Regular Expression 正規化

1 篇文章 / 0 new

發表回應前，請先登入

週二, 2012-06-12 10:33

author

Regular Expression (以下簡稱 REGEX) 是以一組特定字元符號描述字串樣式規則的記述語法.簡單地說, REGEX 用於表達字元符號在字串中出現的規則.舉個例子說明

數量限定: 某個字元後的數量限定符用來限定前面這個字元允許出現的個數。最常見的數量限定符包括「+」、「?」和「*」（不加數量限定則代表出現一次且僅出現一次）：

+ 加號代表前面的字元必須至少出現一次。(1次、或多次)。例如，「goo+gle」可以匹配google、gooogle、goooogle等;

? 問號代表前面的字元最多只可以出現一次。(0次、或1次)。例如，「colou?r」可以匹配color或者colour;

* 星號代表前面的字元可以不出現，也可以出現一次或者多次。(0次、或1次、或多次)。例如，「0*42」可以匹配42、042、0042、00042等。

要產生一個 RegExp 個體有兩種方式.第一種是直接以斜線 (/) 包住 pattern ,例如 /^A/ .注意不要再用單引號或雙引號包在斜線外圍,一但用了引號圍住,就只是一個 String 而非 RegExp 個體. "/^A/" 就是錯誤寫法,這只是一個普通字串.第二種是向系統要求建立一個 RegExp 個體,即 new RegExp(pattern) ,引數 pattern 可以是一個字串也可以是另一個 RegExp 個體.第一種方法只能使用常值的 pattern ,我們不能用斜線包住一個變數或一個字串運算結果.如果 pattern 保存在變數之中,則必須使用第二種方式.

RegExp 個體提供兩個主要行為,即 exec() 和 test() . exec() 會對引數字串進行比對運算,並將匹配的字串內容記錄在陣列中回傳.而 test() 則僅僅測試引數字串是否符合規則,只回傳 true 或 false .此外,RegExp 個體也可以作為 String 個體的 match(), search(), replace(), split() 之引數. String 的 match() 其實就是調用 RegExp 的 exec() ,兩者的結果相同.

