正则表达式是一种用来描述一定数量文本的语言表达方法，Regex代表Regular Expression。
一個正则表达式通常被稱為一個模式（pattern），為用来描述或者匹配一系列符合某个句法规则的字符串。例如：Handel、Händel和Haendel這三个字符串，都可以由「H(a|ä|ae)ndel」这个模式来描述。大部分正则表达式的形式都有如下的结构：
- 选择
|竖直分隔符代表选择。例如「gray|grey」可以匹配grey或gray。
- 数量限定
- 某个字符后的数量限定符用来限定前面这个字符允许出现的个数。最常见的数量限定符包括“+”、“?”和“*”（不加数量限定则代表出现一次且仅出现一次）：
+加号代表前面的字符必须至少出现一次。（1次、或多次）。例如，「goo+gle」可以匹配google、gooogle、goooogle等;?问号代表前面的字符最多-{}-只可以出现一次。（0次、或1次）。例如，「colou?r」可以匹配color或者colour;*星号代表前面的字符可以不出现，也可以出现一次或者多次。（0次、或1次、或多次）。例如，「0*42」可以匹配42、042、0042、00042等。
- 匹配
- 圆括号可以用来定义操作符的范围和优先度。例如，「
gr(a|e)y」等价于「gray|grey」，「(grand)?father」匹配father和grandfather。 上述这些构造子都可以自由组合，因此，「H(ae?|ä)ndel」和「H(a|ae|ä)ndel」是相同的。
- 圆括号可以用来定义操作符的范围和优先度。例如，「
| 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」、「zo」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「`(. |
| (pattern) | 匹配pattern并获取这一匹配的子字符串。该子字符串用于向后引用。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。要匹配圆括號字符，请使用「\(」或「\)」。 |
| (?:pattern) | 匹配pattern但不获取匹配的子字符串，也就是说这是一个非获取匹配，不存储匹配的子字符串用于向后引用。这在使用或字符「`( |
| (?=pattern) | 正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。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 |
| (?!pattern) | 正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。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 |
| (?<=pattern) | 反向肯定预查，与正向肯定预查类似，只是方向相反。例如，「`(?<=95 |
| (?<!pattern) | 反向否定预查，与正向否定预查类似，只是方向相反。例如「`(?<!95 |
| x | y |
| [xyz] | 字符集合（character class）。匹配所包含的任意一个字符。例如，「[abc]」可以匹配「plain」中的「a」。特殊字符仅有反斜线\保持特殊含义，用于转义字符。其它特殊字符如星号、加号、各种括号等均作为普通字符。脱字符^如果出现在首位则表示负值字符集合；如果出现在字符串中间就仅作为普通字符。连字符 - 如果出现在字符串中间表示字符范围描述；如果如果出现在首位则仅作为普通字符。 |
| [^xyz] | 排除型（negate）字符集合。匹配未列出的任意字符。例如，「[^abc]」可以匹配「plain」中的「plin」。 |
| [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] | 排除型的字符范围。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_]」。 |
| 片段 | 描述 | 举例 |
|---|---|---|
.+ |
匹配任意长度字符串 | |
\d+ |
匹配任意长度数字 | 012324 |
[\W\w\d]+ |
匹配任意长度英文+数字 | w034AZ334 |
[\u4E00-\u9FA5]+ |
匹配任意长度中文 | |
[\w\d-\.]+@[\w\d-]+\.[\w\d]+ |
匹配邮箱 | |
\"ctime\":(?<T>\\d+)(?!.*ctime) |
匹配最后一个ctime的值 |
灵活使用 (?<=pattern) 和 (?=pattern) 可实现精确匹配，示例：
<font class="skcolor_ljg">ABC</font> 2014 750ml</em>-->ABC- Regex:
(?<=<font class="skcolor_ljg">).+?(?=</font> 2014 750ml</em>)
- Regex:
href="//item.jd.com/1865339.html"-->1865339- Regex:
(?<=href="//item.jd.com/)\d+(?=.html")
- Regex:
当原始内容中包含多个重复文本片段，可使用T命名捕获组(pattern)(?<T>pattern)(pattern)进行匹配，可以更精确获得所需结果，示例：
<tr><td>2231</td><td>Beijing</td><td>测试</td></tr>-->Beijing- Regex:
<tr><td>.+?</td><td>(?<T>.+?)</td><td>.+?</td></tr>
- Regex:
- 单行模式
(?s)- 更改
.的含义，使之可以匹配换行符\n，即可实现对内容的跨行匹配
- 更改
- 不区分大小写模式
(?i) - 多行模式
(?m)- 表示更改
^和$的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。 - 在此模式下，
$匹配\n之前的位置以及字符串结束前的位置。^匹配\n之后的位置以及字符串开始的位置。
- 表示更改