正则表达式(Regular Expression)，又称正规表示法、常规表示法，在实际的软件开发项目中经常会被使用到。它使用单个字符串来描述、匹配并获取一系列符合某个句法规则的结果。
正则表达式起源
1956年，数学家Stephen Kleene在Warren McCulloch和Walter Pitts早期神经系统工作的基础上，设计出了一个数学符号体系——regular sets(规则的集合)，这个东西很快被计算机科学家用于编译器的扫描或词法分析。由于正则表达式强大的文本处理能力，很快被应用到Unix的工具软件grep中;此后，正则表达式被广泛应用于Unix系操作系统、Perl、PHP，Delphi、JAVAScript、C#(.NET)、JAVA、python、Ruby等语言和开发环境中。
正则表达式定义
正则表达式是用来描述字符串特定结构(规则)的语言，由相关引擎执行。正则表达式形象化的描述如图1所示。
图1 正则表达式形象化的描述
正则表达式作用
1.数据验证
测试输入的字符串，是否符合一定的规则，是否允许输入等。例如，可对Email地址合法性、网址、电话号码、出生年月等进行验证。
2.操作文本
用来识别文档中的特定文本、完全删除该文本或者用其它文本或字符替换。
3.提取子字符串
基于模式匹配，可以查找文档内或输入域内特定的文本，在涉及替换操作时往往都需要先提取。
正则表达式基本语法
1.直接量字符(通常是不可见的字符及匹配自身的字符)
2.字符类(可以匹配多种字符)
3.重复
4.选择、分组和锚字符
5. 标志(标示引擎的工作模式)
说明：
在正则表达式前用“(?i)”标示，例如：(?i)^root$，则root、Root、ROOT都符合要求。
6.其它
1) 匹配元字符“( [ { \ ^ $ | ) ? * + .”，需要用“\”转义。
例如：匹配“.”，正则表达式为“\.”。
2) 贪婪量词与惰性量词
惰性量词仅仅在贪婪量词后面加个“?”。
用贪婪量词进行匹配时，它首先会将整个字符串当成一个匹配，如果匹配成功就退出，如果不匹配，就截去最后一个字符进行匹配;如果不匹配，继续将最后一个字符截去进行匹配，直到有字符匹配为止。
用惰性量词进行匹配时，它首先将第一个字符当成一个匹配，如果成功则退出;如果失败，则测试前两个字符，依次增加，直到遇到合适的匹配为止 。
例如：“\d+”是贪婪量词，而“\d+?”是非贪婪(惰性)量词。
3) 子匹配
内部的分组匹配，用“()”标示一个分组。
子匹配的每个分组都被放在一个特殊的地方以备将来使用，这些被存储的值是分组中的特殊值，称之为反向引用。
例如：验证输入的是日期，再提取到月份，其正则表达式为“^\d{4}\-(\d{2})\-\d{2}$”。
4) 正向前瞻和负向前瞻
正向前瞻：(?<=字符)或(?=字符)
注意：一定要有等于才行。
负向前瞻：(?<!字符)或(?!字符)
注意：一定要有不等于才行。
也就是说，我们可以自己制定匹配的边界在哪里，这在字符串提取时常用。
示例：
例1，我们取“#”之前的字符，但是不包括“#”，其正则表达式：[\w]+(?=#)
例2，我们取不在“#”之前的字符，但是不包括“#”，其正则表达式： [\w]+(?!#)
例3，我们取“<>”之间的字符，但是不包括“<>”，其正则表达式： (?<=<)[\w]+(?=>)
正则表达式常见用法
1.数字
1)正整数： ^[1-9][0-9]*$
2)非正整数： ^((-[1-9][0-9]*)|(0))$
3)负整数：^-[1-9][0-9]*$
4)整数： ^(0|-?[1-9][0-9]*)$
5)非负浮点数：^\d+(\.\d+)?$
2.字母
1)英文字符串：^[A-Za-z]+$
2)英文大写串：^[A-Z]+$
3)英文小写串：^[a-z]+$
4)英文字符数字串：^[A-Za-z0-9]+$
5)英文数字加下划线串：^\w+$
3.其它
1.E-mail地址：^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$
2.URL：^http:\/\/[A-Za-z0-9]+\.[A-Za-z0-9]+[\/=\?%\-&_~`@[\]\':+!]*([^<>\"\"])*$
3.邮政编码：^[1-9]\d{5}$
4.中文：^[\u4e00-\u9fA5]+$
5.电话号码：^((\d2,3)|(\d{3}\-))?(0\d2,3|0\d{2,3}-)?[1-9]\d{6,7}(\-\d{1,4})?$
6.手机号码：^1\d{10}$
7.首尾空格：(^\s+)|(\s+$)
8.身份证：^(\d{15}|\d{18})$ (注：中国的身份证为15位或18位)
9.账号：^[a-zA-Z]\w{4,15}$ (注：字母开头，允许5-16字节，允许字母数字下划线)
10.IP：^([1-9]\d{0,1}|1\d{2}|2[0-4]\d|25[0-5])(\.([1-9]\d{0,1}|1\d{2}|2[0-4]\d|25[0-5])){3}$ (IP是由大于等于0且小于等于255的数字、“.”组成的，验证每个数字分项再和“.”拼接就可以了)
总结
正则表达式的功能非常的强大，大家在实际使用到的时候才能够感觉得到。当然，要想同时记住这么多的正则表达式的规则，也不是简单的事情。大家可以将常见的正则表达式记录下来(就像本文一样)，待需要用到的时候可以拿出来参考。
【本文是51CTO专栏作者周兆熊的原创作品，转载请通过51CTO获取作者授权】
