Biểu thức chính quy html

Ký hiệu chấm .

Ký hiệu dấu chấm . là một meta đơn giản, nó biểu diễn bất kỳ ký tự nào ngoài trừ ký tự return \r hoặc newline \n. Ví dụ biểu thức RegEx .oàn thì có nghĩa là: một ký tự nào đó, tiếp theo đến ký tự o, tiếp theo đến à cuối cùng là n. Ví dụ dùng mẫu đó tìm trong chuỗi.

.oàn =>Sự hoàn hảo dường như không thể đạt được, nhưng nếu chúng ta theo đuổi sự hoàn hảo
thì chúng ta sẽ chạm đến sự xuất sắc.
(Chạy thử vidu02)

Cứ có 4 ký tự liên tiếp, bắt đầu bằng ký tự nào đó, sau đó là oàn thì phù hợp với mẫu.

Tập hợp ký tự []

Dùng [] để chứa tập hợp các ký tự viết ở bên trong nó, như tập [abc], phù hợp với nó là bất kỳ ký tự nào có trong tập đó. Có thể dùng dấu - để biểu diễn một dải các ký tự theo vị trí trong bảng chữ cái như a-z (ký tự thường từ a đến z), 0-9 (số từ 0 đến 9), A-Z (chữ in từ A đến Z) ..., biểu thức so sánh sẽ hợp mẫu nếu chứa bất kỳ ký tự nào trong đó (không cần quan tâm thứ tự)

Ví dụ biểu thức [ưƯ]ớc có nghĩa là: Có một chữ ư hoặc Ư, theo sau bởi ớ, tiếp theo là c

[ưƯ]ớc => Ước một điều ... mộng ước rất đơn sơ. Nụ hôn trao hạnh phút đến bất ngờ
(Chạy thử vidu03)

Lưu ý: Viết [.] thì nó biểu diễn ký tự chấm . chứ không con ý nghĩa đại diện bất kỳ ký tự nào như trường hợp trên.

nh[.] => Thời gian cứ thế xoay vòng thật nhanh. Bao mùa chiếc áo phông phanh!
Chạy thử vidu04

Mẫu phù hợp là 3 ký tự liên tiếp: nh.

Tập hợp ngoại trừ [^]

Thông thường thì ^ biểu diễn điểm bắt đầu của chuỗi, tuy nhiên nếu nó nằm ở vị trí sau dấu [ của cặp [] thì nó lại mang ý nghĩa tạo ra tập hợp ký tự loại trừ (phụ định). Ví dụ biểu thức [^n]hanh có nghĩa là bất kỳ ký tự nào ngoại trừ ký tự n, theo sau bởi h, tiếp theo bởi a, n và h

[^n]hanh => Thời gian cứ thế xoay vòng thật nhanh. Bao mùa chiếc áo phông phanh!
Chạy thử vidu05

Lặp lại với ký hiệu *

Ký hiệu * cho biết có sự lặp lại 0 hoặc nhiều lần mẫu phù hợp đứng phía trước nó (như ký tự phía trước, tập [] phía trước, nhóm () phía trước ...). Ví dụ mẫu xuanthula*b thì sau ký tự l có 0 hoặc nhiều ký tự a liên tiếp rồi đến ký tự b. Nếu * nó đi sau tập hợp thì lặp tập hợp đó lặp lại 0 hoặc nhiều lần. Ví dụ [a-z]* là dòng có 0 hoặc n ký tự viết thường.

* có thế sử dụng với dấu chấm .* để biểu diễn bất kỳ chuỗi nào, hay dùng mẫu (.*)
* có thể sử dụng với ký tự trắng (trong RegEx khoảng trắng viết là \s) để biểu diễn bất kỳ khoảng trắng nào.
Ví dụ \s*mình\s* có nghĩa bắt đầu bởi không hoặc nhiều khoảng trắng, tiếp theo là ký tự m, ì, n, h tiếp theo là không hoặc nhiều khoảng trắng.

