常⽤正则表达式⼤全
常⽤正则表达式
正则表达式⽤于字符串处理、表单验证等场合，实⽤⾼效。现将⼀些常⽤的表达式收集于此，以备不时之需。⽤户名：/^[a-z0-9_-]{3,16}$/
密码：/^[a-z0-9_-]{6,18}$/
⼗六进制值：/^#?([a-f0-9]{6}|[a-f0-9]{3})$/
电⼦邮箱：/^([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})$/
URL：/^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$/
IP 地址：/^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$/
HTML 标签：/^<([a-z]+)([^<]+)*(?:>(.*)<\/\1>|\s+\/>)$/
Unicode编码中的汉字范围：/^[u4e00-u9fa5],{0,}$/
匹配中⽂字符的正则表达式： [\u4e00-\u9fa5]
评注：匹配中⽂还真是个头疼的事，有了这个表达式就好办了
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
评注：可以⽤来计算字符串的长度（⼀个双字节字符长度计2，ASCII字符计1）
匹配空⽩⾏的正则表达式：\n\s*\r
评注：可以⽤来删除空⽩⾏
匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*? />
评注：⽹上流传的版本太糟糕，上⾯这个也仅仅能匹配部分，对于复杂的嵌套标记依旧⽆能为⼒
匹配⾸尾空⽩字符的正则表达式：^\s*|\s*$
评注：可以⽤来删除⾏⾸⾏尾的空⽩字符(包括空格、制表符、换页符等等)，⾮常有⽤的表达式
匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注：表单验证时很实⽤
匹配⽹址URL的正则表达式：[a-zA-z]+://[^\s]*
评注：⽹上流传的版本功能很有限，上⾯这个基本可以满⾜需求
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注：表单验证时很实⽤
匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如 0511-******* 或 021-********
匹配腾讯QQ号：[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始
匹配中国⼤陆：[1-9]\d{5}(?!\d)
评注：中国⼤陆为6位数字
匹配⾝份证：\d{15}|\d{18}
评注：中国⼤陆的⾝份证为15位或18位
匹配ip地址：\d+\.\d+\.\d+\.\d+
评注：提取ip地址时有⽤
匹配特定数字：
^[1-9]\d*$  //匹配正整数
^-[1-9]\d*$  //匹配负整数
^-?[1-9]\d*$  //匹配整数
^[1-9]\d*|0$  //匹配⾮负整数（正整数 + 0）
^-[1-9]\d*|0$  //匹配⾮正整数（负整数 + 0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$  //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$  //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$  //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$  //匹配⾮负浮点数（正浮点数 + 0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$  //匹配⾮正浮点数（负浮点数 + 0）
评注：处理⼤量数据时有⽤，具体应⽤时注意修正
匹配特定字符串：
^[A-Za-z]+$  //匹配由26个英⽂字母组成的字符串
^[A-Z]+$  //匹配由26个英⽂字母的⼤写组成的字符串
^[a-z]+$  //匹配由26个英⽂字母的⼩写组成的字符串
^[A-Za-z0-9]+$  //匹配由数字和26个英⽂字母组成的字符串
^\w+$  //匹配由数字、26个英⽂字母或者下划线组成的字符串
表达式全集
正则表达式有多种不同的风格。下表是在PCRE中元字符及其在正则表达式上下⽂中的⾏为的⼀个完整列表：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”匹配字符“n”。“\n”匹配⼀个换⾏符。序列“\\”匹配“\”⽽“\(”则匹配“(”。
^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零次或多次。例如，zo*能匹配“z”以及“zoo”。*等价于{0,}。
+匹配前⾯的⼦表达式⼀次或多次。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”。
.匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符，请使⽤像“[.\n]”的模式。
(pattern)匹配pattern并获取这⼀匹配。所获取的匹配可以从产⽣的Matches集合得到，在VBScript中使⽤SubMatches 集合，在JScript中则使⽤$0…$9属性。要匹配圆括号字符，请使⽤“”。
(?:pattern)匹配pattern但不获取匹配结果，也就是说这是⼀个⾮获取匹配，不进⾏存储供以后使⽤。这在使⽤或字
符“(|)”来组合⼀个模式的各个部分是很有⽤。例如“industr(?:y|ies)”就是⼀个⽐“industry|industries”更简略的表达式。
(?
