正则表达式知识分享

IT那活儿发布于2023-01-11 13:20 / 4024人阅读

正则表达式知识分享

一.正则的简介

正则表达式主要是按照指定规则来匹配相应的字符串信息。正则表达式这个概念最初是由Unix中的工具软件（grep等）普及开的，现在许多编程语言也都支持使用正则进行匹配。

如上图所示，正则表达式中的. [] ^ $符号在Linux的不同系统工具或者不同开发语言中均适用；（），{}，？，+，|等在不同的工具或语言中适用性有差别，主要是因为不同工具或语言遵循的正则表达式规范不同引起的。例如：在使用grep系统工具时发现，对于{}（）等特殊符号有的需要转义，有的不要转义。

二.正则表达式规范

Unix/Linux下的工具大多采用POSIX规范，该规范包含基本语法（BRE）和扩展语法两种（ERE）两种，其中扩展语法不能理解为对基本语法的扩充，其本身也是一套完整规范。

另外一种从Perl衍生出来，叫做PCRE规范，当然还有其他的规范，这里就不多做介绍。

以grep为例，来演示如何在Linux系统中去切换到各种规范下使用正则表达式。

基本语法: grep “^#{1,}”/etc/fstab

基本语法中，{}（）等特殊符号需要转译的，如果使用扩展语法或PCRE规范不需要。

扩展语法：grep -E “^#{1,}”/etc/fstab 或者 egrep “^#{1,}” /etc/fstab

通过添加-E参数或者使用egrep命令来切换到扩展语法规范。

PCRE规范：grep -P “^#{1,}”/etc/fstab

注意Linux系统需要加载PCRE依赖包，通过添加-P参数切换到PCRE规范。

三.正则的特殊字符

1. 常用的元字符

.  匹配除换行符以外的任意一个字符 
^  匹配字符串的开始位置
$  匹配字符串的结束位置
w  匹配字母和数字以及下划线其中的一个字符，相当于[_a-zA-Z0-9]
W  匹配不是字母、数字、下划线的字符，即w的补集
d  匹配任意一个数字，相当于[0-9]
D  匹配任意非数字的字符，d的补集
b  匹配单词的开头或结尾位置，用于精确匹配 
eveningb  Good evening leveningll 仅匹配是evening的完整单词
B  匹配不是单词开头或结束的位置
BveniB    Good evening veni 仅匹配单词内部含veni的字符串
s  匹配空格符号 
S  匹配非空格符号

2. 常用量词

常用量词主要是对前面的字符的匹配次数

*   代表连续匹配前边的内容任意次（换行符除外） 
+   和*类似，不同的是*可以匹配0次，而+则是匹配至少1次
？   匹配0次或1次
{n}  匹配前面的字符n次 
{n,}  匹配前面的字符至少n次
{n,m}  匹配前面的字符n次到m次

3. 字符集合

[xyz]       匹配x或y或z
[a-zA-Z0-9] 匹配a-z或A-Z或0-9中任意一个字符
[^a-z]      匹配非a-z的任意字符，达到了取反的效果

