你有你的规则，我有我的正则
开发中经常用到正则表达式，但总是靠搜索，有的结果过时或者不正确，导致浪费很多时间。与其将时间浪费在搜索上倒不如自己好好地掌握它。
正则规则
分四大类来说明: 常用符号说明、符号数目匹配、逻辑语句符号匹配、目标匹配符号。
一、常用符号说明
^: 匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与”\n”或”\r”之后的位置匹配。$: 匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与”\n”或”\r”之前的位置匹配。\: 将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，”n”匹配字符”n”。”\n”匹配换行符
二、符号数目匹配
*: 零次或多次 匹配前面的字符或子表达式。例如，”zo*“ 匹配”z”和”zoo”。* 等效于{0,}。+: 一次或多次 匹配前面的字符或子表达式。例如，”zo+”与”zo”和”zoo”匹配，但与”z”不匹配。+ 等效于{1,}。?: 零次或一次 匹配前面的字符或子表达式。例如，”do(es)?”匹配”do”或”does”中的”do”。? 等效于{0,1}。{n}: n 是非负整数。正好匹配 n 次。例如，”o{2}”表示此匹配两个o{n,}: n 是非负整数。至少匹配 n 次。{n,m}: n 和 m 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。
三、逻辑语句符号匹配
x|y: 匹配 x 或 y。例如，’z|food’ 匹配”z”或”food”。’(z|f)ood’ 匹配”zood”或”food”。(): 括号
四、目标匹配符号
[xyz]: 字符集。匹配包含的任一字符。例如，”[abc]”代表当前位只能是abc三个字符中的一个[^xyz]: 反向字符集。匹配未包含的任何字符。例如，”[^abc]“ 则当前位不能是abc中的任意一个。[a-z]: 字符范围。匹配指定范围内的任何字符。如：[a-z]: 当前位匹配从a到z字符[A-Z]: 当前位匹配从A到Z字符[0-9]: 当前位匹配从0到9字符[a-zA-Z0-9]: 当前位匹配从a到z，从A到Z以及从0-9的字符[a-zA-Z0-9_]: 当前位匹配从a到z，从A到Z以及从0-9的字符和_字符[a-zA-Z0-9_-]: 当前位匹配从a到z，从A到Z以及从0-9的字符和_与-字符
[^a-z]: 反向范围字符。匹配不在指定的范围内的任何字符.\d: 匹配数字，与[0-9]等效.\D: 匹配非数字字符，与[^0-9]等效.\w: 匹配任何字类字符，包括下划线。与”[A-Za-z0-9_]“等效.\W: 与任何非单词字符匹配。与”[^A-Za-z0-9_]“等效。.: 匹配除”\r\n”之外的任何单个字符。若要匹配包括”\r\n”在内的任意字符，请使用诸如”[\s\S]”之类的模式。\b: 匹配一个字边界，即字与空格间的位置。例如，”er\b”匹配”never”中的”er”，但不匹配”verb”中的”er”。多用于java中的正则查找与替换。\B: 非字边界匹配。”er\B”匹配”verb”中的”er”，但不匹配”never”中的”er”。\s: 匹配任何空白字符，包括空格、制表符、换页符等。与[\f\n\r\t\v]等效。\S: 匹配任何非空白字符。与[^\f\n\r\t\v]等效。各种空白符：
\f: 换页符匹配。等效于 \x0c 和 \cL。\n: 换行符匹配。等效于 \x0a 和 \cJ。\r: 匹配一个回车符。等效于 \x0d 和 \cM。\t: 制表符匹配。与 \x09 和 \cI 等效。\v: 垂直制表符匹配。与 \x0b 和 \cK 等效。
\xn: 匹配 n，此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，”\x41”匹配”A”。允许在正则表达式中使用 ASCII 代码。\un: 匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。例如，\u00A9 匹配版权符号 (©)。附：Unicode编码说明,汉字Unicode编码表
常见正则
下面分别对常见的邮箱和手机号举例。
邮箱：
常见邮箱形式：
- `zhangshan@163.com`
- `abc@sina.com.cn`
- `zhangshna.Mr@163.com`
- `abc_Wang.dd@sian.com`
- `abc_Wang.dd.cc@sian.com`
网络上正则，仅仅能匹配 1，2 两种格式:
^[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+$
