[关闭]
@Zjmainstay 2021-01-20T05:15:25.000000Z 字数 10351 阅读 17334

正则掌握程度测试题

正则表达式

注：解答时，点击“题样”链接，进行测试即可。
鼠标悬停到每段文字，右侧+可评论，大家可评论留下你的答案，我看到会适当加以回复，建议带上你们的Q群昵称（434252251 专精正则表达式）。
正则文章推荐：正则表达式入门和高级教程与在线测试工具

1. 分组提取/非捕获组

分组，是正则里一个非常重要的概念，我们需要针对某个区域提取数据，往往需要依赖分组。而分组，其实就是正则里()括住的部分。

（1.1）分组提取

  1. 需求：在分组1中匹配meta中author属性的值
  2. 源串：
  3. <meta author="Zjmainstay" />
  4. another author="Zjmainstay too"
  5. 预期：分组1得到Zjmainstay
  6. 正则：

题样：https://hiregex.com/r/B7aH84/1

（1.2）非捕获组

针对上面的分组，有时候，我们并不需要捕获某个分组的内容，我们可以使用非捕获组(?:表达式)，从而不捕获表达式部分内容到分组中。

  1. 需求：匹配每行字母个数是偶数个的数据，每行数据不为空，正则不能存在分组1
  2. 源串：
  3. a
  4. ab
  5. abc
  6. abcd
  7. 预期：
  8. 匹配得到 ab 和 abcd，不包含分组1
  9. 正则：

题样：https://hiregex.com/r/hcspP2/1

2. 单字符或

或条件是正则使用过程中常用的概念，比如，密码由字母或数字组成，这里就用到了或条件，而且，由于字母或数字都是单个字符，因此，可以使用[a-z0-9]这样的单字符或语法实现。
常犯错误：匹配a或b写成[a|b]，此表达式实际上表示a或b或|，在[]内部的|表示其本身，注意区分(a|b)表示a或b的写法。

（2）单字符或

  1. 需求：匹配由 A/S/D/F 4个字母(区分大小写)组成的长度为3字符串
  2. 源串：
  3. ABC
  4. ASD
  5. ADS
  6. ASF
  7. BBC
  8. A|S
  9. A|D
  10. ASDF
  11. 预期：以[]元字符获得3个字母的或集，匹配 ASD/ADS/ASF 3组数据
  12. 正则：

题样：https://hiregex.com/r/JHkPH1/1

3. 多字符或

相对单字符或条件，多字符或也是很常见的，比如，我们需要匹配http或ftp两个协议头的url，就需要^(http|ftp)://.+$这样的语法来实现。

（3）多字符或

  1. 需求：匹配每行数据中以.jpg/.jpeg/.png/.gif结尾的图片名称（含后缀）
  2. 源串：
  3. image.jpg
  4. image.jpeg
  5. image.png
  6. image.gif
  7. not_image.txt
  8. not_image.doc
  9. not_image.xls
  10. not_image.ppt
  12. 预期：匹配 image.jpg/image.jpeg/image.png/image.gif 4个结果
  13. 正则：

题样：https://hiregex.com/r/hyoAJ1/1

4. 分组引用

前面介绍了分组，那某个分组在我们匹配过程中重复出现，又该如何处理？分组引用恰恰解决这个问题。比如，匹配出现重复单词的一行数据，我们可以这么写（多行模式）：/^.*?(\b\S+\b).*?\1.*$/m，\1表示引用前面分组1中匹配到的内容，也就是重复的单词内容。

（4）匹配连续相同3次的数字

  1. 需求：匹配连续相同3次的数字
  2. 源串：
  3. 111
  4. 121
  5. 112
  6. 222
  7. 预期：匹配 111/222 两组数据
  8. 正则：

题样：https://hiregex.com/r/2p93c/1

5. 匹配换行数据

“我的正则本来好好的，突然不行了！”这个是很多正则新人遇到的问题，而这个问题，很多时候，就是因为原来正则中的.不能匹配新数据里的换行导致的。这时候，只需要把.改成[\s\S]这样的表达式就可以了。这个表达式表示空格或非空格，也就是任意字符啦。

