正規表示式 Regular Expression

January 1st, 1970

正規表示式通常被稱為一個模式（pattern），為用來描述或者符合一系列符合某個句法規則的字串，透過他我們可以快速搜尋符合指定模式的文字。

工具網站

效能

正規表示式可以幫助我們快速找到符合文字模式的字串，但執行效率未必”快速”，不精確的寫法還是很容易造成效能低落的問題。

以 C# 為例，有幾個提升效率的注意事項：

能使用靜態全域變數時盡量用

如下寫法，透過設定 RegexOptions.Compiled 可將該正規表達式編譯並成程式集，這設定雖然會增加啟動時間，但重複使用時，會有更好的執行速度。

readonly static Regex regex = new Regex("[ABC]", RegexOptions.Compiled);

另外還有一些設定項，可以參考看看，但不確定是否影響執行速度：

  • RegexOptions.IgnoreCase 不區分大小寫，只限用在英文字
  • RegexOptions.Multiline 多行模式
  • RegexOptions.Singleline 單行模式

小技巧

  • 善用 ^ 標示起始位置，如 Regex("^Abc") 只會找 Abc 開頭的字串，而 aAbc 就忽略
  • 善用 \b 偵測字元邊界，和 ^ 意思很類似
  • 善用 .*? 忽略後續字串，如 Regex("^A.*?") 只比對字串第一個字是否為 A，後面忽略

正規表示式說明

正規表示式 說明及範例 比對不成立之字串
/a/ 含字母 “a” 的字串，例如 “ab”, “bac”, “cba” “xyz”
/a./ 含字母 “a” 以及其後任一個字元的字串，例如 “ab”, “bac”（若要比對.，請使用 \.） “a”, “ba”
/^xy/ 以 “xy” 開始的字串，例如 “xyz”, “xyab”（若要比對 ^，請使用 \^） “axy”, “bxy”
/xy$/ 以 “xy” 結尾的字串，例如 “axy”, “abxy”以 “xy” 結尾的字串，例如 “axy”, “abxy” （若要比對 $，請使用 \$） “xya”, “xyb”
[13579] 包含 “1” 或 “3” 或 “5” 或 “7” 或 “9” 的字串，例如：”a3b”, “1xy” “y2k”
[0-9] 含數字之字串 不含數字之字串
[a-z0-9] 含數字或小寫字母之字串 不含數字及小寫字母之字串
[a-zA-Z0-9] 含數字或字母之字串 不含數字及字母之字串
b[aeiou]t “bat”, “bet”, “bit”, “bot”, “but” “bxt”, “bzt”
[^0-9] 不含數字之字串（若要比對 ^，請使用 \^） 含數字之字串
[^aeiouAEIOU] 不含母音之字串（若要比對 ^，請使用 \^） 含母音之字串
[^\^] 不含 “^” 之字串，例如 “xyz”, “abc” “xy^”, “a^bc”


正規表示式的特定字元 說明 等效的正規表示式
\d 數字 [0-9]
\D 非數字 [^0-9]
\w 數字、字母、底線 [a-zA-Z0-9_]
\W 非 \w [^a-zA-Z0-9_]
\s 空白字元 [ \r\t\n\f]
\S 非空白字元 [^ \r\t\n\f]


正規表示式 說明
/a?/ 零或一個 a（若要比對? 字元，請使用 \?）
/a+/ 一或多個 a（若要比對+ 字元，請使用 \+）
/a*/ 零或多個 a（若要比對* 字元，請使用 \*）
/a{4}/ 四個 a
/a{5,10}/ 五至十個 a
/a{5,}/ 至少五個 a
/a{,3}/ 至多三個 a
/a.{5}b/ a 和 b中間夾五個（非換行）字元


