一看就懂:正則表示式

語言: CN / TW / HK

關注公眾號:IT老哥,每天閱讀一篇乾貨技術文章,一年後你會發現一個不一樣的自己。

===

案例引入

=======

在講正則表示式前,我們不妨先從一個場景來逐漸引入。

你可能有過這樣的經歷:我們去某些網站註冊帳號,當你在設定密碼的時候,網站會提示你密碼的長度範圍,以及對應的規則限制(如下圖)。

圖片

根據上圖,我們將密碼設定規則可以描述為兩個條件:

(1)長度為6-16位;

(2)密碼中必須包含數字,大寫字母,小寫字母,特殊字元(指定字元);

現在假設我們不知道正則表示式,作為程式設計師的你,該如何去實現這樣一個密碼驗證呢?

下面是我寫的一個校驗方法(樣本):

/** * 校驗使用者密碼是否滿足設定規則 * * @param password 使用者輸入的密碼 * @return true-滿足;false-不滿足 */ public static boolean checkPassword(String password) { // 密碼不能為空 if (password == null || password.isEmpty()) { return false; } // 校驗密碼長度(6-16位) int len = password.length(); if (len < 6 || len > 16) { return false; } // 定義四種組合條件 boolean hasNumber = false; boolean hasSmallLetter = false; boolean hasBigLetter = false; boolean hasSpecialChar = false; // 將密碼字串拆分為單個字元,然後對每個字元進行校驗 char[] chars = password.toCharArray(); for (char c : chars) { // 是否包含數字0-9 if (c >= '0' && c <= '9') { hasNumber = true; continue; } // 是否包含小寫字母a-z if (c >= 'a' && c <= 'z') { hasSmallLetter = true; continue; } // 是否包含大寫字母A-Z if (c >= 'A' && c <= 'Z') { hasBigLetter = true; continue; } // 是否滿足指定的特殊字元 if ("~@#S%*_-+=:.?".indexOf(c) > 0) { hasSpecialChar = true; continue; } // 如果某個字元不在上面四種情況,則不滿足規則 return false; } // 如果四種組合條件均滿足,則符合密碼設定規則 return hasNumber && hasSmallLetter && hasBigLetter && hasSpecialChar; }

這個方法寫得對不對呢?我們不防用幾組密碼去進行驗證下:

圖片

可以看到,我們列舉的8組密碼,都得到了驗證,說明我們的方法是OK的。

但這樣一個密碼設定規則校驗,我們就差不多寫近 30 行的程式碼,是不是感覺有點累贅了呢?明明規則很簡單,程式碼量卻寫了這麼多,有沒有什麼方法可以簡化我們的程式碼呢?當然有!於是,這時就可以讓我們今天的主角正則表示式出場了。

下面,則是具有相同校驗功能,基於正則表示式的驗證方法:

/** * 通過正則表示式校驗使用者密碼是否滿足設定規則 * * @param password 使用者輸入的密碼 * @return true-滿足;false-不滿足 */ public static boolean checkPasswordByRegex(String password) { return Pattern.matches("^(?=.*[0-9])(?=.*[a-z])(?=.*[A-Z])(?=.*[~@#S%*_\\-+=:.?])[A-Za-z0-9~@#S%*_\\-+=:.?]{8,20}$", password); }

那麼它寫得到底對不對呢?於是,我們可以通過上面的示例資料,繼續呼叫該方法來進行驗證:

圖片

通過結果我們可以看到,他也是符合我們預期的。於是我們發現,在不用正則表示式的時候,我們的程式碼量近30行,而使用了正則表示式,程式碼就濃縮為了1行,也就是說,使用正則表示式時可以簡化我們的程式碼。