（5）匹配换行数据

  1. 需求：分别使用单行模式和普通模式匹配id="author"的div中数据，div标签不在同一行
  2. 源串：
  3. <div id="author">
  4. Zjmainstay
  5. </div>
  6. 预期：Zjmainstay
  7. 正则1：
  8. 正则2：

题样：https://hiregex.com/r/tYcOO3/1

6. 存在（或）

（6.1）匹配多种或条件的数据，没有特殊限制

  1. 需求：匹配每行中包含“作者”或者“读者”的数据
  2. 源串：
  3. 本文的作者是Zjmainstay
  4. 本文有很多读者
  5. 读者可以是任何一个地方的人
  6. 这里的任何一个地方说明读者也能在国外
  7. 什么乱七八糟的推理
  8. 你不匹配我，凭什么要我推荐你的博客 www.zjmainstay.cn
  9. 预期：匹配
  10. 本文的作者是Zjmainstay
  11. 本文有很多读者
  12. 读者可以是任何一个地方的人
  13. 这里的任何一个地方说明读者也能在国外
  15. 正则：

题样：https://hiregex.com/r/n2FGC1/1

（6.2）匹配多种或条件的数据，有特殊限制（不使用环视）

  1. 需求：匹配每行中“读者”在开头或结尾的数据
  2. 源串：
  3. 本文作者是Zjmainstay，有很多读者
  4. 读者可以是任何一个地方的人
  5. 这里的任何一个地方说明读者也能在国外
  6. 预期：匹配
  7. 本文作者是Zjmainstay，有很多读者
  8. 读者可以是任何一个地方的人
  10. 正则：

题样：https://hiregex.com/r/L5kYV/1

（6.3）匹配多种或条件的数据，有特殊限制（使用环视）

  1. 需求：匹配每行中“读者”在开头或结尾的数据
  2. 源串：
  3. 本文作者是Zjmainstay，有很多读者
  4. 读者可以是任何一个地方的人
  5. 这里的任何一个地方说明读者也能在国外
  6. 预期：匹配
  7. 本文作者是Zjmainstay，有很多读者
  8. 读者可以是任何一个地方的人
  10. 正则：

题样：https://hiregex.com/r/9FJHT4/1

7. 存在（与）

（7.1）校验密码必须包含字母、数字和特殊字符，6-16位

  1. 需求：校验密码必须包含字母、数字和特殊字符，6-16位，假定特殊字符为 -_= 三个字符
  2. 源串：
  3. 12345
  4. 123456
  5. 1234561234561234
  6. 12345612345612345
  7. a1234
  8. a12345
  9. -1234
  10. -12345
  11. a-123
  12. a-1234
  13. a-1234a-1234a-12
  14. a-1234a-1234a-1234
  15. aaaaa
  16. aaaaaa
  17. -_=-_
  18. -_=-_=
  19. 预期：匹配
  20. a-1234
  21. a-1234a-1234a-12
  23. 正则：

题样：https://hiregex.com/r/6kEWf4/1

8. 特殊限制（环视否定）

（8.1）使用\d{1,3}匹配1-999的数据，不能以0开头

  1. 需求：使用\d{1,3}匹配每行中1-999的数据，不能以0开头
  2. 源串：
  3. 1
  4. 10
  5. 100
  6. 999
  7. 1000
  8. 01
  9. 001
  10. 预期：匹配
  11. 1
  12. 10
  13. 100
  14. 999
  15. 正则：

题样：https://hiregex.com/r/QIP8F4/1

（8.2）匹配除了span标签外的所有标签

  1. 需求：匹配除了<span>内容</span>标签外的所有<tagName>内容</tagName>格式标签
  2. 源串：
  3. <div>匹配我</div>
  4. <span>不匹配我</span>
  5. <p>匹配我</p>
  6. <i>匹配我</i>
  7. 预期：匹配
  8. <div>匹配我</div>
  9. <p>匹配我</p>
  10. <i>匹配我</i>
  11. 正则：

