正則表達式必知必會之重復(fù)匹配詳細示例
一、有多少個匹配
1. 匹配一個或多個字符（+）
要想匹配某個字符（或字符集合）的一次或多次重復(fù)，只要簡單地在其后面加上一個 + 字符就行了。+ 匹配一個或多個字符（至少一個；不匹配零個字符的情況）。比如，a 匹配 a 本身，a+ 匹配一個或多個連續(xù)出現(xiàn)的 a。類似地，[0-9] 匹配任意單個數(shù)字，[0-9]+ 匹配一個或多個連續(xù)的數(shù)字。
在給一個字符集合加上 + 后綴的時候，必須把 + 放在這個字符集合的外面。比如說，[0-9]+ 是正確的，[0-9+]則不正確。[0-9+] 其實也是一個有效的正則表達式，但它匹配的不是一個或多個數(shù)字，它定義了一個由數(shù)字 0 到 9 和 + 構(gòu)成的字符集合，因而只能匹配單個的數(shù)字字符或加號。
mysql> set @s:='Send personal email to ben@forta.com. For questions
'> about a book use support@forta.com. Feel free to send
'> unsolicited email to spam@forta.com (wouldn\'t it be
'> nice if it were that simple, huh?).';
Query OK, 0 rows affected (0.00 sec)
mysql> set @r:='\\w+@\\w+\\.\\w+';
Query OK, 0 rows affected (0.00 sec)
mysql> select regexp_count(@s, @r, '') c, regexp_extract(@s, @r, '') s, regexp_extract_index(@s, @r, 0, '') i;
+------+------------------------------------------------+-----------+
| c | s | i |
+------+------------------------------------------------+-----------+
| 3 | ben@forta.com,support@forta.com,spam@forta.com | 24,70,128 |
+------+------------------------------------------------+-----------+
1 row in set (0.01 sec)該模式正確地匹配到了所有的 3 個電子郵件地址。這個正則表達式先用第一個 \w+ 匹配一個或多個字母數(shù)字字符，再用第二個 \w+ 匹配 @ 后面的一個或多個字符，然后匹配一個 . 字符（使用轉(zhuǎn)義序列 \.），最后用第三個 \w+ 匹配電子郵件地址的剩余部分。
+ 是一個元字符。如果需要匹配 + 本身，就必須使用轉(zhuǎn)義序列 \+。+ 還可以用來匹配一個或多個字符集合。為了演示這種用法，在下面這個例子里使用了和剛才一樣的正則表達式，但文本內(nèi)容和上一個例子中稍有不同。
mysql> set @s:='Send personal email to ben@forta.com or
'> ben.forta@forta.com. For questions about a
'> book use support@forta.com. If your message
'> is urgent try ben@urgent.forta.com. Feel
'> free to send unsolicited email to
'> spam@forta.com (wouldn\'t it be nice if
'> it were that simple, huh?).';
Query OK, 0 rows affected (0.00 sec)
mysql> select regexp_count(@s, @r, '') c, regexp_extract(@s, @r, '') s, regexp_extract_index(@s, @r, 0, '') i;
+------+---------------------------------------------------------------------------------+------------------+
| c | s | i |
+------+---------------------------------------------------------------------------------+------------------+
| 5 | ben@forta.com,forta@forta.com,support@forta.com,ben@urgent.forta,spam@forta.com | 24,45,93,142,203 |
+------+---------------------------------------------------------------------------------+------------------+