字元 說明 簡單範例
\ 避開特殊字元 /A\*/ 可用於比對 “A*”，其中 * 是一個特殊字元，為避開其特殊意義，所以必須加上 “\”
^ 比對輸入列的啟始位置 /^A/ 可比對 “Abcd” 中的 “A”，但不可比對 “aAb”
$ 比對輸入列的結束位置 /A$/ 可比對 “bcdA” 中的 “A”，但不可比對 “aAb”
* 比對前一個字元零次或更多次 /bo*/ 可比對 “Good boook” 中的 “booo”，亦可比對 “Good bk” 中的 “b”
+ 比對前一個字元一次或更多次，等效於 {1,} /a+/ 可比對 “caaandy” 中的 “aaa”，但不可比對 “cndy”
? 比對前一個字元零次或一次 /e?l/ 可比對 “angel” 中的 “el”，也可以比對 “angle” 中的 “l”
. 比對任何一個字元（但換行符號不算） /.n/ 可比對 “nay, an apple is on the tree” 中的 “an” 和 “on”，但不可比對 “nay”
(x) 比對 x 並將符合的部分存入一個變數 /(a*) and (b*)/ 可比對 “aaa and bb” 中的 “aaa” 和 “bb”，並將這兩個比對得到的字串設定至變數 RegExp.$1 和 RegExp.$2。
xy 比對 x 或 y /a*b*/g 可比對 “aaa and bb” 中的 “aaa” 和 “bb”
{n} 比對前一個字元 n 次，n 為一個正整數 /a{3}/ 可比對 “lllaaalaa” 其中的 “aaa”，但不可比對 “aa”
{n,} 比對前一個字元至少 n 次，n 為一個正整數 /a{3,}/ 可比對 “aa aaa aaaa” 其中的 “aaa” 及 “aaaa”，但不可比對 “aa”
{n,m} 比對前一個字元至少 n 次，至多 m 次，m、n 均為正整數 /a{3,4}/ 可比對 “aa aaa aaaa aaaaa” 其中的 “aaa” 及 “aaaa”，但不可比對 “aa” 及 “aaaaa”
[xyz] 比對中括弧內的任一個字元 /[ecm]/ 可比對 “welcome” 中的 “e” 或 “c” 或 “m”
[^xyz] 比對不在中括弧內出現的任一個字元 /[^ecm]/ 可比對 “welcome” 中的 “w”、”l”、”o”，可見出其與 [xyz] 功能相反。（同時請注意 /^/ 與 [^] 之間功能的不同。）
[\b] 比對退位字元（Backspace character） 可以比對一個 backspace ，也請注意 [\b] 與 \b 之間的差別
\b 比對英文字的邊界，例如空格 例如 /\bn\w/ 可以比對 “noonday” 中的 “no”
/\wy\b/ 可比對 “possibly yesterday.” 中的 “ly”
\B 比對非「英文字的邊界」 例如, /\w\Bn/ 可以比對 “noonday” 中的 “on”
另外 /y\B\w/ 可以比對 “possibly yesterday.” 中的 “ye”
\cX 比對控制字元（Control character），其中 X 是一個控制字元 /\cM/ 可以比對 一個字串中的 control-M
\d 比對任一個數字，等效於 [0-9] /[\d]/ 可比對 由 “0” 至 “9” 的任一數字 但其餘如字母等就不可比對
\D 比對任一個非數字，等效於 [^0-9] /[\D]/ 可比對 “w” “a”… 但不可比對如 “7” “1” 等數字
\f 比對 form-feed 若是在文字中有發生 “換頁” 的行為 則可以比對成功
\n 比對換行符號 若是在文字中有發生 “換行” 的行為 則可以比對成功
\r 比對 carriage return
\s 比對任一個空白字元（White space character），等效於 [ \f\n\r\t\v] /\s\w*/ 可比對 “A b” 中的 “b”
\S 比對任一個非空白字元，等效於 [^ \f\n\r\t\v] /\S/\w* 可比對 “A b” 中的 “A”
\t 比對定位字元（Tab）
\v 比對垂直定位字元（Vertical tab）
\w 比對數字字母字元（Alphanumerical characters）或底線字母（“_”），等效於 [A-Za-z0-9_] /\w/ 可比對 “.A _!9” 中的 “A”、“_”、“9”。
\W 比對非「數字字母字元或底線字母」，等效於 [^A-Za-z0-9_] /\W/ 可比對 “.A _!9” 中的 “.”、“ ”、“!”，可見其功能與 /\w/ 恰好相反。
\ooctal 比對八進位，其中octal是八進位數目 /\oocetal123/ 可比對 與 八進位的ASCII中 “123” 所相對應的字元值。
\xhex 比對十六進位，其中hex是十六進位數目 /\xhex38/ 可比對 與 16進位的ASCII中 “38” 所相對應的字元。
?: 不予擷取的群組，括號括住的部份不列入 Group 中 (a(b*))+ 會有 Group#1 和 Group#2 但是 (a(?:b*))+ 只會有 Group#1 一個群組