=pattern)正向预查，在任何匹配pattern的字符串开始处匹配查字符串。这是⼀个⾮获取匹配，也就是说，该匹配不需要获取供以后使⽤。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在⼀个匹配发⽣后，在最后⼀次匹配之后⽴即开始下⼀次匹配的搜索，⽽不是从包含预查的字符之后开始。
(?!pattern)负向预查，在任何不匹配pattern的字符串开始处匹配查字符串。这是⼀个⾮获取匹配，也就是说，该匹配不需要获取供以后使⽤。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。预查不消耗字符，也就是说，在⼀个匹配发⽣后，在最后⼀次匹配之后⽴即开始下⼀次匹配的搜索，⽽不是从包含预查的字符之后开始
x|y匹配x或y。例如，“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。
[xyz]字符集合。匹配所包含的任意⼀个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“p”。
[a-z]字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意⼩写字母字符。
[^a-z]负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b匹配⼀个单词边界，也就是指单词和空格间的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
\B匹配⾮单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
\cx匹配由x指明的控制字符。例如，\cM匹配⼀个Control-M或回车符。x的值必须为A-Z或a-z之⼀。否则，将c视为⼀个原义的“c”字符。
\d匹配⼀个数字字符。等价于[0-9]。
\D匹配⼀个⾮数字字符。等价于[^0-9]。
\f匹配⼀个换页符。等价于\x0c和\cL。
\n匹配⼀个换⾏符。等价于\x0a和\cJ。
\r匹配⼀个回车符。等价于\x0d和\cM。
\s匹配任何空⽩字符，包括空格、制表符、换页符等等。等价于[\f\n\r\t\v]。
\S匹配任何⾮空⽩字符。等价于[^\f\n\r\t\v]。
\t匹配⼀个制表符。等价于\x09和\cI。
\v匹配⼀个垂直制表符。等价于\x0b和\cK。
\w匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。
\W匹配任何⾮单词字符。等价于“[^A-Za-z0-9_]”。
\x n匹配n，其中n为⼗六进制转义值。⼗六进制转义值必须为确定的两个数字长。例如，“\x41”匹配“A”。
“\x041”则等价于“\x04&1”。正则表达式中可以使⽤ASCII编码。.
\num匹配num，其中num是⼀个正整数。对所获取的匹配的引⽤。例如，“(.)\1”匹配两个连续的相同字符。正则表达式获取括号内容
\n标识⼀个⼋进制转义值或⼀个向后引⽤。如果\n之前⾄少n个获取的⼦表达式，则n为向后引⽤。否则，如果n为⼋进制数字（0-7），则n为⼀个⼋进制转义值。
\nm 标识⼀个⼋进制转义值或⼀个向后引⽤。如果\nm之前⾄少有nm个获得⼦表达式，则nm为向后引⽤。如果\nm之前⾄少有n个获取，则n为⼀个后跟⽂字m的向后引⽤。如果前⾯的条件都不满⾜，若n和m均为⼋进制数字（0-7），则\nm将匹配⼋进制转义值nm。