1 row in set (0.01 sec)這個正則表達式匹配到了 5 個電子郵件地址，但其中有 2 個不夠完整。為什么會這樣？因為 \w+@\w+\.\w+ 并沒有考慮到 @ 之前的 . 字符，它只允許 @ 之后的兩個字符串之間出現(xiàn)單個 . 字符。盡管 ben.forta@forta.com 是一個完全有效的電子郵件地址，但該正則表達式只能匹配 forta（而不是 ben.forta），因為 \w 只能匹配字母數(shù)字字符，無法匹配出現(xiàn)在字符串中間的 . 字符。在這里，需要匹配 \w 或 .。用正則表達式語言來說，就是匹配字符集合 [\w.]。下面是改進版本。
mysql> set @r:='[\\w.]+@[\\w.]+\\.\\w+'; Query OK, 0 rows affected (0.00 sec) mysql> select regexp_count(@s, @r, '') c, regexp_extract(@s, @r, '') s, regexp_extract_index(@s, @r, 0, '') i; +------+-----------------------------------------------------------------------------------------+------------------+ | c | s | i | +------+-----------------------------------------------------------------------------------------+------------------+ | 5 | ben@forta.com,ben.forta@forta.com,support@forta.com,ben@urgent.forta.com,spam@forta.com | 24,41,93,142,203 | +------+-----------------------------------------------------------------------------------------+------------------+ 1 row in set (0.01 sec)
新的正則表達式看起來用了些技巧。[\w.]+ 匹配字母數(shù)字字符、下劃線和 . 的一次或多次重復(fù)出現(xiàn)，而 ben.forta 完全符合這一條件。@ 字符之后也用到了 [\w.]+，這樣就可以匹配到層級更深的域（或主機）名。注意 這個正則表達式的最后一部分是 \w+ 而不是 [\w.]+。如果把 [\w.] 用作這個模式的最后一部分，在第二、第三和第四個匹配上就會出問題。
這里沒有對字符集合 [\w.] 里的 . 字符進行轉(zhuǎn)義，但依然能夠匹配 . 字符。一般來說，當(dāng)在字符集合里使用的時候，像 . 和 + 這樣的元字符將被解釋為普通字符，不需要轉(zhuǎn)義，但轉(zhuǎn)義了也沒有壞處。[\w.] 的使用效果與 [\w\.] 是一樣的。
2. 匹配零個或多個字符（*）
+ 匹配一個或多個字符，但不匹配零個字符，+ 最少也要匹配一個字符。如果想匹配一個可有可無的字符，也就是該字符可以出現(xiàn)零次或多次的情況，需要用 * 元字符來完成。* 的用法與 + 完全一樣，只要把它放在某個字符（或字符集合）的后面，就可以匹配該字符（或字符集合）出現(xiàn)零次或多次的情況。比如說，模式 B.* Forta 將匹配 B Forta、B. Forta、Ben Forta 以及其他組合。
mysql> set @s:='Hello .ben@forta.com is my email address.'; Query OK, 0 rows affected (0.00 sec) mysql> set @r:='[\\w.]+@[\\w.]+\\.\\w+'; Query OK, 0 rows affected (0.00 sec) mysql> select regexp_count(@s, @r, '') c, regexp_extract(@s, @r, '') s, regexp_extract_index(@s, @r, 0, '') i; +------+----------------+------+ | c | s | i | +------+----------------+------+ | 1 | .ben@forta.com | 7 | +------+----------------+------+ 1 row in set (0.01 sec)
[\w.]+ 匹配字母數(shù)字字符、下劃線和 . 的一次或多次重復(fù)出現(xiàn)，而 .ben 完全符合這一條件。文本里多了一個 .，把它用作電子郵件地址的第一個字符就無效了。換句話說，需要匹配的其實是帶有可選的額外字符的字母數(shù)字文本，就像下面這樣。
mysql> set @r:='\\w+[\\w.]*@[\\w.]+\\.\\w+'; Query OK, 0 rows affected (0.00 sec) mysql> select regexp_count(@s, @r, '') c, regexp_extract(@s, @r, '') s, regexp_extract_index(@s, @r, 0, '') i; +------+----------------+------+ | c | s | i | +------+----------------+------+ | 1 | ben@forta.com | 8 | +------+----------------+------+ 1 row in set (0.01 sec)