REF:

常用範例

  • IPv4
/^((?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?))*$/
  • MAC _ IEEE 802 MAC-48 標準格式 _ 6 組由 : 或 - 做區隔的雙位數 16 進制數字
/^([0-9A-Fa-f]{2}[:-]){5}([0-9A-Fa-f]{2})$/
  • 驗證使用者帳號，第一個字不為數字，只接受 大小寫字母、數字及底線
/^[a-zA-Z]\w*$/
  • 密碼 _ 高強度密碼，6 位數以上，並且至少包含大寫字母、小寫字母、數字、符號各一 _ 若需要調整，將其對應的小括號內容拿掉即可
/^(?=.*[^a-zA-Z0-9])(?=.*[A-Z])(?=.*[a-z])(?=.*\d).{6,}$/
  • 電子郵件，以下的範例並沒有相容 RFC5322 規範，但是已經可以驗證大多數的電子郵件
/^([a-zA-Z0-9._%-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,4})*$/
  • URL 網址，允許 http, https, ftp 協定，並且可取出 Protocol, Domain, Path, Query
/^(?:(https?|ftp):\/\/)?((?:[a-zA-Z0-9.\-]+\.)+(?:[a-zA-Z0-9]{2,4}))((?:/[\w+=%&.~\-]*)*)\??([\w+=%&.~\-]*)$/
  • 主流信用卡
/^(?:4[0-9]{12}(?:[0-9]{3})?|5[1-5][0-9]{14}|6011[0-9]{12}|622((12[6-9]|1[3-9][0-9])|([2-8][0-9][0-9])|(9(([0-1][0-9])|(2[0-5]))))[0-9]{10}|64[4-9][0-9]{13}|65[0-9]{14}|3(?:0[0-5]|[68][0-9])[0-9]{11}|3[47][0-9]{13})*$/
  • 美國運通信用卡
/^(3[47][0-9]{13})*$/
  • MasterCard
/^(5[1-5][0-9]{14})*$/
  • Visa 卡
/^(4[0-9]{12}(?:[0-9]{3})?)*$/
  • 日期 (MM/DD/YYYY)
/^((0?[1-9]|1[012])[- /.](0?[1-9]|[12][0-9]|3[01])[- /.](19|20)?[0-9]{2})*$/
  • 日期 (YYYY/MM/DD)
/^(((?:19|20)[0-9]{2})[- /.](0?[1-9]|1[012])[- /.](0?[1-9]|[12][0-9]|3[01]))*$/
  • 台灣手機號碼
/^09\d{2}-?\d{3}-?\d{3}$/
  • 中文 (Unicode)
[\u4e00-\u9fa5]
  • 簡易驗證台灣身份證，仍然需要一些進階的檢查，如驗證檢查碼，或前往內政部戶政司驗證
/^[A-Za-z][1-2]\d{8}$/
  • 正整數
/^\+?\d+$/
  • 整數
/^[+-]?\d+$/
  • float
/^[-+]?[0-9]*\.?[0-9]+([eE][-+]?[0-9]+)?$/

參考資料：

Poy Chang

Trial and Error