题样：https://hiregex.com/r/Y77Z51/1

9. 替换分组使用

（9.1）给源串每个链接加上http://www.zjmainstay.cn前缀

  1. 需求：给源串每个链接加上http://www.zjmainstay.cn前缀
  2. 源串：
  3. <a id="link-1" href="/regexp-one">正则文章合集（All In One)</a>
  4. <a id="link-2" href="/my-regexp">正则入门教程</a>
  5. <a id="link-3" href="/deep-regexp">正则高级教程</a>
  6. <a id="link-4" href="/regexp-lookaround">正则环视详解</a>
  7. <a id="link-5" href="/php-curl">PHP cURL应用</a>
  8. 预期：替换得到
  9. <a id="link-1" href="http://www.zjmainstay.cn/regexp-one">正则文章合集（All In One)</a>
  10. <a id="link-2" href="http://www.zjmainstay.cn/my-regexp">正则入门教程</a>
  11. <a id="link-3" href="http://www.zjmainstay.cn/deep-regexp">正则高级教程</a>
  12. <a id="link-4" href="http://www.zjmainstay.cn/regexp-lookaround">正则环视详解</a>
  13. <a id="link-5" href="http://www.zjmainstay.cn/php-curl">PHP cURL应用</a>
  14. 查找：
  15. 替换：

题样：https://hiregex.com/r/gTDjO3/1

（9.2）将每行数据格式化为一条SQL语句

  1. 需求：将每行特定格式数据格式化为SQL语句
  2. 源串：
  3. 1 2017-04-11 Zjmainstay
  4. 2 2017-04-12 Nobody
  5. 3 2017-04-13 Somebody
  6. 预期：替换得到
  7. INSERT INTO table_log(`id`, `created_at`, `author`) values('1', '2017-04-11', 'Zjmainstay');
  8. INSERT INTO table_log(`id`, `created_at`, `author`) values('2', '2017-04-12', 'Nobody');
  9. INSERT INTO table_log(`id`, `created_at`, `author`) values('3', '2017-04-13', 'Somebody');
  10. 查找：
  11. 替换：

题样：https://hiregex.com/r/RIQTP4/1

10. 分组可选

（10.1）分组可选

  1. 需求：判断如果单词以A开头，匹配Apple；如果单词以B开头，匹配Banana；否则匹配Empty
  2. 源串：
  3. Angle
  4. Apple
  5. Banana
  6. Best
  7. Empty
  8. 预期：匹配
  9. Apple
  10. Banana
  11. Empty
  12. 正则：

题样：https://hiregex.com/r/nkwBu1/1

（10.2）分组可选与分组引用

  1. 需求：匹配html标签的属性值，属性值可以由双引号、单引号、无单双引号定界
  2. 源串：
  3. <div id="I'm Zjmainstay" class="name" data-year=2017 age='27'>
  4. 预期：分组匹配
  5. I'm Zjmainstay
  6. author
  7. 2017
  8. 27
  9. 正则：

题样：https://hiregex.com/r/4dIVO3/1

11. 单字符拆分（数字）

（11）匹配0.00-100.00的数值，可以有0-2位小数

  1. 需求：匹配0.00-100.00的数值，可以有0-2位小数，不能以小数点结尾，不能以2个以上的0开头
  2. 思路：(100|10-99|0-9) + 0-2小数位 + 排除小数点结尾、2个以上0开头的情况
  3. 源串：
  4. 0
  5. 1
  6. 0.0
  7. 0.00
  8. 9.00
  9. 18.00
  10. 27.0
  11. 36.00
  12. 45.00
  13. 54.00
  14. 63.00
  15. 72.00
  16. 81.00
  17. 90.00
  18. 99.99
  19. 100.00
  21. 0.
  22. 001
  23. 100.01
  24. 100.001
  25. 101
  26. 预期：匹配0.00~100.00
  27. 正则：

题样：https://hiregex.com/r/mCpsV4/1

12. 贪婪模式

贪婪模式，正则会优先尽可能多地匹配能匹配到的内容。当剩余正则匹配剩余部分字符（源串）但无法满足匹配时，贪婪部分回溯，吐出已匹配的内容，尝试满足剩余部分字符的匹配。