\w+ 匹配任意單個字母數(shù)字字符，但不包括 .，這些是可以作為電子郵件地址起始的有效字符。經(jīng)過開頭部分若干個有效字符之后，也許會出現(xiàn)一個 . 和其他額外的字符，不過也可能沒有。[\w.]* 匹配 . 或字母數(shù)字字符的零次或多次重復(fù)出現(xiàn)?？梢园?* 理解為一種“使其可選”（make it optional）的元字符。+ 需要最少匹配一次，而 * 可以匹配多次，也可以一次都不匹配。* 是一個元字符。如果需要匹配 * 本身，就必須使用轉(zhuǎn)義序列 \*。
3. 匹配零個或一個字符（?）
另一個非常有用的元字符是 ?。和 + 一樣，? 能夠匹配可選文本（所以就算文本沒有出現(xiàn)，也可以匹配）。但與 + 不同，? 只能匹配某個字符（或字符集合）的零次或一次出現(xiàn)，最多不超過一次。? 非常適合匹配一段文本中某個特定的可選字符。
mysql> set @s:='The URL is http://www.forta.com/, to connect
'> securely use https://www.forta.com/ instead.';
Query OK, 0 rows affected (0.00 sec)
mysql> set @r:='http://[\\w./]+';
Query OK, 0 rows affected (0.00 sec)
mysql> select regexp_count(@s, @r, '') c, regexp_extract(@s, @r, '') s, regexp_extract_index(@s, @r, 0, '') i;
+------+-----------------------+------+
| c | s | i |
+------+-----------------------+------+
| 1 | http://www.forta.com/ | 12 |
+------+-----------------------+------+
1 row in set (0.01 sec)該模式用來匹配 URL 地址：http:// 加上 [\w./]+（匹配字母數(shù)字字符、.和/的一次或多次重復(fù)出現(xiàn)）。這個模式只能匹配第一個 URL 地址。簡單地在 http 的后面加上一個 s*（s的零次或多次重復(fù)）并不能真正解決這個問題，因為這樣也能匹配 httpsssss://，顯然是無效的URL。可以在 http 的后面加上一個 s?。
mysql> set @r:='https?://[\\w./]+'; Query OK, 0 rows affected (0.00 sec) mysql> select regexp_count(@s, @r, '') c, regexp_extract(@s, @r, '') s, regexp_extract_index(@s, @r, 0, '') i; +------+----------------------------------------------+-------+ | c | s | i | +------+----------------------------------------------+-------+ | 2 | http://www.forta.com/,https://www.forta.com/ | 12,59 | +------+----------------------------------------------+-------+ 1 row in set (0.01 sec)
該模式的開頭部分是 https?://。? 在這里的含義是：前面的字符 s 要么不出現(xiàn)，要么最多出現(xiàn)一次。換句話說，https?:// 既可以匹配 http://，也可以匹配 https://。? 還可以解決不同平臺匹配不同換行符的問題。例如 Windows 使用 \r\n，Unix或Linux系統(tǒng)上使用 \n，理想的解決方案是匹配一個可選的 \r 和一個 \n。
mysql> set @s:='"101","Ben","Forta"
'> "102","Jim","James"
'>
'> "103","Roberta","Robertson"
'> "104","Bob","Bobson"';
Query OK, 0 rows affected (0.00 sec)
mysql> set @r:='[\\r]?\\n[\\r]?\\n';
Query OK, 0 rows affected (0.00 sec)
mysql> select @r r , regexp_replace(@s,@r,'\n') s;
+----------------+------------------------------------------------------------------------------------------+
| r | s |
+----------------+------------------------------------------------------------------------------------------+
