企业建设3D网站,长沙网站排名优化费用,daozicms企业建站系统,全站仪如何建站使用正则处理问题的基本思路。有一些方法比较固定#xff0c;比如将问题分解成多个小问题#xff0c;每个小问题见招拆招#xff1a;某个位置上可能有多个字符的话#xff0c;就⽤字符组。某个位置上有多个字符串的话#xff0c;就⽤多选结构。出现的次数不确定的话#…使用正则处理问题的基本思路。有一些方法比较固定比如将问题分解成多个小问题每个小问题见招拆招某个位置上可能有多个字符的话就⽤字符组。某个位置上有多个字符串的话就⽤多选结构。出现的次数不确定的话就⽤量词。对出现的位置有要求的话就⽤锚点锁定位置。
如果是要查找的内容中不能出现某些字符这种情况比较简单可以通过使用中括号来排除字符组比如非元音字母可以使用 [^aeiou]来表示。
常见问题及解决方案 1、匹配数字
数字的匹配比较简单通过我们学习的字符组量词等就可以轻松解决。
数字在正则中可以使用 \d 或 [0-9] 来表示。如果是连续的多个数字可以使用 \d 或 [0-9]。如果 n 位数据可以使用 \d{n}。如果是至少 n 位数据可以使用 \d{n,}。如果是 m-n 位数字可以使用 \d{m,n}。
2、匹配正数、负数和小数
如果希望正则能匹配到比如 33.14-3.32.7 等数字需要注意的是开头的正负符号可能有也可能没有所以可以使用 [-]? 来表示小数点和后面的内容也不一定会有所以可以使用 (?:\.\d)? 来表示因此匹配正数、负数和小数的正则可以写成 [-]?\d(?:\.\d)?。
非负整数包含 0 和 正整数可以表示成[1-9]\d*|0。
非正整数包含 0 和 负整数可以表示成-[1-9]\d*|0。
3、浮点数
负数浮点数表示-\d(?:\.\d)?。
正数浮点数表示\?(?:\d(?:\.\d)?|\.\d)。
4、十六进制数
十六进制的数字除了有 0-9 之外还会有 a-f或 A-F 代表 10 到 15 这 6 个数字所以正则可以写成 [0-9A-Fa-f]。
5、手机号码
我们可以简单地使用字符组和多选分支来准确地匹配手机号段。如果只限制前 2 位可以表示成 1[3-9]\d{9}如果想再精确些限制到前三位比如使用1(?:3\d|4[5-9]|5[0-35-9]|6[2567]|7[0-8]|8\d|9[1389])\d{8}来表示。如果想精确到 4 位甚至 5 位可以根据公开的号段信息自己来写一下但要注意的是越是精确只要有新的号段你就得改这个正则维护起来会比较麻烦。另外在实际运用的时候你可能还要考虑一下有一些号码了 86 或 0086 之类的前缀的情况。 6、身份证号
我国的身份证号码是分两代的第一代是 15 位第二代是 18 位。如果是 18 位最后一位可以是 X或 x两代开头都不能是 0根据规则你应该能很容易写出相应的正则第一代可以用 [1-9]\d{14} 来表示第二代比第一代多 3 位数据可以使用量词 0 到 1 次即写成
[1-9]\d{14}(\d\d[0-9Xx])?。
7、邮政编码
邮编一般为 6 位数字比较简单可以写成 \d{6}6 位数字在其它情况下出现可能性也非常大比如手机号的一部分身份证号的一部分所以如果是数据提取一般需要添加断言即写成 (?!\d)\d{6}(?!\d)。
8、腾讯 QQ 号码
目前 QQ 号不能以 0 开头最长的有 10 位最短的从 100005 位开始。从规则上我们可以得知首位是 1-9后面跟着是 4 到 9 位的数字即可以使用 [1-9][0-9]{4,9} 来表示。
9、中文字符
中文属于多字节 Unicode 字符但有一些语言是不支持这种属性的可以通过另外一个办法就是码值的范围中文的范围是 4E00 - 9FFF 之间这样可以覆盖日常使用大多数情况。
不同的语言是表示方式有一些差异比如在 PythonJavaJavaScript 中Unicode 可以写成 \u码值 来表示即匹配中文的正则可以写成 [\u4E00-\u9FFF]如果在 PHP 中使用Unicode 就需要写成 \u{码值} 的样式。
10、IPv4 地址
IPv4 地址通常表示成 27.86.1.226 的样式4 个数字用点隔开每一位范围是 0-255比如从日志中提取出 IP如果不要求那么精确一般使用 \d{1,3}(\.\d{1,3}){3}就够了需要注意点号需要转义。
我们可以把 IPv4 表示成 X.X.X.X可以使用量词写成 (?:X.){3}X 或 X(?:.X){3}由于 X 本身比较复杂里面有多选分支结构所以需要把它加上括号所以 IPv4 的正则应该可以写成
(?:1\d\d|2[0-4]\d|25[0-5]|0?[1-9]\d|0{0,2}\d)(?:\.(?:1\d\d|2[0-4]\d|25[0-5]|0?[1-9]\d|0{0,2}\d)){3}。
11、日期和时间
假设日期格式是 yyyy-mm-dd应该是 \d{4}-(?:1[0-2]|0?[1-9])-(?:[12]\d|3[01]|0?[1-9])。
时间格式比如是 23:34如果是 24 小时制小时是 0-23分钟是 0-59所以可以写成 (?:2[0-3]|1\d|0?\d):(?:[1-5]\d|0?\d)。
12、邮箱
邮箱的组成是比较复杂的格式是 用户名 主机名用户名部分通常可以有英文字母数字下划线点等组成但其中点不能在开头也不能重复出现。根据 RFC5322 没有办法写出一个完美的正则我们可以实现一些简体的版本比如[a-zA-Z0-9_.-][a-zA-Z0-9-]\.[a-zA-Z0-9-.]。
13、网页标签
配对出现的标签比如 title一般网页标签不区分大小写我们可以使用 (?i)title.*?/title来进行匹配。在提取引号里面的内容时可以使用 [^]方括号里面的内容时可以使用 [^] 等方式 此文章为8月Day29学习笔记内容来源于极客时间《正则表达式入门课》推荐该课程。