（12.1）匹配链接中的文件名

  1. 需求：利用贪婪模式，分组1得到每行链接中的文件名
  2. 源串：
  3. http://localhost.com/a/b/c/d/file1.txt
  4. https://localhost.com/a/b/file2long.jpg
  6. 预期：分组0匹配行数据，分组1匹配文件名
  7. file1.txt
  8. file2long.jpg
  9. 正则：

题样：https://hiregex.com/r/wvCml3/1

（12.2）限定字符贪婪优化匹配性能

  1. 需求：匹配div id="author"的标签内容
  2. 源串：
  3. <div id="author" class="author-text something-useless">Zjmainstay</div>
  5. 预期：利用贪婪模式去掉div中的噪点（无关数据），分组1匹配到Zjmainstay
  6. 正则：

题样：https://hiregex.com/r/U6cJb4/1

13. 非贪婪模式

贪婪模式，正则会优先尽可能少地匹配能匹配到的内容。当剩余正则匹配剩余部分字符（源串）但无法满足匹配时，非贪婪部分继续匹配更多内容，尝试满足剩余部分字符的匹配。

（13）匹配p标签内容

  1. 需求：匹配p标签内容
  2. 源串：
  3. <p>内容1</p><p>内容2</p>
  4. 预期：
  5. 在分组1中匹配到内容1和内容2
  6. 正则：

题样：https://hiregex.com/r/dfiUF4/1

14. 占用模式(PCRE)

贪婪模式后再加一个+量词，如.++，效果是贪婪而且不回溯。
暂时没有想到应用场景。

15. |字符分界（|的作用域）

|作为或条件分隔符，它的分隔区间常常存在误用。在使用|字符的过程中，我们常常需要结合()来对它进行限定。如，^([0-9]+|[a-z]+)$表示纯数字或纯字母，如果没有()，那它又是另一种意思了。^[0-9]+|[a-z]+$等价于^[0-9]+或[a-z]+$，因此，它表示数字开头或者字母结尾，跟我们的需求有了很大的差别。

（15）|字符分界

  1. 需求：在分组1中匹配css或script的链接
  2. 源串：
  3. <script src="main.min.js" type="text/javascript"></script>
  4. <link rel="stylesheet" type="text/css" href="main.css">
  5. 预期：
  6. main.min.js
  7. main.css
  8. 正则：

题样：https://hiregex.com/r/UAc4O2/1

16. 元字符转义

元字符，指正则中有特殊意义的字符，如.表示匹配除了换行符以外的任意字符，这个.就是元字符。在正则书写过程中，如果我们真的要匹配这个.，就需要对它进行转义，而不是让它使用正则的含义，比如，匹配域名里的.，我们就要写成/zjmainstay\.cn/这样的正则。

（16）元字符转义

  1. 需求：表达式格式固定，提取其中的数值
  2. 源串：
  3. (20+170)-5*1/5=?
  4. 预期：
  5. A:20
  6. B:170
  7. C:5
  8. D:1
  9. E:5
  10. F:?
  11. 正则：
  12. 替换：

题样：https://hiregex.com/r/DhPaI1/1

17. 分隔符绕过（PCRE）

有时候，如果该语言支持多种分隔符，在写正则的过程中通常会通过规避分隔符的方式，减少对分隔符的转义，让正则看起来更清晰，写起来更舒服，当然，js中是不支持的。

（17）分隔符绕过

  1. 需求：在不对/转义的情况下匹配p标签内容
  2. 源串：
  3. <p>内容1</p><p>内容2</p>
  4. 预期：
  5. 在分组1中匹配到内容1和内容2
  6. 正则：

题样：https://hiregex.com/r/hwDnS1/1

18. 匹配溢出排除

匹配溢出，这不是一个术语名词，是我自己的叫法，主要指正则匹配内容超出了我们预期，导致匹配得到非预期的结果。

（18.1）div标签匹配溢出

  1. 需求：匹配内容为数字的div
  2. 源串：
  3. <div class="aaa bbb">ABC</div><div class="bbb ccc">123</div>
  4. 预期：
  5. <div>123</div>
  6. 错误正则：/<div.*?>\d+<\/div>/
  7. 正则：

