正则表达式规则及常用正则表达式

正则表达式这个东西确实有点复杂，要是每次都从头写挺麻烦的，所以就把平时会用到的都记录到这儿。

• 在线正则表达式测试以及性能分析工具：https://regex101.com/

• 有一个搜索正则非常棒的方法，直接在google输入类似regex email等内容，出来的第一条会是谷歌提供的格式化的搜索结果。

• 正则表达式引擎的实现方式：

  DFA自动机(Deterministic Final Automata确定型有穷自动机): 时间复杂度是线性的，更加稳定，但是功能有限

  NFA自动机(Non deterministic Finite Automaton不确定型有穷自动机): 时间复杂度不稳定，有时很好有时很差，大多数编程语言使用的是NFA，由于不稳定，所以对于复杂的语句我们有时候需要优化一下。

• 正则匹配是一个CPU密集型的任务，如果出现CPU被占满性能依然不够的情况，可以用上述性能分析网站看是否有灾难性回溯的出现，如果没有，可以考虑换一种更适合业务场景的算法，例如敏感词过滤推荐使用DFA算法，最后，实在不行，只有提高CPU了。

字符	说明
^	匹配字符串开始的位置
$	匹配字符串结束的位置
*	零次或多次匹配前面的字符或子表达式，例如，zo*匹配z和zoo
+	一次或多次匹配前面的字符或子表达式，例如zo+匹配zo和zoo但不匹配z
?	零次或一次匹配前面的字符或子表达式，例如zo?匹配z和zo但不匹配zoo
\w	匹配所有非特殊字符
\W	匹配所有特殊字符
[]	包括里面的字符
[^]	排除里面的字符
[^\W]	排除所有的非特殊字符
[\w]+或\w+	匹配数字、字母以及下划线(即非特殊字符)
[\w-+]+	匹配数字、字母、下划线以及-、+
{n}	刚好匹配n次，例如 o{2}与”Bob”中的”o”不匹配，但与”food”中的两个”o”匹配
{n,}	至少匹配n次
{n,m}	匹配至少n次，至多m次。不填m表示不限最大数量
.	匹配除”\n”之外的任何单个字符，要匹配任意字符应该使用([\s\S]*)，这种方法包括了换行符的
.*	匹配任意字符，最长匹配(贪婪型的，比如(.)/就表示遇到最后一个/就结束)
.*?	匹配任意字符，最段匹配(贪婪型的，比如(.)/就表示遇到第一个/就结束)，包括换行符就是([\s\S]*?)
?=	零宽断言，先从要匹配的字符串中的最右端找到第一个匹配项，然后再匹配前面的表达式，例如[a-z](?=ing)可以匹配cooking singing中的cook与sing，.(?=ing)可以匹配cooking singing中的cooking sing而不是cook，同样，这样的表达式可以匹配多次，适合找前缀和后缀的情况
\d	匹配一个数字
\n	匹配一个换行符
\f	匹配一个换页
\r	匹配一个回车符
\t	匹配一个制表符
\v	匹配一个垂直制表符
\s+	匹配一个或多个空白
|	或者，最好把两个条件都用小括号括起来，例如(a|b)
()	在匹配的时候没什么作用，主要用于程序提取匹配到的字符串
(?i)	后面的内容忽略大小写

常用正则表达式

正则表达式收藏网站

https://github.com/geongeorge/i-hate-regex

社交平台常用正则表达式

匹配URL／IP地址

# 匹配URL，来自stackoverflow.com
https?:\/\/(www\.)?[-a-zA-Z0-9@:%._\+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b([-a-zA-Z0-9()@:%_\+.~#?&//=]*)
# 上述表达式的不含http版本
[-a-zA-Z0-9@:%._\+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b([-a-zA-Z0-9()@:%_\+.~#?&//=]*)
# 但是上面的还是有一点缺陷，比如会认为,..abc这种是正确的，所以在stackoverflow找到另外一个，现在最常用的是下面这个
^(http:\/\/www\.|https:\/\/www\.|http:\/\/|https:\/\/)?[a-z0-9]+([-.]{1}[a-z0-9]+)*\.[a-z]{2,6}(:[0-9]{1,5})?(\/.*)?$

# 匹配IPv4地址
^(?=.*[^\.]$)((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.?){4}$

# 获取url中的domain和request
(https*:\/\/)*(?<domain>.*?)\/(?<request>.*)

# 获取URL中各个字段
^(?:(\w+):\/\/)?(?:(\w+):?(\w+)?@)?([^:\/\?#]+)(?::(\d+))?(\/[^\?#]+)?(?:\?([^#]+))?(?:#(\w+))?
# 例如在js中
home = 'http://www.haofly.net/user/cp-cpi'
home.match(/该正则表达式/)
# 结果是
["http://www.haofly.net/user/cp-api", "http", undefined, undefined, "www.haofly.net", undefined, "/user/cp-api", undefined, undefined]

匹配内网地址IPv4

(^127\.)|
(^10\.)|
(^172\.1[6-9]\.)|(^172\.2[0-9]\.)|(^172\.3[0-1]\.)|
(^192\.168\.)

匹配域名

^(?!:\/\/)([a-zA-Z0-9-_]+\.)*[a-zA-Z0-9][a-zA-Z0-9-_]+\.[a-zA-Z]{2,11}?$

^(?:[-A-Za-z0-9]+\.)+[A-Za-z]{2,6}$	# 仅仅匹配域名

匹配数字

[A-Za-z0-9]+   # 匹配整数

匹配Emali地址：

\\w+([-+.]\\w+)_@\\w+([-.]\\w+)_.\\w+([-.]\\w+)__

匹配帐号(字母开头，允许6-20字节，允许字母数字下划线)

^[a-zA-Z][a-zA-Z0-9_]\{5,19\}$
# 如果可以有中文，就写成这样
^[a-zA-Z\\u4e00-\\u9fa5][0-9a-zA-Z\\u4e00-\\u9fa5]\{1,90\}$

匹配座机和手机号码，如12341234，12345678901

\\d\{8\}|\\d\{11\}

匹配密码

^[\\@A-Za-z0-9!#\\$\\\%\\^\\&_.\\~]\{6,22\}$

匹配特殊符号(这些是建立文件夹时需要去掉的特殊符号)

\\|/|:|_|\\?|<|>|\\||.

匹配6位字符表示的颜色值，如#ffffff

^#[0-9a-fA-F]\{6\}$

非零开头正整数

^[1-9]+[0-9]*$

字符串不包含某个字符串

^((?!test).)*$	# 这里*表示匹配一次还是多次，.表示每个字符都去试一下，?!表示否定式向前查找。相当于反向每个字符都判断一下，它前面是不是那个字符串

包含且不包含

^((?!重庆).)*上海((?!重庆).)*$	# 包含上海且不包含重庆

移除HTML中的注释

/<!--[\s\S]*?-->/g

扩展阅读

• 一组匹配中国大陆手机号码的正则表达式
• 一篇简单易懂的关于正则回溯的文章