但同時我們也可知,正則表示式具有一定的學習成本,如果你不懂正則表示式,那麼你看它可能就是一頭霧水,如果出了問題,更也就無從下手去修改它了。

所以,學會正則表示式還是有必要的,至少以後你的同事寫出來後,不會在腦子裡出現 "這是寫的啥玩意兒啊?怎麼我看不懂" 的想法。

正則表示式

什麼是正則表示式?通過上面的案例大家可能多少有點了解了。是的,他就是通過一行字串,來描述一定的規則(如下圖箭頭所指紅框處)。

命名規範

圖片

正則表示式的英文為 Regular Expression,所以我們通常採用這兩個單詞的首幾個字母合在一起,把正則表示式相關的變數名定義為 regexp(單數) 或 regexps(複數) 。

比如:

圖片

又比如,在 Java 的 String 類中,有幾個相關替換的方法,它也是支援正則表示式的,他的引數命名也是 regex 。

圖片

結構組成

正則表示式通常由一些普通字元,以及一些元字元組成。

普通字元:就是本身作為一個字元時,它不具有其他含義,像我們常用的大小寫字母和數字。

元字元:就是除了本身作為一個字元外,他還可以表達其他含義(下圖是部分元字元節選)。

圖片

其實,我們學習正則表示式,大部分就是基於元字元的學習。

用途場景

學習了正則表示式,我們可以有哪些用途場景呢?

(1)做字串的規則驗證(比如前面的案例引入中,我們可以通過正則表示式來驗證一個密碼是否符合規則)。

(2)做字串的替換(比如將一個字串中所有的大小寫字母去掉,或者替換為指定符號)。

(3)提取字串中所需要的字元(比如一個字串中所有的數字提取出來,組成一個新的字串)。

Java中的正則校驗

正則表示式主要用途就是校驗字串,那麼在Java中,只需要通過下面這個方法即可進行校驗。

boolean result = Pattern.matches(regex, input);

其中:

regex 是我們需要寫的正則表示式校驗規則;

input 是我們待校驗的字串;

返回的 result 就是我們校驗的結果,當為 true 的時候,表示校驗通過,當為 false 的時候,則表示校驗不通過。

正則元字元

正則:普通字元

當我們的正則表示式為一串普通字元(不包含元字元)時,校驗字串只有和正則一致時,才會校驗通過。

具體效果如下:

圖片

說明:後面例子為節省篇幅,不顯得累贅,就不再貼程式碼,只貼校驗結果。

正則:\d

\d 表示一個數字。

如:

aaa\d:表示驗證的字串後面必須以 aaa 開頭,且以一個數字結尾。

圖片

aaa\dbbb:aaa和bbb中間有一個數字

圖片

aaa\d\d:aaa後面跟2個數字

圖片

注意:在Java定義的正則裡,由於一個\表示的是字串轉義,因此在Java定義帶有\的元字元時,還需要多寫一個\,即\\,至於其他語言,自己可查閱相關資料進行了解。

圖片

正則:\D

\D 表示一個非數字,它和上面 \d 的意思恰好相反。

如:

\D\D\D:則表示一個長度為3,不包含數字的字串。

圖片

111\D222:則表示111和222中間,必須包含一個非數字。

圖片

正則:\w

\w 表示一個字母(大小寫均可)、數字,或下劃線。

如:

12\w45:則表示12和45中間必須是一個字母,數字,或下劃線。

圖片

正則:\W

\W 與 \w 相反,表示這個位置的字元既不是字母、數字,也不是下劃線。

也就是:特殊符號(除下劃線),或者空格等滿足。

如:

12\w45:則表示12和45中間是一個非字母,非數字,或非下劃線。

圖片

正則:\s

\s 表示匹配一個看不見的符號,即空格或製表符(Tab鍵)

如:

88\s99:則表示88和99中間須是一個空格或製表符。

(由於我的編輯器設定了1個製表符替換為4個空格,所以這裡就不列舉製表符情況了)

圖片

正則:\S

\S 與 \s 相反,表示一個可以看得見的符號。

如:

88\S99:則表示88和99中間須有一個看得見的符號。 

圖片

正則:.