4. 其他的特殊字符

() 以组的形式将多个字符作为一个整体。

如（abc）{2，} 表示至少是abcabc。在一个表达式中使用多个（）定义组，则使用1,2的形式来调用的定义的组。

| 或条件把不同的规则分开，按照顺序进行匹配，其中一个匹配成功，即匹配结束

5. 贪婪匹配和惰性匹配

.* 表示贪婪匹配 a.*b 最先出现a到最后出现的b cca000bccccaccbcab

.*? 表示惰性匹配 a.*?b 最先出现a到最先出现的b cca000bccccaccbcab

6. 断言匹配

(?=exp) 匹配exp前面位置的字符

(?<=exp) 匹配exp后面的位置的字符

此处仅列举了较简单的两个示例，还有一些其他的复杂，有兴趣的可以网上查看下。

7. PCRE规范与Linux中工具使用规范的不同

vi/vim,grep,sed等工具遵循的是POSIX的基本语法规范，awk和egrep遵循的是POSIX扩展语法规范。因此，这是有的对{}进行转义，有的不需要转义的原因。
PCRE中常用来表示“单词的起始或结束位置”，但Linux/Unix的工具中，通常用<来匹配“单词的起始位置”，用>来匹配“单词的结束位置”，sed中的y可以同时匹配这两个位置。
不同规范中分枝匹配也有一定差别，有的用...|...，而有的用（...|...）。
使用（）可以定义作用范围，当在一个规则中使用多个括号时，可以使用1 2来调用前面括号的内容。

8. POSIX字符组

我们在使用正则表达式时，也会遇到像[:digit:]表示数字字符、[:lower:]表示小写字母字符的形式，这种形式就是POSIX字符组。POSIX字符在不同的字符集中对应的格式也不一样，在ASCII中，对应关系如下：

9. 正则表达式举例

1）扩展正则表达式表示IP的方式

拆分255的过程如下：

数值范围：对应的表达式

0-9 [0-9]

10-99 [1-9][0-9]

100-199 1[0-9]{2}

200-249 2[0-4][0-9]

250-255 25[0-5]

0-255的表达式为: ( [1-9]?[0-9] | 1[0-9]{2} | 2[0-4][0-9] | 25[0-5] )

IP格式的整体表达式：

(([1-9]?[0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5]).){3}([1-9]?[0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])

2）扩展正则匹配网址URL：

^(((ht|f)tps?)://|(www.)?)w.*(.(com|cn|io|html))$

拆分如下：

((ht|f)tps?)   匹配http，https，ftp三种格式
(www.)?        ？代表可以匹配0次或者1次www.
w.*           表示可以输入任意内容（换行符除外）
(.(com|cn|io|html|htm|))$  可以匹配com、cn、io、html等结尾的网址

因此以下形式的网址均可以被匹配：

http://aa.123.com

ftp://aa.sss.sss.com

http://bb.com

www.aa.cn

aa.com

四.正则表达式在nginx中的应用案例

在编译安装nginx前，需要安装PCRE依赖包，nginx中的正则是遵循PCRE规范。

1. 正则匹配在location模块中的使用

location模块中主要有以下几种匹配的形式

= #进行普通字符精确匹配

^~ #不使用正则匹配，对uri路径进行前缀匹

配，并且在正则之前。

~ #表示执行一个正则匹配，区分大小写

~* #表示执行一个正则匹配，不区分大小写

/ # 对前缀进行匹配。

这些匹配方式的优先级顺序：

(location =) > (location 完整路径) > (location ^~ 路径) > (location ~,~* 正则顺序) > (location 部分起始路径) > (location /)

借助location的匹配规则可以对一些特殊请求转发到指定的应用，达到正向或反向分流的作用。

location ~* .(gif|jpg|jpeg)$ {

# 匹配以 gif, jpg, or jpeg结尾的请求

2. 正则匹配在中if模块中的应用

if模块借助nignx的内部变量来进行“~”（大小写敏感）和“~*”（大小写不敏感）正则匹配

举例：nginx做反爬虫的策略

▼▼▼
if ($http_user_agent ~* (mobile|nokia|iphone|ipad|android|samsung|htc|blackberry)) {
    return 403；
   }
----------------------------------------------、

3. 正则匹配基于域名的应用

▼▼▼
server{
    listen 80;
    server_name ~ ^(www.)?(.+)$;
    index index.php index.html;
    root /data/wwwsite/$2; 
  }

#此处需要说明的一点是在nginx中$2是对前面括号内容的的引用，引用的是（.+），使用该正则可以用一个规则表达式区分不同域名对应的家目录。

访问 www.yewu.com的域名，其的站点家目录结构为/data/wwwsite/yewu.com

访问 www.xuqiu.com的域名，其的站点家目录结构为/data/wwwsite/xuqiu.com

END

更多精彩干货分享

点击下方名片关注

IT那活儿

云服务器 GPU云服务器正则正则表达式正则匹配正则表达式 -正则表达式正则表达式?