题样：https://hiregex.com/r/CNNqb1/1

（18.2）多字符排除

  1. 需求：匹配不包含某个单词或词语的内容
  2. 源串：
  3. http://www.zjmainstay.cn
  4. http://www.baidu.com
  5. http://www.qq.com
  6. 预期：
  7. http://www.zjmainstay.cn
  8. http://www.qq.com
  9. 正则：

题样：https://hiregex.com/r/KyeQf1/1

（18.2）多字符排除

  1. 需求：匹配不包含某个单词或词语的内容
  2. 源串：
  3. A("Excalibur", "誓约胜利之剑", LONG_SWORD, (SPFX_NOGEN | SPFX_RESTR | SPFX_SEEK | SPFX_DEFN | SPFX_INTEL | SPFX_SEARCH), 
  4.   0, 0, PHYS(5, 10), DRLI(0, 0), NO_CARY, 0, A_LAWFUL, PM_KNIGHT, NON_PM, 4000L, NO_COLOR);
  5. /*
  6.  * Stormbringer only has a 2 because it can drain a level,
  7.  * providing 8 more.
  8.  */
  9. A("Stormbringer", "兴风者", RUNESWORD,
  10.   (SPFX_RESTR | SPFX_ATTK | SPFX_DEFN | SPFX_INTEL | SPFX_DRLI), 0, 0,
  11.   DRLI(5, 2), DRLI(0, 0), NO_CARY, 0, A_CHAOTIC, NON_PM, NON_PM, 8000L,
  12.   NO_COLOR);
  13. /*
  14.  * Mjollnir will return to the hand of the wielder when thrown
  15.  * if the wielder is a Valkyrie wearing Gauntlets of Power.
  16.  */
  17. A("Mjollnir", "雷神之锤", WAR_HAMMER, /* Mjo:llnir */
  18.   (SPFX_RESTR | SPFX_ATTK), 0, 0, ELEC(5, 24), NO_DFNS, NO_CARY, 0,
  19.   A_NEUTRAL, PM_VALKYRIE, NON_PM, 4000L, NO_COLOR);
  20. A("Cleaver", "撕裂者", BATTLE_AXE, SPFX_RESTR, 0, 0, PHYS(3, 6), NO_DFNS, NO_CARY, 0, A_NEUTRAL, PM_BARBARIAN, NON_PM, 1500L, NO_COLOR);
  21. /*
  22.  * Grimtooth glows in warning when elves are present, but its
  23.  * damage bonus applies to all targets rather than just elves
  24.  * (handled as special case in spec_dbon()).
  25.  */
  26. A("Grimtooth", "邪兽之牙", ORCISH_DAGGER, (SPFX_RESTR | SPFX_WARN | SPFX_DFLAG2),
  27.   0, M2_ELF, PHYS(2, 6), NO_DFNS,
  28.   NO_CARY, 0, A_CHAOTIC, NON_PM, PM_ORC, 300L, CLR_RED);
  29. /*
  30.  * Orcrist and Sting have same alignment as elves.
  31.  *
  32.  * The combination of SPFX_WARN+SPFX_DFLAG2+M2_value will trigger
  33.  * EWarn_of_mon for all monsters that have the M2_value flag.
  34.  * Sting and Orcrist will warn of M2_ORC monsters.
  35.  */
  36. A("Orcrist", "杀兽剑", ELVEN_BROADSWORD, (SPFX_WARN | SPFX_DFLAG2), 0, M2_ORC, PHYS(5, 0), 
  37.   NO_DFNS, NO_CARY, 0, A_CHAOTIC, NON_PM, PM_ELF, 2000L, CLR_BRIGHT_BLUE); /* bright blue is actually light blue */
  39. 预期：
  40. Excalibur=誓约胜利之剑
  41. Stormbringer=兴风者
  42. Mjollnir=雷神之锤
  43. Cleaver=撕裂者
  44. Grimtooth=邪兽之牙
  45. Orcrist=杀兽剑
  46. 查找：
  47. 替换：

