正则表达式拾遗

正则介绍

正则表达式，又称规则表达式，（Regular Expression，在代码中常简写为regex、regexp或RE），是一种文本模式，包括普通字符（例如，a到z之间的字母）和特殊字符（称为“元字符”），是计算机科学的一个概念。正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符以及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

正则表达式通常被用来检索、替换那些符合某个模式（规则）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。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。正则表达式中的普通字符包括大小写字母、数字、标点符号及一些其他符号，元字符则是指那些在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符前面的字符）在目标对象中的出现模式。

正则表达式于20世纪40年代出现，用于描述常规语言，但直到20世纪70年代才出现在编程中，由肯·汤普逊编写的QED文字编辑器是编程中找到最早使用正则表达式的地方。正则表达式在许多场合中都有非常重要的应用，例如搜索、爬虫、数据验证等。

正则表达式的组成：

1. 普通字符：包括大小写字母、数字、标点符号及一些其他符号。这些字符在正则表达式中表示它们自身，例如，正则表达式“hello”会匹配文本中的字符串“hello”。
2. 元字符：元字符是正则表达式中具有特殊意义的字符，它们并不表示自身，而是用来描述前导字符（或字符集合）在目标对象中的出现模式。常见的元字符包括：

• “.”：匹配除了换行符以外的任意字符。
• “*”：表示前面的字符可以出现任意次（包括0次）。
• “?”：表示前面的字符可以出现0次或1次。
• “+”：表示前面的字符可以出现至少1次。
• “^”：匹配输入字符串的开始位置。
• “$”：匹配输入字符串的结束位置。
• “\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]。

正则表达式的应用：

1. 搜索：正则表达式常用于在文本中搜索符合特定模式的字符串。例如，可以使用正则表达式在日志文件中搜索包含特定错误信息的行。
2. 替换：正则表达式也可以用来替换文本中的字符串。例如，可以使用正则表达式将文本中的所有电话号码替换为特定的占位符。
3. 验证：正则表达式可以用来验证输入是否符合特定的格式。例如，可以使用正则表达式验证电子邮件地址或电话号码的格式是否正确。

正则表达式的优点：

1. 灵活性：正则表达式可以描述非常复杂的匹配模式，使得它在处理各种文本处理任务时非常灵活。
2. 高效性：对于大量的文本数据，使用正则表达式可以显著提高处理效率。
3. 广泛的应用：正则表达式被广泛应用于各种编程语言和文本处理工具中，使得它成为一种通用的文本处理技能。

然而，正则表达式也有其缺点，比如学习曲线较陡峭，需要一定的时间和精力来掌握；同时，过于复杂的正则表达式可能导致性能下降，需要谨慎使用。

熟能生巧用的多自然而然就懂了，重点就是多用。一开始也可以借助一些AI进行学习。

常用元字符关键字介绍

• 字符类：
  • .：匹配除了换行符之外的任意单个字符。
  • \d：匹配任意数字，相当于 [0-9]。
  • \D：匹配任意非数字字符，相当于 [^0-9]。
  • \w：匹配任意字母、数字或下划线，相当于 [a-zA-Z0-9_]。
  • \W：匹配任意非字母、数字或下划线字符，相当于 [^a-zA-Z0-9_]。
  • \s：匹配任意空白字符（包括空格、制表符、换行符等）。
  • \S：匹配任意非空白字符。
• 锚点：
  • ^：匹配输入字符串的开始位置。
  • $：匹配输入字符串的结束位置。
• 量词：
  • *：匹配前面的子表达式零次或多次。
  • +：匹配前面的子表达式一次或多次。
  • ?：匹配前面的子表达式零次或一次。
  • {n}：n 是一个非负整数，匹配确定的 n 次。
  • {n,}：n 是一个非负整数，至少匹配 n 次。
  • {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。
• 选择、分组和引用：
  • |：或操作符，匹配 | 前后任一表达式。
  • ()：分组，将多个字符捆绑在一起，当作一个整体进行处理，也可以用于后向引用。
  • \n：后向引用，引用前面分组中捕获的文本（n 是一个正整数）。
• 特殊字符转义：
  • \：转义字符，用于转义正则表达式中的特殊字符，如 \. 匹配 . 字符本身。
• 字符集和否定字符集：
  • [...]：字符集，匹配方括号内的任一字符。
  • [^...]：否定字符集，匹配不在方括号内的任一字符。
• 预定义模式，某些正则表达式引擎提供了一些预定义的字符类，如 \d、\w 等。
  • i：不区分大小写匹配。
  • g：全局匹配，查找所有匹配项而不仅仅是第一个。
  • m：多行模式，让 ^ 和 $ 分别匹配每行的开头和结尾。