| [\r]?\n[\r]?\n | "101","Ben","Forta"
"102","Jim","James"
"103","Roberta","Robertson"
"104","Bob","Bobson" |
+----------------+------------------------------------------------------------------------------------------+
1 row in set (0.00 sec)[\r]?\n 匹配一個可選的 \r 和一個必不可少的 \n。上面這個例子里的正則表達式使用的是 [\r]? 而不是 \r?。[\r] 定義了一個字符集合，該集合只有元字符 \r 這一個成員，因而 [\r]? 在功能上與 \r? 完全等價。[ ] 的常規(guī)用法是把多個字符定義為一個集合，但有不少程序員喜歡把一個字符也定義為一個集合。這么做的好處是可以增加可讀性和避免產(chǎn)生誤解，讓人們一眼就可以看出隨后的元字符應(yīng)用于誰。如果打算同時使用 [ ] 和 ?，記得把 ? 放在字符集合的外面。因此，http[s]?:// 是正確的，若是寫成 http[s?]://可就不對了。? 是一個元字符。如果需要匹配 ? 本身，就必須使用轉(zhuǎn)義序列 \?。
二、匹配的重復(fù)次數(shù)
正則表達式里的 +、* 和 ? 解決了許多問題，但有時候光靠它們還不夠。+ 和 * 匹配的字符個數(shù)沒有上限，無法為其匹配的字符個數(shù)設(shè)定一個最大值。+、* 和 ? 匹配的字符最小數(shù)量是零個或一個，無法明確地為其匹配的字符個數(shù)另行設(shè)定一個最小值。無法指定具體的匹配次數(shù)。
為了解決這些問題并對重復(fù)性匹配有更多的控制權(quán)，正則表達式允許使用重復(fù)范圍（interval）。重復(fù)范圍在 { 和 } 之間指定。{ 和 } 是元字符，如果需要匹配自身，就應(yīng)該用 \ 對其進行轉(zhuǎn)義。
1. 具體的重復(fù)匹配
要想設(shè)置具體的匹配次數(shù)，把數(shù)字寫在 { 和 } 之間即可。比如說，{3} 意味著匹配前一個字符（或字符集合）3 次。如果只能匹配 2 次，則不算是匹配成功。為了演示這種用法，再來看一下匹配 RGB 值的例子。RGB 值是一個十六進制數(shù)值，這個值分成 3 個部分，每個部分包括兩位十六進制數(shù)字。
mysql> set @s:='body {
r, 0, '');
'> background-color: #fefbd8;
'> }
'> h1 {
'> background-color: #0000ff;
'> }
'> div {
'> background-color: #d0f4e6;
'> }
'> span {
'> background-color: #f08970;
'> }';
Query OK, 0 rows affected (0.00 sec)
mysql> set @r:='#[A-Fa-f0-9]{6}';
Query OK, 0 rows affected (0.00 sec)
mysql> select regexp_extract(@s, @r, ''), regexp_extract_index(@s, @r, 0, '');
+---------------------------------+-------------------------------------+
| regexp_extract(@s, @r, '') | regexp_extract_index(@s, @r, 0, '') |
+---------------------------------+-------------------------------------+
| #fefbd8,#0000ff,#d0f4e6,#f08970 | 30,68,107,147 |
+---------------------------------+-------------------------------------+
1 row in set (0.00 sec)[A-Fa-f0-9] 匹配單個十六進制字符，{6} 要求重復(fù)匹配該字符 6 次。區(qū)間匹配的用法也適用于 POSIX 字符類。
2. 區(qū)間范圍
{} 語法還可以用來為重復(fù)匹配次數(shù)設(shè)定一個區(qū)間范圍，也就是匹配的最小次數(shù)和最大次數(shù)。區(qū)間必須以{2,4}（最少重復(fù)2次，最多重復(fù)4次）這樣的形式給出。下面的例子使用一個這樣的正則表達式來檢查日期的格式。
mysql> set @s:='4/8/17
'> 10-6-2018
'> 2/2/2
'> 01-01-01';
Query OK, 0 rows affected (0.00 sec)
mysql> set @r:='\\d{1,2}[-/]\\d{1,2}[-/]\\d{2,4}';
Query OK, 0 rows affected (0.00 sec)
mysql> select regexp_extract(@s, @r, ''), regexp_extract_index(@s, @r, 0, '');
+----------------------------+-------------------------------------+