"\s*mình\s*" => Đừng so sánh mình với bất cứ ai trong thế giới này.
Nếu bạn làm như vậy có nghĩa bạn đang sỉ nhục chính bản thân mình. Bill Gates
Chạy thử vidu06

Lặp lại với ký hiệu +

Ký hiệu + tương tự như * nhưng lặp lại 1 hoặc nhiều (ít nhất một lần). Ví dụ
có.+! có nghĩa ký tự bắt đầu bằng có theo sau ít nhất một ký tự nào đó (một hoặc nhiều ký tự), cuối cùng là ký tự !.

có.+! => Đàn ông cần tiền chủ yếu chỉ để cho hai việc: có được nàng và thoát được nàng!.
Chạy thử vidu07

Mẫu phía trước có hay không đều được với ?

Trong biểu thức Regex thông thường ? là một tùy chọn cho biết mẫu phía trước nó có thể có hoặc không. Ví dụ [h]?ôn nghĩa là tùy chọn có h hoặc không, theo sau là ô, tiếp theo là n

[h]?ôn => Đàn bà khôn ngoan hơn đàn ông vì họ biết ít hơn, nhưng hiểu nhiều hơn.
Chạy thử vidu08

Biểu diễn độ dài {}

{} là biểu diễn số lượng, nó chỉ ra số lần mà một ký tự hoặc một nhóm các ký tự lặp lại. Viết {min, max} có nghĩa số lượng tối thiểu min và tối đa max. Ví dụ [0-9]{2,3} có nghĩa là có tối thiểu 2 tới 3 ký tự số.

Nếu bạn viết {min,} có nghĩa tối thiểu có min lần lặp lại (số lượng min). Ví dụ [0-9]{2,} có nghĩa là chuỗi có 2 hoặc nhiều ký tự số.

Nếu viết {number} thì biểu diễn chính xác số lần lặp lại. Ví dụ [0-9]{3} có nghĩa là chuỗi chính xác có 3 ký tự số.

Nhóm mẫu (...)

Nhóm là một mẫu (pattern) viết trong () ví dụ (ab). Thường dùng nhóm như là một mẫu con trong một mẫu lớn. Ví dụ (ab)*: thì (ab) là mẫu con, trong mẫu lớn thì nó lặp lại 0 hoặc nhiều lần => lặp lại ab 0 hoặc nhiều lần.

Chúng ta cũng dùng ký hiệu | bên trong nhóm như là phép toán or (hoặc) để xác định nhóm. Ví dụ n(g|h) có nghĩa bắt đầu bằng n theo sau là một mẫu con, mẫu đó hoặc là chữ g hoặc là chữ h. Thế thì các chuỗi nhỏ như nh, ng thì phù hợp.

n(g|h) =>Nếu có một ai đó làm chậm bước chân của bạn, hãy nhẹ nhàng rẽ sang hướng khác.
Chạy thử vidu09

Viết mẫu như trên còn gọi là capture group vì các ngôn ngữ lập trình triển khai RegEx sẽ nhớ thông tin mẫu con này trong thông tin kết quả trả về.

Nếu chỉ cần lấy kết quả mẫu chính (không quan tâm mẫu con trả về, mặc dù phải phù hợp với mẫu con thì mẫu chính mới phù hợp) thì cho thêm ký hiệu ?: sau ký hiệu (. Ví dụ: n(?:g|h)

Phân biệt capture group và non capture group thực ra cần xét trong một ngôn ngữ lập trình cụ thể, lấy ví dụ Javascript (bạn có thể chạy ngay trong trình duyệt để kiểm tra).

Trong mảng kết quả trả về, có chuỗi phù hợp với mẫu lớn tìm được là ng, nó cũng cho biết luôn tương là mẫu con g.

Kết quả trả về tìm được ng phù hợp với mẫu lớn, nhưng không chứa thông tin mẫu con (không nhớ).

Biểu diễn thay thế |

Ký tự | chính là phép toán hoặc (or) kết hợp giữa các mẫu con, như (a|b|c), abc|xyz, (pattern1)|(pattern2) ... Xem các ví dụ phía trên, đã sử dụng |

Biểu diễn ký tự đặc biệt với \

Do một số ký hiệu đã được dùng đã biểu diễn Regex như : { } [ ] / \ + * . $ ^ | ? nên để biểu diễn các ký tự đó dùng ký hiệu \ trước ký tự.

"(f|c|m)at\.?" => The fat cat sat on the mat.

