原文链接：http://caibaojian.com/zhongwen-regexp.html
这篇文章主要讲如何使用正则匹配中文字符，中文正则表达式的匹配规则不像其他正则规则一样容易记住，下面一起看看这个中文正则表达式是怎么样的。
\w匹配的仅仅是中文，数字，字母，对于国人来讲，仅匹配中文时常会用到，见下
匹配中文字符的正则表达式： [\u4e00-\u9fa5]
或许你也需要匹配双字节字符，中文也是双字节的字符
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）
更多常用正则表达式匹配规则：
英文字母:[a-zA-Z]

数字:[0-9]
匹配中文，英文字母和数字及_:
//code from http://caibaojian.com/zhongwen-regexp.html
^[\u4e00-\u9fa5_a-zA-Z0-9]+$
同时判断输入长度：·
[\u4e00-\u9fa5_a-zA-Z0-9_]{4,10}

^[\w\u4E00-\u9FA5\uF900-\uFA2D]*$
1、一个正则表达式，只含有汉字、数字、字母、下划线不能以下划线开头和结尾：
^(?!_)(?!.*?_$)[a-zA-Z0-9_\u4e00-\u9fa5]+$
其中：
^ 与字符串开始的地方匹配
(?!_)　　不能以_开头

(?!.*?_$)　　不能以_结尾

[a-zA-Z0-9_\u4e00-\u9fa5]+　　至少一个汉字、数字、字母、下划线
$　　与字符串结束的地方匹配
放在程序里前面加@，否则需要\\进行转义 @"^(?!_)(?!.*?_$)[a-zA-Z0-9_\u4e00-\u9fa5]+$"

（或者：@"^(?!_)\w*(?<!_)$" 或者 @" ^[\u4E00-\u9FA50-9a-zA-Z_]+$ " )
2、只含有汉字、数字、字母、下划线，下划线位置不限：
^[a-zA-Z0-9_\u4e00-\u9fa5]+$
3、由数字、26个英文字母或者下划线组成的字符串
^\w+$
4、2~4个汉字
@"^[\u4E00-\u9FA5]{2,4}$";
5、
^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$
用：(Abc)+ 来分析： XYZAbcAbcAbcXYZAbcAb

来源：前端开发博客

之前一直不太会写正则表达式，很多要用到正则表达式的都直接百度，像上次要用正则表达式验证是否是合法的ip地址，然后就上网找，结果就是没找到一个对的，今天就为大家贡献一下，写个对的，并做一下解析。（建议大家还是去看书去规范的学一下，不要直接百度，不然都是坑）。

iPv4的ip地址都是（1~255）.（0~255）.（0~255）.（0~255）的格式

我这里的写法没有考虑两种情况，一是172.00.01.3这种，前面以零开头，或者多个零的这种情况，二是本网络地址，如果想支持，可根据下面的解释进行扩展。

下面给出相对应的正则表达式：

"^(1\\d{2}|2[0-4]\\d|25[0-5]|[1-9]\\d|[1-9])\\."

+"(1\\d{2}|2[0-4]\\d|25[0-5]|[1-9]\\d|\\d)\\."

+"(1\\d{2}|2[0-4]\\d|25[0-5]|[1-9]\\d|\\d)\\."

+"(1\\d{2}|2[0-4]\\d|25[0-5]|[1-9]\\d|\\d)$"

上面的一个不漏就是正确的验证ip的正则表达式，简单的讲解一下

\d表示0~9的任何一个数字

{2}表示正好出现两次

[0-4]表示0~4的任何一个数字

| 的意思是或者

( )上面的括号不能少，是为了提取匹配的字符串，表达式中有几个()就表示有几个相应的匹配字符串

1\\d{2}的意思就是100~199之间的任意一个数字

2[0-4]\\d的意思是200~249之间的任意一个数字

25[0-5]的意思是250~255之间的任意一个数字

[1-9]\\d的意思是10~99之间的任意一个数字

[1-9])的意思是1~9之间的任意一个数字

\\.的意思是.点要转义（特殊字符类似，@都要加\\转义）

说到这里应该已经很清楚的知道了上面的正则表达式的意思。

项目github地址：bitcarmanlee easy-algorithm-interview-and-practice

欢迎大家star，留言，一起学习进步
hive中的正则表达式还是很强大的。数据工作者平时也离不开正则表达式。对此，特意做了个hive正则表达式的小结。所有代码都经过亲测，正常运行。
1.regexp
语法: A REGEXP B