满足需求正则:
- 匹配全部：
^(\w)+(\.\w+)*@(\w)+((\.\w+)+)$ - 等价匹配：
^[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+$ - 或者：
^(\w)+(\.\w+)*@(\w)+((\.\w{2,3}){1,3})$ - 注意java代码里需要将所有 \ 转义，要在所有 \ 前多加一个 \
java 代码:
1 | public static boolean isEmail(String email) { |
手机号码:
手机基本格式如下：
- 共11位：
- 13(0-9):13开头手机号第三位0-9全可以
- 14(5,7):14开头的第三位只有5(联通)，7(移动)
- 15(-4):15开头的第三位除了4，其他都有，因为(154有谐音“要我死”)
- 17(3,5,6,7,8):17开头的三位有3,5,6,7,8;其中3,7为电信，5,6为联通,8为移动。
- 18(0-9):18开头的第三位0-9均可以
而170和171的为虚拟运营商:
1
2
3
41700/1701/1702(电信)
1703/1705/1706(移动)
1704/1707/1708/1709(联通)
171（联通)
虚拟商除外，匹配前三个位置数字正则：
- 1与5可以一起写: 1[3,8][0-9]
- 第二种: 14[5,7]
- 第三种: 15[^4]
- 第四种: 17[3,5-8]
- 合并为:
^((1[3,8][0-9])|(14[5,7])|(15[^4])|(17[3,5-8]))\d{8}$ - 注意：\d代表数字，如果要写入 java 代码，则需要多加一条 \ 来转义。如果不想写转义因为\d等价于[0-9]所以也可以换为：
^((1[3,8][0-9])|(14[5,7])|(15[^4])|(17[3,5-8]))[0-9]{8}$
Java 代码：
1 | public static boolean isChinaPhoneLegal(String str) throws PatternSyntaxException { |
占用端口进程
我们用 Linux 命令获取占用 22 端口信息如下：
1 | [root@vm]# netstat -tnlp | grep ':22 ' |
只需要用 Python 中 commands 包执行对应命令，取得第一行结果即可得到字符串，我们直接使用该字符用正则提出进程名：
1 | tcp_str = "tcp 0 0 0.0.0.0:22 0.0.0.0:* LISTEN 21392/sshd" |
获取磁盘挂载信息
fdisk 命令
获取插入主机的所有磁盘 fdisk 命令:
1 | [root@vm]# fdisk -l |
我们只需要 /dev/vdx 这样的信息，因此需要过滤：
1 | [root@vm]# fdisk -l | egrep '^Disk /dev/[a-z]d[a-z]' | awk -F: '{print $1}' | awk '{print $2}' |
其中 egrep 是选取符合的行如下：
1 | [root@vm]# fdisk -l | egrep '^Disk /dev/[a-z]d[a-z]' |
后面两个 awk 则不断 split 字符串选取出最终的字符。
df 命令
上面的 fdisk 是获取所有的磁盘信息，包括已经挂载以及未挂载的磁盘，而 df 则获取仅仅挂载的信息，这样对于企业中的监控获取未挂载的磁盘，则只需用 fdisk 结果减 df 的结果，这里只介绍用 df 获取磁盘信息：
1 | [root@vm]# df -h |
我们也只需要 /dev/vdx 这样的信息：
1 | [root@vm]# df -Th | /usr/bin/egrep '^/dev/[a-z]d[a-z]\d*' | awk '{print $1}' |
/proc/partitions 文件
这个文件也记录了 Centos 系统的磁盘挂载信息，与 fdisk 命令的结果一致，但是用文件搜索方式比通过 commands 包调用 fdisk 命令效率更高，因此，推荐用此方式来查系统挂载信息：
1 | [root@vm]# cat /proc/partitions | egrep ' [a-z]d[a-z]+$' | awk '{print $4}' |
/proc/mounts 文件
这个文件则是与 df 命令相似，只记录已经挂载的磁盘信息，并且效率高于 df 命令：
1 | [root@vm]# cat /proc/mounts | egrep '^/dev/[a-z]d[a-z]+\d*' |
这个先查询出行，再用 awk 对行进行截取，这个我就不写了，自己大家可以 awk。