. (小數點) 則表示“\n”和"\r"之外的任何單個字元。

如:

.... :則表示任意四個字元

圖片

正則:|

| (豎線) 則表示或的關係,表示檢測的字串須滿足其中一個時,才符合條件。

如:

aa|bb|cc:則表示輸入的字串須是aa,或bb,或cc其中的一個。

圖片

注意,如果我們或者關係的前後還有其它字元時,需要用()將他們包裹起來。

如:

xx(aa|bb|cc)yy:則表示輸入的字串須是xx開頭,yy結尾,且中間是aa,或bb,或cc其中的一個。

圖片

正則:[abc]

[ ] 表示匹配其中任意一個字元。

如:

a[bcd]e:則表示a和e的中間須是b,或c,或d其中的一個

圖片

注意:用 | 表示其中之一,他可以是字元,也可以是字串。而只用中括號時,則只表示其中一個字元。

正則:[^abc]

[^ ] 表示不與中括號裡的任意字元匹配。

如: 

a[^bcd]e:則表示a和e的中間除b,c,d這三個字元外,其他的字元都滿足。

圖片

正則:[a-z]

[值1-值2] 則表示值1到值2中間的所有字元都滿足(包括值1和值2)。常用該正則來表示大小寫字母範圍,數字範圍。

如:

a[b-d]e:等同於 a[bcd]e,因為 b-d 其實就是b,c,d三個數。

圖片

圖片

a[0-9]e:則表示a和e中間是一個數字,等同於 a\de(前面說過\d表示一個數字)

圖片

圖片

正則:[^a-z]

[^值1-值2] 則表示除值1和值2之外的所有字元,都可以滿足。

如:

a[^1-3]e:則表示a和e中間的字元,只要不是1,2,3,則都滿足。

圖片

正則:\num

這裡的num指number,也就是數字,當\後面跟數字,表示匹配第幾個括號中的結果。

比如:現在有 abcd 字串,當我們用小括號把 c 包裹起來後,然後在字串後面寫上 \1,即 ab(c)d\1,則這裡的 \1 就指 c,因為 \1 表示第1個小括號中的結果。

ab(c)d\1:等同於 abcdc 。

圖片

如果我們繼續把 ab(c)d\1 中的 d 包括起來,並在後面寫上 \2,即 ab(c)(d)\1\2, 那麼這裡的 \2 就表示 d 這個字元,因為第2個小括號的結果是 d,所以整個表示式就等同於 abcdcd 。

ab(c)(d)\1\2:等同於 abcdcd,也等同於 ab(cd)\1 。

圖片

圖片

正則:?

? 表示匹配前面的子表示式零次或一次。

如:

abc?de: 表示可匹配的字串為 abde (匹配0次c) 或 abcde (匹配1次c)。

圖片

正則:+

匹配前面的子表示式一次或多次 (次數 >= 1,即至少1次)

如:

abc+de:ab 和 de 之前至少有一個 c 。

圖片

正則:{n}

這裡的 n 是一個非負整數。匹配確定的前面的子表示式 n 次。

如:

abc{3}de:表示 ab 和 de 之間有3個c。

圖片

ab(xx|yy){3}de:表示 ab 和 de 之間有 xx 或 yy 的個數, 一起合計為3個。

圖片

正則:{n,m}

m和n均為非負整數,其中 n<=m。最少匹配 n 次且最多匹配 m 次。

如:

abc{2,3}de:表示 ab 和 de 之間有 2 到 3 個 c。

圖片

正則:*

表示匹配前面的子表示式任意次。

如:

abc*de:表示 ab 和 de 之間有任意個數(包括0)c 。

圖片

如果文章對你有所幫助,請給團長一個免費的贊吧,感謝大家。

圖片

關注公眾號:IT老哥,每天閱讀一篇乾貨技術文章,一年後你會發現一個不一樣的自己。