Bắt đầu của dòng ^

Sử dụng ^ để kiểm tra các ký tự đàu tiên của dòng phù hợp với mẫu viết sau ^. Ví dụ ^a thì chuỗi phù hợp khi bắt đầu là chữ a có dạng như abcxyz, nếu vẫn chuỗi đó nó lại không phù hợp với ^b.
^(T|t)he có nghĩa là T hoặc t bắt đầu của chuỗi, theo sau là he.
^(Trần|Lê).* lấy là các dòng bắt đầu bằng Trần hoặc Lê

Điểm kết thúc của chuỗi $

Cho biết kết thúc dòng phải thỏa mãn mẫu phía trước $

Ngược lại với ^ ví dụ (at\.)$ nghĩa là cuối chuỗi có at. thì là phù hợp.
"(at\.)$" => The fat cat. sat. on the mat.

Ký hiệu tắt cho tập hợp

Biểu thức ?= lookahead (?=...)

Một biểu thức con viết bắt đầu bằng ?= gọi là lookahead (là một loại non-capture, chỉ để khớp mẫu, không nhớ kết quả). Biểu thức lookahead cho vào để lọc kết quả phía trước nó, kết quả trả về (biểu thức phía trước) là phần đầu của mẫu khớp - phần sau không trả về phải thỏa mãn lookahead.

Ví dụ (T|t)he(?=\sfat) thì lookahead là (?=\sfat) - nghĩa là kết quả trả về khi ở trong chuỗi gốc nó được theo sau bởi fat

Ví dụ, lấy ra từ The hoặc the

(T|t)he => The fat cat sat on the mat.
Chạy thử vidu10

Lấy ra từ The hoặc the, nhưng từ đó phải đứng trước từ fat

(T|t)he(?=\sfat) => The fat cat sat on the mat.
Chạy thử vidu11

Biểu thức ?! phủ định lookahead (?!...)

Biểu thức (?! ...) là lấy ra kết quả, mà kết quả này ở trong chuỗi gốc phía sau nó không được thỏa mãn biểu thức viết trong (?! ...)

Ví dụ lấy ra từ The hoặc the, nhưng từ đó trong chuỗi gốc đằng sau không có fat

(T|t)he(?!\sfat) => The fat cat sat on the mat.
Chạy thử vidu12

Biểu thức (?<=...) Lookbehind

Cũng là loại non-capture, sử dụng đề lọc kết quả phía sau nó. Kết quả trả về trong chuỗi gốc, phía trước nó phải thỏa mãn lookbehind. (?<=(T|t)he\s)(fat|mat) có nghĩa lấy tất cả các từ fat hoặc mat sau các từ The hoặc the

Lấy ra các từ mat hoặc cat, nhưng trong chuỗi gốc - phía trước nó phải có The hoặc the

(?<=(T|t)he\s)(fat|mat) => The fat cat sat on the mat.
Chạy thử vidu13

Biểu thức (?

Sử dụng để lấy các phù hợp mà đi trước không có một mẫu lookbehind chỉ ra.

(? => The cat sat on cat.
Chạy thử vidu14

Các cờ

Các cờ này được đưa vào mẫu theo dạng /RegExp/flags

"/The/gi" => The fat cat sat on the mat.

"/.(at)/" => The fat cat sat on the mat.

"/.(at)/g" => The fat cat sat on the mat.

"/.at(.)?$/gm" => The fat

                       cat sat

                       on the mat.

Trong PHP các hàm sử dụng RegExp thường các biểu thức này nằm trong cặp /../

Tóm tắt

Luyện tập phân tích với một số biểu thức chính quy thông dụng

Một số mẫu để kiểm tra dữ liệu, tìm kiếm, trích xuất ...

Địa chỉ email

^([a-zA-Z0-9._%-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,4})*/$

• [a-zA-Z0-9._%-]+: phần đầu - phải có một chuỗi hình thành từ các ký trong mẫu
• @: tiếp theo đến ký tự @
• [a-zA-Z0-9.-]+: tiếp theo phải có một chuỗi hình thành bởi các ký tự trong mẫu
• \.: tiếp theo phải có ký tự .
• [a-zA-Z]{2,4}: phần cuối có chuỗi dài 2 - 4 hình thành bởi các ký tự chữ cái.

Đia chỉ IP4

^((?:(?: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]?))*$

(Đang cập nhật)

Tác giả: https://twitter.com/ziishaned