\nml如果n为⼋进制数字（0-3），且m和l均为⼋进制数字（0-7），则匹配⼋进制转义值nm l。
\u n匹配n，其中n是⼀个⽤四个⼗六进制数字表⽰的Unicode字符。例如，\u00A9匹配版权符号（?）。以下是以的语法所写的⽰例
验证字符串是否只含数字与英⽂，字符串长度并在4~16个字符之间
<?php $str = 'a1234'; if (preg_match("^[a-zA-Z0-9]{4,16}$", $str)) { echo "驗證成功"; } else { echo "驗證失敗"; } ?>
简易的台湾⾝份证字号验证
<?php $str = 'a1234'; if (preg_match("/^\w[12]\d{8}$/", $str)) { echo "驗證成功"; } else { echo "驗證失敗"; } ?>
以下⽰例是⽤ Perl 语⾔写的，与上⾯的⽰例功能相同
print $str = "a1234" =~ m:^[a-zA-Z0-9]{4,16}$: ? "COMFIRM" : "FAILED";
print $str = "a1234" =~ m"^\w[12]\d{8}$" ? "COMFIRM" : "INVAILD";
如何写出⾼效率的正则表达式
如果纯粹是为了挑战⾃⼰的正则⽔平，⽤来实现⼀些特效（例如使⽤正则表达式计算质数、解线性⽅程），效率不是问题；如果所写的正则表达式只是为了满⾜⼀两次、⼏⼗次的运⾏，优化与否区别也不太⼤。但是，如果所写的正则表达式会百万次、千万次地运⾏，效率就是很⼤的问题了。我这⾥总结了⼏条提升正则表达式运⾏效率的经验（⼯作中学到的，看书学来的，⾃⼰的体会），贴在这⾥。如果您有其它的经验⽽这⾥没有提及，欢迎赐教。
为⾏⽂⽅便，先定义两个概念。
误匹配：指正则表达式所匹配的内容范围超出了所需要范围，有些⽂本明明不符合要求，但是被所写的正则式“击中了”。例如，如果使⽤
\d{11}来匹配11位的⼿机号，\d{11}不单能匹配正确的⼿机号，它还会匹配98765432100这样的明显不是⼿机号的字符串。我们把这样的匹配称之为误匹配。
漏匹配：指正则表达式所匹配的内容所规定的范围太狭窄，有些⽂本确实是所需要的，但是所写的正则没有将这种情况囊括在内。例如，使⽤\d{18}来匹配18位的⾝份证号码，就会漏掉结尾是字母X的情况。
写出⼀条正则表达式，既可能只出现误匹配（条件写得极宽松，其范围⼤于⽬标⽂本），也可能只出现漏匹配（只描述了⽬标⽂本中多种情况种的⼀种），还可能既有误匹配⼜有漏匹配。例如，使⽤\w+\来匹配结尾的域名，既会误匹配abc_这样的字串（合法的域名中不含下划线，\w包含了下划线这种情况），⼜会漏掉ab-c这样的域名（合法域名中可以含中划线，但是\w不匹配中划线）。
精准的正则表达式意味着既⽆误匹配且⽆漏匹配。当然，现实中存在这样的情况：只能看到有限数量的⽂本，根据这些⽂本写规则，但是这些规则将会⽤到海量的⽂本中。这种情况下，尽可能地（如果不是完全地）消除误匹配以及漏匹配，并提升运⾏效率，就是我们的⽬标。本⽂所提出的经验，主要是针对这种情况。
掌握语法细节。正则表达式在各种语⾔中，其语法⼤致相同，细节各有千秋。明确所使⽤语⾔的正则的语法的细节，是写出正确、⾼效正则表达式的基础。例如，perl中与\w等效的匹配范围是[a-zA-Z0-9_]；perl正则式不⽀持肯定逆序环视中使⽤可变的重复（variable repetition inside lookbehind，例如(?
