常用正则表达式

一、正则表达式基础

 

以下内容摘自JDK6.0文档。

 

字符 

x 字符 x 

\\ 反斜线字符 

\0n 带有八进制值 0 的字符 n (0 <= n <= 7) 

\0nn 带有八进制值 0 的字符 nn (0 <= n <= 7) 

\0mnn 带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7） 

\xhh 带有十六进制值 0x 的字符 hh 

\uhhhh 带有十六进制值 0x 的字符 hhhh 

\t 制表符 ('\u0009') 

\n 新行（换行）符 ('\u000A') 

\r 回车符 ('\u000D') 

\f 换页符 ('\u000C') 

\a 报警 (bell) 符 ('\u0007') 

\e 转义符 ('\u001B') 

\cx 对应于 x 的控制符 

  

字符类 

[abc] a、b 或 c（简单类） 

[^abc] 任何字符，除了 a、b 或 c（否定） 

[a-zA-Z] a 到 z 或 A 到 Z，两头的字母包括在内（范围） 

[a-d[m-p]] a 到 d 或 m 到 p：[a-dm-p]（并集） 

[a-z&&[def]] d、e 或 f（交集） 

[a-z&&[^bc]] a 到 z，除了 b 和 c：[ad-z]（减去） 

[a-z&&[^m-p]] a 到 z，而非 m 到 p：[a-lq-z]（减去） 

  

预定义字符类 

. 任何字符（与行结束符可能匹配也可能不匹配） 

\d 数字：[0-9] 

\D 非数字： [^0-9] 

\s 空白字符：[ \t\n\x0B\f\r] 

\S 非空白字符：[^\s] 

\w 单词字符：[a-zA-Z_0-9] 

\W 非单词字符：[^\w] 

  

POSIX 字符类（仅 US-ASCII） 

\p{Lower} 小写字母字符：[a-z] 

\p{Upper} 大写字母字符：[A-Z] 

\p{ASCII} 所有 ASCII：[\x00-\x7F] 

\p{Alpha} 字母字符：[\p{Lower}\p{Upper}] 

\p{Digit} 十进制数字：[0-9] 

\p{Alnum} 字母数字字符：[\p{Alpha}\p{Digit}] 

\p{Punct} 标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~ 

\p{Graph} 可见字符：[\p{Alnum}\p{Punct}] 

\p{Print} 可打印字符：[\p{Graph}\x20] 

\p{Blank} 空格或制表符：[ \t] 

\p{Cntrl} 控制字符：[\x00-\x1F\x7F] 

\p{XDigit} 十六进制数字：[0-9a-fA-F] 

\p{Space} 空白字符：[ \t\n\x0B\f\r] 

  

java.lang.Character 类（简单的 java 字符类型） 

\p{javaLowerCase} 等效于 java.lang.Character.isLowerCase() 

\p{javaUpperCase} 等效于 java.lang.Character.isUpperCase() 

\p{javaWhitespace} 等效于 java.lang.Character.isWhitespace() 

\p{javaMirrored} 等效于 java.lang.Character.isMirrored() 

  

Unicode 块和类别的类 

\p{InGreek} Greek 块（简单块）中的字符 

\p{Lu} 大写字母（简单类别） 

\p{Sc} 货币符号 

\P{InGreek} 所有字符，Greek 块中的除外（否定） 

[\p{L}&&[^\p{Lu}]]  所有字母，大写字母除外（减去） 

  

边界匹配器 

^ 行的开头 

$ 行的结尾 

\b 单词边界 

\B 非单词边界 

\A 输入的开头 

\G 上一个匹配的结尾 

\Z 输入的结尾，仅用于最后的结束符（如果有的话） 

\z 输入的结尾 

  

Greedy 数量词 

X? X，一次或一次也没有 

X* X，零次或多次 

X+ X，一次或多次 

X{n} X，恰好 n 次 

X{n,} X，至少 n 次 

X{n,m} X，至少 n 次，但是不超过 m 次 

  

Reluctant 数量词 

X?? X，一次或一次也没有 

X*? X，零次或多次 

X+? X，一次或多次 

X{n}? X，恰好 n 次 

X{n,}? X，至少 n 次 

X{n,m}? X，至少 n 次，但是不超过 m 次 

  

Possessive 数量词 

X?+ X，一次或一次也没有 

X*+ X，零次或多次 

X++ X，一次或多次 

X{n}+ X，恰好 n 次 

X{n,}+ X，至少 n 次 

X{n,m}+ X，至少 n 次，但是不超过 m 次 

  

Logical 运算符 

XY X 后跟 Y 

X|Y X 或 Y 

(X) X，作为捕获组 

  

Back 引用 

\n 任何匹配的 nth 捕获组 

  

引用 

\ Nothing，但是引用以下字符 

\Q Nothing，但是引用所有字符，直到 \E 

\E Nothing，但是结束从 \Q 开始的引用 

  

特殊构造（非捕获） 

(?:X) X，作为非捕获组 

(?idmsux-idmsux)  Nothing，但是将匹配标志i d m s u x on - off 

(?idmsux-idmsux:X)   X，作为带有给定标志 i d m s u x on - off 

的非捕获组  (?=X) X，通过零宽度的正 lookahead 

(?!X) X，通过零宽度的负 lookahead 

(?<=X) X，通过零宽度的正 lookbehind 

(?<!X) X，通过零宽度的负 lookbehind 

(?>X) X，作为独立的非捕获组 

 

 

 

二、常用正则表达式

匹配中文字符的正则表达式： [\u4e00-\u9fa5]

评注：匹配中文。

 

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）

说明：[^\x00-\xff]表示不在[\x00-\xff]范围内的字符。

 

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 0511-4405222 或 021-87888822

 

匹配腾讯QQ号：[1-9][0-9]{4,}

评注：腾讯QQ号从10000开始

 

匹配中国邮政编码：[1-9]\d{5}(?!\d)

评注：中国邮政编码为6位数字

 

匹配身份证：\d{15}|\d{18}

评注：中国的身份证为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

 

 

源自：http://www.williamlong.info/archives/433.html 在该篇上做了一些说明