编号，在生成 Matcher 以后，调用 Matcher#group(0) 获取的是整个匹配内容，Matcher#group(1) 获取的是小括号分组的内容。
通过上面例子，大家应该明白 “()” 的作用了吧。
四、规则全集
下面总结一下正则表达式的所有规则，在使用时可以查阅，引用自 https://tool.oschina.net/uploads/apidocs/jquery/regexp.html：