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/129916.html

PHP小知识点

摘要：那些琐碎的知识点作者记录的的很奇特很难记的知识点。易错知识点整理注意和的区别中和都是输出的作用，但是两者之间还是有细微的差别。今天手头不忙，总结一下，分享过程中掌握的知识点。深入理解 PHP 之：Nginx 与 FPM 的工作机制这篇文章从 Nginx 与 FPM 的工作机制出发，探讨配置背后的原理，让我们真正理解 Nginx 与 PHP 是如何协同工作的。 PHP 那些琐碎的知识...

hover_lew 2019-06-28 14:35 评论0 收藏0
正则表达式

摘要：最全正则表达式总结验证号手机号中文邮编身份证地址等是正则表达式的缩写，作用是对字符串执行模式匹配。学习目标了解正则表达式语法在中使用正则表达式在中使 JS高级技巧本篇是看的《JS高级程序设计》第23章《高级技巧》做的读书分享。本篇按照书里的思路根据自己的理解和经验，进行扩展延伸，同时指出书里的一些问题。将会讨论安全的类型检测、惰性载入函数、冻结对象、定时器等话题。1. 安全的类型检测...

yibinnn 2019-08-21 17:57 评论0 收藏0
前端资源系列（4）-前端学习资源分享&前端面试资源汇总

摘要：特意对前端学习资源做一个汇总，方便自己学习查阅参考，和好友们共同进步。特意对前端学习资源做一个汇总，方便自己学习查阅参考，和好友们共同进步。本以为自己收藏的站点多，可以很快搞定，没想到一入汇总深似海。还有很多不足&遗漏的地方，欢迎补充。有错误的地方，还请斧正... 托管: welcome to git，欢迎交流，感谢star 有好友反应和斧正，会及时更新，平时业务工作时也会不定期更...

princekin 2019-08-20 11:28 评论0 收藏0
前端开发收集 - 收藏集 - 掘金

摘要：责编现代化的方式开发一个图片上传工具前端掘金对于图片上传，大家一定不陌生。之深入事件机制前端掘金事件绑定的方式原生的事件绑定方式有几种想必有很多朋友说种目前，在本人目前的研究中，只有两种半两种半还有半种的且听我道来。 Ajax 与数据传输 - 前端 - 掘金背景在没有ajax之前，前端与后台传数据都是靠表单传输，使用表单的方法传输数据有一个比较大的问题就是每次提交数据都会刷新页面，用...

ygyooo 2019-08-20 17:15 评论0 收藏0
读《精通正则表达式》-- 网上 js 正则基础教程没有涉及的一些知识

摘要：正则起源最近看完了精通正则表达式，收获颇丰，略过了一些晦涩难懂的理论部分，主要看了实战和教程部分。然后下面说一下以上两个基础教程里没说到的知识点。最后以上是我在精通正则表达式一书中得到的一些收获，希望能分享给大家，如有错误欢迎指正。正则起源最近看完了《精通正则表达式》，收获颇丰，略过了一些晦涩难懂的理论部分，主要看了实战和教程部分。下面引用一下百度百科里的内容。正则表达式的鼻...

GT 2019-08-23 10:42 评论0 收藏0
深入理解js

摘要：详解十大常用设计模式力荐深度好文深入理解大设计模式收集各种疑难杂症的问题集锦关于，工作和学习过程中遇到过许多问题，也解答过许多别人的问题。介绍了的内存管理。延迟加载 (Lazyload) 三种实现方式延迟加载也称为惰性加载，即在长网页中延迟加载图像。用户滚动到它们之前，视口外的图像不会加载。本文详细介绍了三种延迟加载的实现方式。详解 Javascript十大常用设计模式力荐~ ...

caikeal 2019-08-26 11:39 评论0 收藏0