更多关键字请参考正则表达式语言 - 快速参考

.NET下正则使用

.NET 下的正则由 System.Text.RegularExpressions 相关类 提供的正则引擎。它也是比较强大的引擎，具体可以参考 正则表达式引擎/风味对比 。

检查一个字符串是否包含数字

string pattern = @"\d"; // 匹配任何数字  
string input = "abc123def";  
if (Regex.IsMatch(input, pattern))  
    Console.WriteLine("The string contains a number.");  
else  
    Console.WriteLine("The string does not contain a number.");  

从一个字符串中提取所有的单词

string pattern = @"\w+"; // 匹配一个或多个字母、数字或下划线  
string input = "Hello, world! This is a test.";  
MatchCollection matches = Regex.Matches(input, pattern);  
foreach (Match match in matches)  
    Console.WriteLine(match.Value);  

使用正则表达式替换字符串中的数字为

string pattern = @"\d"; // 匹配任何数字  
string input = "abc123def456";  
string replacement = "#";  
string result = Regex.Replace(input, pattern, replacement);  
Console.WriteLine(result); // 输出: abc###def###  

从字符串中提取电子邮件地址

string pattern = @"(\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b)"; // 匹配电子邮件地址  
string input = "Contact us at info@example.com or support@website.org";  
MatchCollection matches = Regex.Matches(input, pattern);  
foreach (Match match in matches)  
    Console.WriteLine(match.Value); // 输出: info@example.com 和 support@website.org  

验证密码强度

• 假设我们需要验证一个密码是否满足以下条件：
  • 至少包含一个大写字母
  • 至少包含一个小写字母
  • 至少包含一个数字
  • 长度至少为8个字符

string password = "Password123";  
string pattern = @"^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)[a-zA-Z\d]{8,}$";  
if (Regex.IsMatch(password, pattern))  
    Console.WriteLine("密码强度足够。");  
else  
    Console.WriteLine("密码强度不足。");  

在这个正则表达式中：
(?=.*[a-z]) 是一个前瞻断言，确保字符串中至少有一个小写字母。
(?=.*[A-Z]) 确保至少有一个大写字母。
(?=.*\d) 确保至少有一个数字。
[a-zA-Z\d]{8,} 确保字符串至少由8个字符组成，且这些字符只能是字母或数字。

提取HTML标签中的文本

从HTML标签中提取文本。

string html = "<p>这是一个段落。</p><p>这是另一个段落。</p>";  
string pattern = @"<p>(.*?)</p>"; // 懒惰匹配防止跨标签匹配  
MatchCollection matches = Regex.Matches(html, pattern);  
foreach (Match match in matches)  
{  
    if (match.Success)  
        Console.WriteLine(match.Groups[1].Value); // 输出捕获组中的文本  
}  

在这个例子中，我们使用了懒惰量词 *? 来确保只匹配到最近的闭合标签 </p>。但是，请注意，正则表达式并不是解析HTML的最佳工具，因为它不能很好地处理嵌套的或不规则的HTML结构。对于实际的HTML内容提取，应该使用像HtmlAgilityPack这样的库。

匹配和替换日期格式

假设你有一个字符串，里面包含了多种日期格式，你想将它们统一成一种格式。例如，将 "dd/mm/yyyy" 和 "mm-dd-yyyy" 都转换成 "yyyy-mm-dd"

 string input = "我的生日是09/25/1990，但她的生日是25-09-1992。";  
string pattern1 = @"(\d{2})/(\d{2})/(\d{4})"; // 匹配 dd/mm/yyyy 格式  
string pattern2 = @"(\d{2})-(\d{2})-(\d{4})"; // 匹配 dd-mm-yyyy 格式  
    
string result = Regex.Replace(input, pattern1, "$3-$2-$1"); // 转换第一种格式  
result = Regex.Replace(result, pattern2, "$3-$2-$1"); // 转换第二种格式  
    