<=.*)abc），但是.Net语法是⽀持这⼀特性的；⼜如，连逆序环视（Lookbehind，如(?<=ab)c）都不⽀持，⽽perl 和是⽀持的。《精通正则表达式》第3章《正则表达式的特性和流派概览》明确地列出了各⼤派系正则的异同，这篇⽂章也简要地列出了⼏种常⽤语⾔、⼯具中正则的⽐较。对于具体使⽤者⽽⾔，⾄少应该详细了解正在使⽤的那种⼯作语⾔⾥正则的语法细节。
先粗后精，先加后减。使⽤正则表达式语法对于⽬标⽂本进⾏描述和界定，可以像画素描⼀样，先⼤致勾勒出框架，再逐步在局步实现细节。仍举刚才的⼿机号的例⼦，先界定\d{11}，总不会错；再细化为1[358]\d{9}，就向前迈了⼀⼤步（⾄于第⼆位是不是3、5、8，这⾥⽆意深究，只举这样⼀个例⼦，说明逐步细化的过程）。这样做的⽬的是先消除漏匹配（刚开始先尽可能多地匹配，做加法），然后再⼀点⼀点地消除误匹配（做减法）。这样有先有后，在考虑时才不易出错，从⽽向“不误不漏”这个⽬标迈进。
留有余地。所能看到的⽂本sample是有限的，⽽待匹配检验的⽂本是海量的，暂时不可见的。对于这样的情况，在写正则表达式时要跳出所能见到的⽂本的圈⼦，开拓思路，作出“战略性前瞻”。例如，经常收到这样的垃圾短信：“发*票”、“发#漂”。如果要写规则屏蔽这样烦⼈的垃圾短信，不但要能写出可以匹配当前⽂本的正则表达式发[*#](?：票|漂)，还要能够想到发.(?：票|漂|飘)之类可能出现的“变种”。这在具体的领域或许会有针对性的规则，不多⾔。这样做的⽬的是消除漏匹配，延长正则表达式的⽣命周期。
明确。具体说来，就是谨慎⽤点号这样的元字符，尽可能不⽤星号和加号这样的任意量词。只要能确定范围的，例如\w，就不要⽤点号；只要能够预测重复次数的，就不要⽤任意量词。例如，写析取twitter消息的脚本，假设⼀条消息的xml正⽂部分结构是<span class=”msg”>…</span>且正⽂中⽆尖括号，那么<span class=”msg”>[^<]{1,480}</span>这种写法的思路要好于<span class=”msg”>.*</span>，原因有⼆：⼀是使⽤[^<]，它保证了⽂本的范围不会超出下⼀个⼩于号所在的位置；⼆是明确长度范围，{1,480}，其依据是⼀条twitter消息⼤致能的字符长度范围。当然，480这个长度是否正确还可推敲，但是这种思路是值得借鉴的。说得狠⼀点，“滥⽤点号、星号和加号是不环保、不负责任的做法”。
不要让稻草压死骆驼。每使⽤⼀个普通括号()⽽不是⾮捕获型括号(?:…)，就会保留⼀部分内存等着你再次访问。这样的正则表达式、⽆限次地运⾏次数，⽆异于⼀根根稻草的堆加，终于能将骆驼压死。养成合理使⽤(?:…)括号的习惯。
宁简勿繁。将⼀条复杂的正则表达式拆分为两条或多条简单的正则表达式，编程难度会降低，运⾏效率会提升。例如⽤来消除⾏⾸和⾏尾空⽩字符的正则表达式s/^\s+|\s+$//g;，其运⾏效率理论上要低于s/^\s+//g; s/\s+$//g; 。这个例⼦出⾃《精通正则表达式》第五章，书中对它的评论是“它⼏乎总是最快的，⽽且显然最容易理解”。既快⼜容易理解，何乐⽽不为？⼯作中我们还有其它的理由要将C==(A|B)这样的正则表达式拆为A和B两条表达式分别执⾏。例如，虽然A和B这两种情况只要有⼀种能够击中所
需要的⽂本模式就会成功匹配，但是如果只要有⼀条⼦表达式（例如A）会产⽣误匹配，那么不论其它的⼦表达式（例如B）效率如何之⾼，范围如何精准，C的总体精准度也会因A⽽受到影响。
巧妙定位。有时候，我们需要匹配的the，是作为单词的the（两边有空格），⽽不是作为单词⼀部分的t-h-e的有序排列（例如together中的the）。在适当的时候⽤上^，$，\b等等定位锚点，能有效提升到成功匹配、淘汰不成功匹配的效率。
正则表达式：
HTML转义字符：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。