正则表达式 | Watch

正则表达式

#RegExp 2024-08-01

冷笑话一则：

正则表达式和正则化有什么关系啊？

正则化是防止过拟合的。

什么意思？

它俩没关系，你的脑子过拟合了。

规则

字符类

[abc]：匹配 ‘a’, ‘b’ 或 ‘c’ 中的任意一个字符。
1
[abc]
示例：
1
a, b, c
[^abc]：匹配除了 ‘a’, ‘b’ 或 ‘c’ 以外的任意一个字符。
1
[^abc]
示例：
1
d, e, 1, @
[a-z]：匹配从 ‘a’ 到 ‘z’ 范围内的任意一个字符。
1
[a-z]
示例：
1
a, m, z
[0-9]：匹配从 ‘0’ 到 ‘9’ 范围内的任意一个字符。
1
[0-9]
示例：
1
0, 5, 9

预定义字符类

.：匹配除换行符外的任意一个字符。
1
.
示例：
1
a, 1, @, (space)
\d：匹配任意一个数字字符（等价于 [0-9]）。
1
\d
示例：
1
0, 5, 9
\D：匹配任意一个非数字字符（等价于 [^0-9]）。
1
\D
示例：
1
a, @, (space)
\w：匹配任意一个单词字符（字母、数字、下划线）。
1
\w
示例：
1
a, 5, _
\W：匹配任意一个非单词字符。
1
\W
示例：
1
@, (space), #
\s：匹配任意一个空白字符（空格、制表符、换行符等）。
1
\s
示例：
1
(space), \t, \n
\S：匹配任意一个非空白字符。
1
\S
示例：
1
a, 1, @

边界匹配

^：匹配字符串的开始。

^Hello

示例：

1 2	`Hello world (匹配) world Hello (不匹配)`

$：匹配字符串的结束。

world$

示例：

1 2	`Hello world (匹配) world Hello (不匹配)`

\b：匹配单词边界。

1	`\bword\b`

示例：

1 2	`word (匹配) words (不匹配)`

\B：匹配非单词边界。

1	`\Bword\B`

示例：

1 2	`swordfish (匹配) word (不匹配)`

量词

*：匹配前面的子表达式零次或多次。
1
a*
示例：
1
'', 'a', 'aaa'
+：匹配前面的子表达式一次或多次。
1
a+
示例：
1
2
'a', 'aaa' (匹配) '' (不匹配)
?：匹配前面的子表达式零次或一次。
1
a?
示例：
1
2
'', 'a' (匹配) 'aa' (不匹配)
{n}：匹配前面的子表达式恰好 n 次。
1
a{3}
示例：
1
2
'aaa' (匹配) 'aa', 'aaaa' (不匹配)
{n,}：匹配前面的子表达式至少 n 次。
1
a{2,}
示例：
1
2
'aa', 'aaa' (匹配) 'a' (不匹配)
{n,m}：匹配前面的子表达式至少 n 次，至多 m 次。
1
a{2,4}
示例：
1
2
'aa', 'aaa', 'aaaa' (匹配) 'a', 'aaaaa' (不匹配)

分组和捕获

()：定义子表达式的范围，并捕获匹配的文本。
1
(abc)
示例：
1
2
abc (匹配) aabc, abcc (不匹配)
|：表示选择，匹配的是 | 前或 | 后的表达式。
1
a|b
示例：
1
2
a, b (匹配) c, d (不匹配)

示例

匹配电话号码

假设有一个包含电话号码的文本，我们想匹配格式为 (123) 456-7890 的电话号码：

1	`$\d{3}$ \d{3}-\d{4}`

\(：匹配左括号 (。
\d{3}：匹配三个数字。
\)：匹配右括号 )。
：匹配空格。
\d{3}：匹配三个数字。
-：匹配连字符 -。
\d{4}：匹配四个数字。

匹配电子邮件地址

1	`^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$`

解释：

^[a-zA-Z0-9._%+-]+：匹配以字母、数字、点、下划线、百分号、加号、减号组成的一个或多个字符开头。
@：匹配 @ 符号。
[a-zA-Z0-9.-]+：匹配域名的一部分，可以包含字母、数字、点、减号。
\.：匹配点字符。
[a-zA-Z]{2,}$：匹配顶级域名部分，由两个或更多字母组成。

匹配 URL

1	`^(https?\|ftp)://[^\s/$.?#].[^\s]*$`

解释：

^(https?|ftp)://：匹配以 http、https 或 ftp 开头的 URL。
[^\s/$.?#]：匹配非空白字符、斜杠、美元符号、点、问号、井号的字符。
[^\s]*$：匹配除空白字符以外的任意字符，零次或多次，直到字符串结束。

使用

Java

需要使用使用 java.util.regex 包中的 Pattern 和 Matcher 类

import java.util.regex.*;

public class Main {
    public static void main(String[] args) {
        // 正则表达式
        String pattern = "^(https?|ftp)://[^\s/$.?#].[^\s]*$";
        Pattern compiledPattern = Pattern.compile(pattern);
        // 测试字符串
            String url = "ftp://ftp.example.com",
        // 匹配
            Matcher matcher = compiledPattern.matcher(url);
            if (matcher.matches()) {
                System.out.println("Matched: " + url);
            } else {
                System.out.println("Not matched: " + url);
            }
        
    }
}

Python

import re
# 正则表达式
pattern = r'^(https?|ftp)://[^\s/$.?#].[^\s]*$'

# 测试字符串
url = 'https://www.example.com/path/to/resource',

# 匹配
    if re.match(pattern, url):
        print(f"Matched: {url}")
    else:
        print(f"Not matched: {url}")

在 Python 中，使用正则表达式时，建议在字符串前面加上 r（即创建原始字符串），以便更方便地处理正则表达式中的转义字符。这个 r 字母并不是正则表达式的一部分，而是 Python 字符串的一个标记，用于指示这是一个原始字符串（raw string）。

原始字符串使得正则表达式中的反斜杠 \ 不需要额外转义。例如，在正则表达式中，\\ 用于匹配一个字面上的反斜杠。如果你使用普通字符串，你需要写成 \\\\，因为每个反斜杠都需要转义一次。而在原始字符串中，你只需要写成 \\。

JavaScript

// 正则表达式
const pattern = /^(https?|ftp):\/\/[^\s/$.?#].[^\s]*$/;

// 测试字符串
url = 'http://example.com',

// 匹配
if (pattern.test(url)) {
    console.log(`Matched: ${url}`);
} else {
    console.log(`Not matched: ${url}`);
}

在 JavaScript 中，正则表达式通常是使用斜杠 / 来表示的，这种方式称为正则表达式字面量。正则表达式字面量是将正则表达式直接写在斜杠之间的方式

MySQL

1
2
3

SELECT url
FROM urls
WHERE url REGEXP '^(https?|ftp)://[^\s/$.?#].[^\s]*$';