字元意義

字元	描述
\	將下一個字元標記為一個特殊字元、或一個原義字元、或一個向後引用、或一個八進制轉義符。例如，「`n`」匹配字元「`n`」。「`\n`」匹配一個換行符。序列「`\\`」匹配「`\`」而「`\(`」則匹配「`(`」。
^	匹配輸入字元串的開始位置。如果設置了RegExp對象的Multiline屬性，^也匹配「`\n`」或「`\r`」之後的位置。寫在 pattern 第一個位置時,表示其後一符號必須出現在字串開頭的位置.寫在 pattern 中間位置時則為否定之意,表示字串中不可有 ^ 之後一符號的內容.
$	匹配輸入字元串的結束位置。如果設置了RegExp對象的Multiline屬性，$也匹配「`\n`」或「`\r`」之前的位置。寫在 pattern 最後一個位置時,表示其前一符號必須出現在字串尾端的位置.寫在 pattern 中時無特別意義.
*	匹配前面的子表達式零次或多次。例如，zo能匹配「`z`」以及「`zoo`」。等價於{0,}。
+	匹配前面的子表達式一次或多次。例如，「`zo+`」能匹配「`zo`」以及「`zoo`」，但不能匹配「`z`」。+等價於{1,}。
?	匹配前面的子表達式零次或一次。例如，「`do(es)?`」可以匹配「`does`」或「`does`」中的「`do`」。?等價於{0,1}。
{n}	n是一個非負整數。匹配確定的n次。例如，「`o{2}`」不能匹配「`Bob`」中的「`o`」，但是能匹配「`food`」中的兩個o。
{n,}	n是一個非負整數。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,}`」等價於「`o+`」。「`o{0,}`」則等價於「`o*`」。
{n,m}	m和n均為非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，「`o{1,3}`」將匹配「`fooooood`」中的前三個o。「`o{0,1}`」等價於「`o?`」。請注意在逗號和兩個數之間不能有空格。
?	當該字元緊跟在任何一個其他限制符（*,+,?，{n}，{n,}，{n,m}）後面時，匹配模式是非貪婪的。非貪婪模式儘可能少的匹配所搜索的字元串，而默認的貪婪模式則儘可能多的匹配所搜索的字元串。例如，對於字元串「`oooo`」，「`o+?`」將匹配單個「`o`」，而「`o+`」將匹配所有「`o`」。
.	匹配除「`\n`」之外的任何單個字元。要匹配包括「`\n`」在內的任何字元，請使用像「`(.\|\n)`」的模式。
(pattern)	匹配pattern並獲取這一匹配。所獲取的匹配可以從產生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字元，請使用「`$`」或「`$`」。
(?:pattern)	匹配pattern但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供以後使用。這在使用或字元「`(\|)`」來組合一個模式的各個部分是很有用。例如「`industr(?:y\|ies)`」就是一個比「`industry\|industries`」更簡略的表達式。
(?=pattern)	正向肯定預查，在任何匹配pattern的字元串開始處匹配查找字元串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如，「`Windows(?=95\|98\|NT\|2000)`」能匹配「`Windows2000`」中的「`Windows`」，但不能匹配「`Windows3.1`」中的「`Windows`」。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字元之後開始。
(?!pattern)	正向否定預查，在任何不匹配pattern的字元串開始處匹配查找字元串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如「`Windows(?!95\|98\|NT\|2000)`」能匹配「`Windows3.1`」中的「`Windows`」，但不能匹配「`Windows2000`」中的「`Windows`」。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字元之後開始
(?<=pattern)	反向肯定預查，與正向肯定預查類似，只是方向相反。例如，「`(?<=95\|98\|NT\|2000)Windows`」能匹配「`2000Windows`」中的「`Windows`」，但不能匹配「`3.1Windows`」中的「`Windows`」。
(?<!pattern)	反向否定預查，與正向否定預查類似，只是方向相反。例如「`(?<!95\|98\|NT\|2000)Windows`」能匹配「`3.1Windows`」中的「`Windows`」，但不能匹配「`2000Windows`」中的「`Windows`」。
x\|y	匹配x或y。例如，「`z\|food`」能匹配「`z`」或「`food`」。「`(z\|f)ood`」則匹配「`zood`」或「`food`」。
[xyz]	字符集合。匹配所包含的任意一個字元。例如，「`[abc]`」可以匹配「`plain`」中的「`a`」。
[^xyz]	負值字符集合。匹配未包含的任意字元。例如，「`[^abc]`」可以匹配「`plain`」中的「`p`」。
[a-z]	字元範圍。匹配指定範圍內的任意字元。例如，「`[a-z]`」可以匹配「`a`」到「`z`」範圍內的任意小寫字母字元。
[^a-z]	負值字元範圍。匹配任何不在指定範圍內的任意字元。例如，「`[^a-z]`」可以匹配任何不在「`a`」到「`z`」範圍內的任意字元。
\b	匹配一個單詞邊界，也就是指單詞和空格間的位置。例如，「`er\b`」可以匹配「`never`」中的「`er`」，但不能匹配「`verb`」中的「`er`」。
\B	匹配非單詞邊界。「`er\B`」能匹配「`verb`」中的「`er`」，但不能匹配「`never`」中的「`er`」。
\cx	匹配由x指明的控制字元。例如，\cM匹配一個Control-M或回車符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的「`c`」字元。
\d	匹配一個數字字元。等價於[0-9]。
\D	匹配一個非數字字元。等價於[^0-9]。
\f	匹配一個換頁符。等價於\x0c和\cL。
\n	匹配一個換行符。等價於\x0a和\cJ。
\r	匹配一個回車符。等價於\x0d和\cM。
\s	匹配任何空白字元，包括空格、製表符、換頁符等等。等價於[ \f\n\r\t\v]。
\S	匹配任何非空白字元。等價於[^ \f\n\r\t\v]。
\t	匹配一個製表符。等價於\x09和\cI。
\v	匹配一個垂直製表符。等價於\x0b和\cK。
\w	匹配包括下劃線的任何單詞字元。等價於「`[A-Za-z0-9_]`」。
\W	匹配任何非單詞字元。等價於「`[^A-Za-z0-9_]`」。
\xn	匹配n，其中n為十六進制轉義值。十六進制轉義值必須為確定的兩個數字長。例如，「`\x41`」匹配「`A`」。「`\x041`」則等價於「`\x04&1`」。正則表達式中可以使用ASCII編碼。.
\num	匹配num，其中num是一個正整數。對所獲取的匹配的引用。例如，「`(.)\1`」匹配兩個連續的相同字元。
\n	標識一個八進制轉義值或一個向後引用。如果\n之前至少n個獲取的子表達式，則n為向後引用。否則，如果n為八進制數字（0-7），則n為一個八進制轉義值。
\nm	標識一個八進制轉義值或一個向後引用。如果\nm之前至少有nm個獲得子表達式，則nm為向後引用。如果\nm之前至少有n個獲取，則n為一個後跟文字m的向後引用。如果前面的條件都不滿足，若n和m均為八進制數字（0-7），則\nm將匹配八進制轉義值nm。
\nml	如果n為八進制數字（0-3），且m和l均為八進制數字（0-7），則匹配八進制轉義值nml。
\un	匹配n，其中n是一個用四個十六進制數字表示的Unicode字元。例如，\u00A9匹配版權符號（©）。

常用正規表式

用戶名

/^[a-z0-9_-]{3,16}$/

密碼

/^[a-z0-9_-]{6,18}$/

十六進制值

/^#?([a-f0-9]{6}|[a-f0-9]{3})$/

電子郵箱

/^([\w\d_\.-]+)@([\w\d_-]+\.)+\w{2,4}$/

/^([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})$/

/^[a-z\d]+(\.[a-z\d]+)*@([\da-z](-[\da-z])?)+(\.{1,2}[a-z]+)+$/

URL

/^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$/

/^(https?:\/\/)?([\w\d_-]+\.)+\w{2,4}(\/[\w\d\.\?-_%=&]+)*$/

IP 位址

/((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)/

或

/^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$/

HTML 標籤

/^<([a-z]+)([^<]+)*(?:>(.*)<\/\1>|\s+\/>)$/

Unicode編碼中的常用漢字(中日韓統一表意文字)範圍

/^[\u4E00-\u9FA5]+$/

from http://zh.wikipedia.org/zh-tw/%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F