| regexp_extract(@s, @r, '') | regexp_extract_index(@s, @r, 0, '') |
+----------------------------+-------------------------------------+
| 4/8/17,10-6-2018,01-01-01 | 1,8,24 |
+----------------------------+-------------------------------------+
1 row in set (0.00 sec)這里列出的日期是一些由用戶可能通過表單字段輸入的值，這些值必須先進行驗證，確保格式正確。\d{1,2} 匹配一個或兩個數(shù)字字符（匹配天數(shù)和月份）；\d{2,4} 匹配年份；[-/] 匹配日期分隔符 - 或 /?？偣财ヅ涞搅?3 個日期值，2/2/2 不在此列，因為它的年份太短了。
上面這個例子里的模式并不能驗證日期的有效性，諸如 54/67/9999 之類的無效日期也能通過這一測試。它只能用來檢查日期值的格式是否正確，這一環(huán)節(jié)通常安排在日期有效性驗證之前。
重復(fù)范圍也可以從 0 開始。比如，{0,3} 表示重復(fù)次數(shù)可以是 0、1、2 或 3。我們曾經(jīng)講過，? 匹配它之前某個字符（或字符集合）的零次或一次出現(xiàn)。因此從效果上看，其等價于{0,1}。
3. 匹配“至少重復(fù)多少次”
重復(fù)范圍的最后一種用法是指定至少要匹配多少次（不指定最大匹配次數(shù)）。這種用法的語法類似于區(qū)間范圍語法，只是省略了最大值部分而已。比如說，{3,}表示至少重復(fù)3次，換句話說，就是“重復(fù)3次或更多次”。來看一個例子，使用一個正則表達式把所有金額大于或等于100美元的訂單找出來。
mysql> set @s:='1001: $496.80
'> 1002: $1290.69
'> 1003: $26.43
'> 1004: $613.42
'> 1005: $7.61
'> 1006: $414.90
'> 1007: $25.00';
Query OK, 0 rows affected (0.00 sec)
mysql> set @r:='\\d+: \\$\\d{3,}\\.\\d{2}';
Query OK, 0 rows affected (0.00 sec)
mysql> select regexp_extract(@s, @r, ''), regexp_extract_index(@s, @r, 0, '');
+----------------------------------------------------------+-------------------------------------+
| regexp_extract(@s, @r, '') | regexp_extract_index(@s, @r, 0, '') |
+----------------------------------------------------------+-------------------------------------+
| 1001: $496.80,1002: $1290.69,1004: $613.42,1006: $414.90 | 1,15,43,69 |
+----------------------------------------------------------+-------------------------------------+
1 row in set (0.00 sec)這個例子里的文本取自一份報表，其中第一列是訂單號，第二列是訂單金額。正則表達式首先使用 \d+: 來匹配訂單號（這部分其實可以省略——可以只匹配金額部分而不是包括訂單號在內(nèi)的一整行）。模式 \$\d{3,}\.\d{2} 用來匹配金額部分，其中 \$ 匹配 $，\d{3,} 匹配至少 3 位數(shù)字（因此，最少也得是100美元），\. 匹配 .，\d{2} 匹配小數(shù)點后面的 2 位數(shù)字。該模式從所有訂單中正確地匹配到了 4 個符合要求的訂單。
在使用重復(fù)范圍的時候一定要小心。如果遺漏了花括號里的逗號，那么模式的含義將從至少匹配 n 次變成只匹配 n 次。+ 在功能上等價于{1,}。
三、防止過度匹配
? 的匹配范圍有限（僅限零次或一次匹配），當(dāng)使用精確數(shù)量或區(qū)間時，重復(fù)范圍匹配也是如此。但本篇介紹的其他重復(fù)匹配形式在重復(fù)次數(shù)方面都沒有上限值，而這樣做有時會導(dǎo)致過度匹配的現(xiàn)象?？紤]下面這個例子，例子中的文本取自某個 Web 頁面，里面包含兩個 HTML 的 <b> 標(biāo)簽。任務(wù)是用正則表達式匹配 <b> 標(biāo)簽中的文本。
mysql> set @s:='This offer is not available to customers
'> living in <b>AK</b> and <b>HI</b>.';
Query OK, 0 rows affected (0.00 sec)
mysql> set @r:='<[Bb]>.*</[Bb]>';
Query OK, 0 rows affected (0.00 sec)