题样：https://hiregex.com/r/D4gQB1/1

19. 环视循环提取格式化

在数据处理过程中，经常遇到一些格式化处理，比如简单地将一批数据格式化为SQL（参考9.2），还有复杂的需要对一行数据的某部分进行循环提取，然后格式化为特定格式。

  1. 需求：循环提取每行数据的分支部分和固定部分，格式化为特定格式
  2. 源串：
  3. BBB|CCC|DDD=AAA
  4. FFF|GGG|HHH|III|JJJ|KKK=EEE
  5. 预期：
  6. BBB=AAA
  7. CCC=AAA
  8. DDD=AAA
  9. FFF=EEE
  10. GGG=EEE
  11. HHH=EEE
  12. III=EEE
  13. JJJ=EEE
  14. KKK=EEE
  15. 查找：
  16. 替换：

题样：https://hiregex.com/r/ntZT84/1

20. 环视+递归引用表达式

PCRE支持使用(?R)引用整个正则表达式，使用(?1)引用分组1的正则表达式，在处理的数据的过程可以通过这种方式让表达式无限扩展，类似平衡组的方式，平衡匹配目标数据。

  1. 需求：取出该条字符串中所有的()括起来的部分，包括括号
  2. 源串：
  3. (if((left(A5,2)=39)&(A5<>3905)&(A5<>3908)&(A5<>3909),(V5>0)&(T5=0)&(U5=0),true))
  4. 预期：
  5. (A5,2)
  6. (left(A5,2)=39)
  7. (A5<>3905)
  8. (A5<>3908)
  9. (A5<>3909)
  10. (V5>0)
  11. (T5=0)
  12. (U5=0)
  13. ((left(A5,2)=39)&(A5<>3905)&(A5<>3908)&(A5<>3909),(V5>0)&(T5=0)&(U5=0),true)
  14. (if((left(A5,2)=39)&(A5<>3905)&(A5<>3908)&(A5<>3909),(V5>0)&(T5=0)&(U5=0),true))

题样：https://hiregex.com/r/QgjFM4/1

21. 三段论应用

三段论，是本人根据对正则的理解，归纳出来的三句话：定锚点，去噪点，取数据。
锚点，在正则中指^、$、\b这类零宽的位置，这里做了衍生，指能够唯一确定我们目标数据位置的参照点，比如author=Zjmainstay，我们要匹配author属性的数据，则author=就是我们的参照点，通过它，我们能快速写出提取author属性的数据的正则：author=(.+)。
噪点，就是对我们提取数据产生干扰的无关数据，我们在做正则匹配提取数据的过程中，可以选择性的忽略它们。当然，这里的忽略不是指不需要对它们做匹配，而是不需要对它们做精确匹配。比如，<a class="some-class-1 some-class-xxx" style="border:1px solid" href="http://www.zjmainstay.cn/regexp" title="正则表达式教程">正则表达式</a>，我们要提取a标签的url和文本（正则表达式），这时候，a标签上的class、style、title这些属性，对我们来说就没有意义了，它们就是噪点，在匹配过程中我们可以选择性的忽略它们（使用通配符进行匹配消耗掉它们），因此得到正则：<a [^>]*?href="([^"]+)"[^>]*>(.*?)</a>
数据，这个当然是指我们需要提取的内容了，如上面锚点举例，我们通过author=(.+)的(.+)对Zjmainstay部分数据进行了提取，因此，匹配结果的分组1（程序语言中的数组下标1）中，就能得到我们的结果。而对于多个数据的提取，如噪点举例，我们只需要针对数据部分进行多个分组（括号）的提取即可。
分组的计数，一般可以数左括号，排除环视和非捕获组的左括号，从1开始，依次加1递增，1,2,3,4....n，不同语言最大分组个数不同，大家在使用过程中自行留意，不过一般用不了那么多分组。
理解了三段论的概念，我们在写正则的过程中，只需要将源串进行分割划分，根据目标数据确定锚点，过滤噪点，提取数据，就能得到我们想要的正则了。

添加新批注
在作者公开此批注前，只有你和作者可见。
回复批注