Console.WriteLine(result); // 输出: 我的生日是1990-09-25，但她的生日是1992-09-25。

手机号匹配

匹配国内手机号，或者海外手机号

string pattern = @"^(?:\(\+?86\))?1[0-9]{10}$|^(?!\(\+?86\))\(\+?[0-9]{1,4}\)[0-9-]+$";  
string[] phoneNumbers = new string[]
{  
    "(+86)13800138000",  
    "13800138000",  
    "(+123)456-7890",  
    "+4917612345678", // 这个号码不符合你的原始正则表达式，因为没有括号  
    "(+86)123456789012" // 故意放一个不符合的号码来测试  
};  

foreach (string phoneNumber in phoneNumbers)  
{  
    if (Regex.IsMatch(phoneNumber, pattern))  
        Console.WriteLine($"'{phoneNumber}' matches the pattern.");  
    else  
        Console.WriteLine($"'{phoneNumber}' does not match the pattern.");  
}  

正则验证工具

有很多正则在线验证工具

• https://www.regexp.cn/Regex
• https://www.jyshare.com/front-end/854/
• https://www.w3cschool.cn/tools/index?name=create_reg
• https://regex101.com/ （推荐）

我们以这段正则举例
^(?:\(\+?86\))?1[0-9]{10}$|^(?!\(\+?86\))\(\+?[0-9]{1,4}\)(?:[0-9]+\-)*[0-9]+$
这段正则表达式可以分成两部分：

1. (?:\(\+?86\))?1[0-9]{10}$：匹配中国手机号码，可以以"+86"开头，也可以不加区号，然后接11位数字。
2. ^(?!\(\+?86\))\(\+?[0-9]{1,4}\)(?:[0-9]+\-)*[0-9]+$：匹配国际电话号码，不匹配以"+86"开头的号码，可以包含国际区号，然后是一系列数字和短横线，最后以数字结尾。

Regester

Regester是一款非常实用的正则表达式测试工具。以下是这款工具的主要功能和特点：

• 多种结果查看方式：支持树形、表格、文本等三种结果查看方式，用户可以根据需要灵活选择。
• 丰富的表格操作：表格内容不仅可以自由选择，还可以自由复制。此外，表格内容还可以导出为csv/xlsx文件，方便用户进行后续处理和分析。
• 拖入文件作为匹配源文本：用户可以直接将需要测试的文件拖入软件界面，作为匹配源文本，无需手动复制粘贴。

正则可视化

菜鸟正则可视化

菜鸟正则可视化可以生成可视化正则解释图形。

PlantUML

PlantUML 是一种简单的文本语言，用于快速创建 UML 图。UML（统一建模语言）是一种广泛使用的图形表示法，用于建模、设计和构建软件系统。然而，创建 UML 图通常是一个繁琐的过程，需要专业的绘图工具。PlantUML 旨在通过提供一种简单的、易于学习的文本语法来解决这个问题，该语法可以直接转换为 UML 图。

使用 PlantUML，您可以在文本编辑器中编写描述 UML 图的代码，然后使用 PlantUML 工具或插件将其转换为图形表示。这种方法的优点是您可以在版本控制系统中轻松管理 UML 图，因为它们只是文本文件。此外，PlantUML 还支持多种 UML 图类型，包括类图、用例图、顺序图、活动图等。
我们可以使用它提供的Regex生成可视化图形。

@startregex
!theme cyborg
title MobileNumber
^(?:\(\+?86\))?1[0-9]{10}$|^(?!\(\+?86\))\(\+?[0-9]{1,4}\)(?:[0-9]+\-)*[0-9]+$
@endregex

常用正则

校验数字的表达式

校验字符的表达式

特殊需求表达式

钱的输入格式

参考

• 正则表达式30分钟入门教程
• Regester
• 正则表达式mozilla
• regexPlantuml
• regex101
• 正则表达式语言 - 快速参考