mysql> select regexp_extract(@s, @r, ''), regexp_extract_index(@s, @r, 0, '');
+----------------------------+-------------------------------------+
| regexp_extract(@s, @r, '') | regexp_extract_index(@s, @r, 0, '') |
+----------------------------+-------------------------------------+
| <b>AK</b> and <b>HI</b> | 52 |
+----------------------------+-------------------------------------+
1 row in set (0.01 sec)<[Bb]> 匹配起始 <b> 標(biāo)簽，</[Bb]> 匹配閉合 </b> 標(biāo)簽。但這個模式只找到了一個匹配，而不是預(yù)期的兩個。第一個 <b> 標(biāo)簽和最后一個 </b> 標(biāo)簽之間的所有內(nèi)容被 .* 一網(wǎng)打盡。這的確包含了想要匹配的文本，但其中也夾雜了其他標(biāo)簽。
為什么會這樣？因為 * 和 + 都是所謂的“貪婪型”（greedy）元字符，其匹配行為是多多益善而不是適可而止。它們會盡可能地從一段文本的開頭一直匹配到末尾，而不是碰到第一個匹配時就停止。這是有意設(shè)計的，量詞就是貪婪的（+、* 和 ? 也叫作“量詞”）。
在不需要這種“貪婪行為”的時候，該使用這些量詞的“懶惰型”（lazy）版本。之所以稱之為“懶惰型”是因為其匹配盡可能少的字符，而非盡可能多地去匹配。懶惰型量詞的寫法是在貪婪型量詞后面加上一個 ?。下表列出了貪婪型量詞及其對應(yīng)的懶惰型版本。
貪婪型量詞 | 懶惰型量詞 |
* | *? |
+ | +? |
{n,} | {n,}? |
下面是使用 *? 來解決之前那個例子的做法。
mysql> set @r:='<[Bb]>.*?</[Bb]>'; Query OK, 0 rows affected (0.00 sec) mysql> select regexp_extract(@s, @r, ''), regexp_extract_index(@s, @r, 0, ''); +----------------------------+-------------------------------------+ | regexp_extract(@s, @r, '') | regexp_extract_index(@s, @r, 0, '') | +----------------------------+-------------------------------------+ | <b>AK</b>,<b>HI</b> | 52,66 | +----------------------------+-------------------------------------+ 1 row in set (0.00 sec)
因為使用了懶惰型的 *?，第一個匹配將僅限于<b>AK</b>，<b>HI</b>則成為了第二個匹配。
總結(jié)
到此這篇關(guān)于正則表達式必知必會之重復(fù)匹配的文章就介紹到這了,更多相關(guān)正則表達式重復(fù)匹配內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
使用正則表達式實現(xiàn)網(wǎng)頁爬蟲的思路詳解
網(wǎng)頁爬蟲：就是一個程序用于在互聯(lián)網(wǎng)中獲取指定規(guī)則的數(shù)據(jù)。這篇文章主要介紹了使用正則表達式實現(xiàn)網(wǎng)頁爬蟲的思路詳解,需要的朋友可以參考下2018-12-12
python實現(xiàn)統(tǒng)計漢字／英文單詞數(shù)的正則表達式
一個簡單的程序，統(tǒng)計文本文檔中的單詞和漢字數(shù)，逆序排列（出現(xiàn)頻率高的排在最前面）python實現(xiàn)2012-09-09
最近做項目，有項目需求需要對各種常用的證件進行驗證。而港澳通行證，臺灣通行證，護照這些證件，在網(wǎng)上沒有搜到正則驗證的方法，后來經(jīng)過一番折騰，結(jié)合validator這個驗證插件寫了一些代碼，在此分享給大家，需要的朋友可以參考下2015-10-10
本文給大家分享使用正則表達式來判斷密碼強弱的實例代碼，非常不錯，具有參考借鑒價值，需要的朋友參考下吧2017-06-06
上篇文章《JavaScript驗證正則表達式大全》說的是javascript中使用的正則表達式的例子，但是沒有說這些正則表達式如何使用，現(xiàn)在給大家?guī)讉€例子，大家可以看看。2010-05-05
JS 正則 時間驗證代碼，需要的朋友可以參考下。2009-11-11
VBscript 的正則表達式 字符串匹配...2007-04-04
dw（dreamweaver）正則表達式函數(shù)列表,需要的朋友可以參考下。2007-12-12
這篇文章主要介紹了手機號碼驗證方法(正則驗證),在文章中還給大家補充了最新手機號的驗證正則表達式，需要的朋友可以參考下2017-02-02
JS中正則表達式的位置匹配代碼，國外翻譯的文章。2009-12-12