雷杰克斯作弊表:模式，标志和现实实中的例子

常用表达式是描述文本的紧语言。一行可以验证输入，从日志中提取数据或更名数百个文件。它们的语法很密集，。这张作弊表收集了你每天使用的语法，解释了让人们陷入困境的部分，。所有的示例都使用JavaScript语法，它也非常接近Python，Java，Go和.NET。

在阅读过程中，在regex测试 中尝试每个模式;看到突出匹配是建立直觉的最快方法。

字面上的字符和逃跑

大多数字符都匹配自己:cat匹配"猫"。十二个字符具有特殊的含义，

. * + ? ^ $ { } ( ) | [ ] \ /

所以3.14匹配"3.14"，同时也匹配"3x14"，而3\.14只匹配"3.14"。

字符类

图案	匹配
.	任何字符除了新行 (除非设置了s标志)
\d	一个数字09
\w	一个字符:字母，数字或下划线
\s	白空间:空格，选项卡，新行
\D, \W, \S	对于上述情况而言，
[abc]	一个a，b或c
[a-z]	任何小写的ASCII字母
[^0-9]	不是数字的任何字符
\p{L}	任何文字 (需要u标志)

在方形括号内，大多数特殊字符失去了它们的意义。[.]与一个字面点相匹配。一个线条是字面上的，当放在第一个或最后一个:[-a-z]。

数量表

图案	意义
a*	零或以上
a+	一个或多个
a?	零或一个 (可选)
a{3}	准确的三个
a{2,5}	在两到五之间
a{2,}	两个或更多

量化器是贪的:它们尽可能地匹配，然后回溯。增加?会让他们变得惰。鉴于<b>bold</b>，模式<.+>匹配整个字符串，而<.+?>只匹配<b>。

和边界

• ^匹配字符串的开始，或者每个线的m标志。
• $匹配字符串的末尾，或者每个行与 m匹配。
• \b 匹配一个字符边界:字符和非字符之间的位置。

\bcat\b与"猫坐着"中的"猫"相匹配，。是验证必不可少的:\d{5}在"abc123456"中任何地方都会找到五个数字，而^\d{5}$则要求整个输入都必须是五个数字。

组和交替

• (abc) 集团和捕获。捕获的文本可用为 $1，$2 替换。
• 没有捕获的(?:abc)组，这更快，保持清洁的编号。
• (?<year>\d{4})是一个命名的群体，可以用match.groups.year来访问。
• a|b与A或B相匹配。交替是最低的优先级，所以^cat|dog$意味着"从猫开始"或"从狗结束"。用^(?:cat|dog)$来匹配一个字。
• \1是对第1组的回顾:(\w)\1在"hello"中发现了双重字母，比如ll。

周围看看

周围观察者声称，没有消耗字符，某种东西是否与当前位置相邻。

图案	意义
(?=...)	积极的预警：接着是
(?!...)	负面的预警:没有其后的
(?<=...)	积极的后视:前面是
(?<!...)	负面后视:没有前面的

例如:\d+(?=px)匹配"16px"中的数字，没有"px";(?<=\$)\d+匹配美元符号后的数量;^(?!.*password).*$匹配没有包含"密码"的行。

旗

• g (全球):找到所有匹配，而不是停留在第一个。
• i (忽略大小写):a匹配"A"。
• m (多行):^和$在线断时匹配。
• s (dotAll):.也符合新线。
• u (单码):将像表情符号这样的代码对象视为单个字符，并启用 \p{...}。
• y (粘性):只在最后一场比赛结束的位置进行匹配。

日常任务的模式

它们是实用的，而不是详尽的。实际验证应与服务器端检查相结合。

电子邮件 (务实的):

^[^\s@]+@[^\s@]+\.[^\s@]{2,}$

捕获失踪@或域名等字体错误;唯一真正的验证是发送确认电子邮件。

标签:

^[a-z0-9]+(?:-[a-z0-9]+)*$

ISO日期 (年年至月日):

^(?<year>\d{4})-(?<month>0[1-9]|1[0-2])-(?<day>0[1-9]|[12]\d|3[01])$

这检查形状和范围，但不是是否存在2月31日;解析日期以确认。

标签:

^#(?:[0-9a-fA-F]{3}){1,2}$

IPv4地址:

^(?:(?:25[0-5]|2[0-4]\d|1?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|1?\d?\d)$

语义版本:

^(0|[1-9]\d*)\.(0|[1-9]\d*)\.(0|[1-9]\d*)(?:-[\w.-]+)?(?:\+[\w.-]+)?$

强密码检查 (至少12个字符，一个小字母，一个大字母，一个数字):

^(?=.*[a-z])(?=.*[A-Z])(?=.*\d).{12,}$

**切割空白:**用空字符串替换^\s+|\s+$ (以g)。

** 缩小重复的空格:** 取代 {2,}一个空格。

从日志行中提取key=value对:

(\w+)=("[^"]*"|\S+)

**camelCase到snake_case:**用$1_$2替换([a-z0-9])([A-Z])，然后小写结果。更多关于命名风格的信息，请参阅 [驼案例与蛇案例] (http://blog/naming-conventions-camelcase-snake-case)。

性能和灾难性追溯

在JavaScript，Python和Java中使用的Regex引擎使用了回溯。一些模式迫使发动机在几乎匹配的输入中尝试指数式数量的组合。典型的例子是^(a+)+$对阵"aaaaaaaaaaaaaaaaaaaa!"。每个额外的"a"都会使工作翻倍，

为了避免这种情况:

• 不要将量化符嵌入相同的字符上，例如(a+)+或(\w*)*。
• 让替代方案相互排斥:(a|ab)*是有风险的;重组它。
• 偏好特定类别而不是.*:"[^"]*"比".*?"更安全，更快。
• 在匹配不可靠数据之前限制输入长度。

可读性提示

• 逐步构建复杂的图案，并测试每一块。
• 使用命名组，以便代码读取m.groups.month而不是m[2]。
• 在代码中评论复杂的模式，或者从更小的字符串中构建它们。
• 如果一个模式需要不止一两行，考虑一个小的解析器是否更清楚。

总结

学习核心类，量化器，，组和标志，。使用惰量化器和据，在需要背景时寻找周围，不要消耗它，注意嵌套量化器，并在发送模式之前始终对匹配和不匹配的示例进行测试。