前言：
正则表达式（英语：Regular Expression）原属于计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里边，正则表达式通常被用来检索、替换那些符合某个模式的文本。许多程序设计语言都支持利用正则表达式进行字符串操作。例如，Perl,Shell,R,Java等等。
因本人最近刚好在学习R语言进行网页数据抓取，觉得有必要对正则表达式做个小总结，于是便有了此文。
1.重要元字符及其简短描述
|
元字符 |
描述 |
|
\ |
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\n。“\n”匹配换行符。序列“\\”匹配“\”而“\(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。 |
|
^ |
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，$也匹配“\n”或“\r”之前的位置。 |
|
* |
匹配前面的子表达式任意次。例如，zo*能匹配“z”，“zo”以及“zoo”。*等价于{0,}。 |
|
+ |
匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。 |
|
? |
匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”中的“do”。?等价于{0,1}。 |
|
{n} |
n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。 |
|
{n,} |
n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。 |
|
{n,m} |
m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。 |
|
? |
当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。 |
2.常见正则校验：
1 var regexEnum = 2 3 { 4 5 intege:"^-?[1-9]\\d*$", //整数 6 7 intege1:"^[1-9]\\d*$", //正整数 8 9 intege2:"^-[1-9]\\d*$", //负整数 10 11 num:"^([+-]?)\\d*\\.?\\d+$", //数字 12 13 num1:"^[1-9]\\d*|0$", //正数（正整数 + 0） 14 15 num2:"^-[1-9]\\d*|0$", //负数（负整数 + 0） 16 17 decmal:"^([+-]?)\\d*\\.\\d+$", //浮点数 18 19 decmal1:"^[1-9]\\d*.\\d*|0.\\d*[1-9]\\d*$", //正浮点数 20 21 decmal2:"^-([1-9]\\d*.\\d*|0.\\d*[1-9]\\d*)$",//负浮点数 22 23 decmal3:"^-?([1-9]\\d*.\\d*|0.\\d*[1-9]\\d*|0?.0+|0)$",//浮点数 24 25 decmal4:"^[1-9]\\d*.\\d*|0.\\d*[1-9]\\d*|0?.0+|0$",//非负浮点数（正浮点数 + 0） 26 27 decmal5:"^(-([1-9]\\d*.\\d*|0.\\d*[1-9]\\d*))|0?.0+|0$",//非正浮点数（负浮点数 + 0） 28 29 email:"^\\w+((-\\w+)|(\\.\\w+))*\\@[A-Za-z0-9]+((\\.|-)[A-Za-z0-9]+)*\\.[A-Za-z0-9]+$", //邮件 30 31 color:"^[a-fA-F0-9]{6}$", //颜色 32 33 url:"^http[s]?:\\/\\/([\\w-]+\\.)+[\\w-]+([\\w-./?%&=]*)?$", //url 34 35 chinese:"^[\\u4E00-\\u9FA5\\uF900-\\uFA2D]+$", //仅中文 36 37 ascii:"^[\\x00-\\xFF]+$", //仅ACSII字符 38 39 zipcode:"^\\d{6}$", //邮编 40 41 mobile:"^13[0-9]{9}|15[012356789][0-9]{8}|18[0256789][0-9]{8}|147[0-9]{8}$", //手机 42 43 ip4:"^(25[0-5]|2[0-4]\\d|[0-1]\\d{2}|[1-9]?\\d)\\.(25[0-5]|2[0-4]\\d|[0-1]\\d{2}|[1-9]?\\d)\\.(25[0-5]|2[0-4]\\d|[0-1]\\d{2}|[1-9]?\\d)\\.(25[0-5]|2[0-4]\\d|[0-1]\\d{2}|[1-9]?\\d)$", //ip地址 44 45 notempty:"^\\S+$", //非空 46 47 picture:"(.*)\\.(jpg|bmp|gif|ico|pcx|jpeg|tif|png|raw|tga)$", //图片 48 49 rar:"(.*)\\.(rar|zip|7zip|tgz)$", //压缩文件 50 51 date:"^\\d{4}(\\-|\\/|\.)\\d{1,2}\\1\\d{1,2}$", //日期 52 53 qq:"^[1-9]*[1-9][0-9]*$", //QQ号码 54 55 tel:"^(([0\\+]\\d{2,3}-)?(0\\d{2,3})-)?(\\d{7,8})(-(\\d{3,}))?$", //电话号码的函数(包括验证国内区号,国际区号,分机号) 56 57 username:"^\\w+$", //用来用户注册。匹配由数字、26个英文字母或者下划线组成的字符串 58 59 letter:"^[A-Za-z]+$", //字母 60 61 letter_u:"^[A-Z]+$", //大写字母 62 63 letter_l:"^[a-z]+$", //小写字母 64 65 } 66 67
3.实例测试
1 #-----R测试-------- 2 3 #=======正则验证测试 4 5 pattern="^\\w+((-\\w+)|(\\.\\w+))*\\@[A-Za-z0-9]+((\\.|-)[A-Za-z0-9]+)*\\.[A-Za-z0-9]+$"; 6 7 list<-c("test@.cn","_3311@126.com","812344298@qq.com","test@321.com");print(list) 8 9 lists<-paste(list,collapse = ',');print(lists) 10 11 12 13 #--grep()返回符合的元素下标；grep1()返回所有元素的布尔值 14 15 grep(pattern,list) 16 17 grepl(pattern,list)
R测试结果：
1 //----Java测试--------- 2 3 package com; 4 5 import java.util.regex.*; 6 7 /** 8 9 * java正则表达式验证 10 11 */ 12 13 public class RegExpTest 14 15 { 16 17 /** 18 19 * 正则验证方法一 20 21 */ 22 23 public static boolean regExpTest(String input) { 24 25 //验证标识符必须由字母、数字、下划线组成 26 27 Pattern p = Pattern.compile("[a-z0-9A-Z_]+"); 28 29 Matcher m = p.matcher(input); 30 31 return m.matches(); 32 33 34 35 } 36 37 /** 38 39 * 正则验证方法二 40 41 */ 42 43 public static boolean regExpEmail(String input){ 44 45 //验证个人定义的邮箱 46 47 String regex = "^[a-zA-Z0-9]+@[0-9a-z]{2,4}+\\.+[a-z]{2,4}$"; 48 49 return Pattern.matches(regex, input); 50 51 } 52 53 public static void main(String[] args) 54 55 { 56 57 System.out.println(regExpTest("root10086")); 58 59 System.out.println(regExpEmail("847421525@qq.com")); 60 61 System.out.println(regExpEmail("_te132@139.com")); 62 63 } 64 65 }
Java测试结果：
结语：
正则表达式可深可浅。在我看来，其重大作用主要也就是三方面，一是“校验”，二是数据抓取，三是全局定位替换。以上内容只是本人在近期学习中的部分整理。同时也希望为其它需要了解正则表达式的朋友提供一丝参考。