操作类型: strings

描述: 功能与RLIKE相同
select count(*) from olap_b_dw_hotelorder_f where create_date_wid not regexp '\\d{8}'

与下面查询的效果是等效的：
select count(*) from olap_b_dw_hotelorder_f where create_date_wid not rlike '\\d{8}';

2.regexp_extract
语法: regexp_extract(string subject, string pattern, int index)

返回值: string

说明：将字符串subject按照pattern正则表达式的规则拆分，返回index指定的字符。
hive> select regexp_extract('IloveYou','I(.*?)(You)',1) from test1 limit 1;
Total jobs = 1
...
Total MapReduce CPU Time Spent: 7 seconds 340 msec
OK
love
Time taken: 28.067 seconds, Fetched: 1 row(s)

hive> select regexp_extract('IloveYou','I(.*?)(You)',2) from test1 limit 1;
Total jobs = 1
...
OK
You
Time taken: 26.067 seconds, Fetched: 1 row(s)

hive> select regexp_extract('IloveYou','(I)(.*?)(You)',1) from test1 limit 1;
Total jobs = 1
...
OK
I
Time taken: 26.057 seconds, Fetched: 1 row(s)

hive> select regexp_extract('IloveYou','(I)(.*?)(You)',0) from test1 limit 1;
Total jobs = 1
...
OK
IloveYou
Time taken: 28.06 seconds, Fetched: 1 row(s)

hive> select regexp_replace("IloveYou","You","") from test1 limit 1;
Total jobs = 1
...
OK
Ilove
Time taken: 26.063 seconds, Fetched: 1 row(s)

3.regexp_replace
语法: regexp_replace(string A, string B, string C)

返回值: string

说明：将字符串A中的符合java正则表达式B的部分替换为C。注意，在有些情况下要使用转义字符,类似oracle中的regexp_replace函数。
hive> select regexp_replace("IloveYou","You","") from test1 limit 1;
Total jobs = 1
...
OK
Ilove
Time taken: 26.063 seconds, Fetched: 1 row(s)

hive> select regexp_replace("IloveYou","You","lili") from test1 limit 1;
Total jobs = 1
...
OK
Ilovelili

参考链接：
https://www.iteblog.com/archives/1639.html  hive字符串处理函数，比较全

在很多技术领域（如：自然语言处理，数据存储等），正则表达式可以很方便的提取我们想要的信息，所以正则表达式是一个很重要的知识点！
一、概念
正则表达式（Regular Expression）是用于描述一组字符串特征的模式，用来匹配特定的字符串。通过特殊字符+普通字符来进行模式描述，从而达到文本匹配目的工具。
正则表达式目前被集成到了各种文本编辑器/文本处理工具当中
二、应用场景
（1）验证：表单提交时，进行用户名密码的验证。
（2）查找：从大量信息中快速提取指定内容，在一批url中，查找指定url。
（3）替换：将指定格式的文本进行正则匹配查找，找到之后进行特定替换。
三、基本要素
（1）字符类
（2）数量限定符
（3）位置限定符
（4）特殊符号
注意：正则表达式基本是与语言无关的，我们可以结合语言/工具与正则表达式进行文本处理，在后面的博客中，我将使用grep来进行验证。（grep是一款Linux下按行匹配文本的工具，如下，使我们常使用的两个选项）
-E：使用扩展正则匹配
--color：将匹配得到的内容进行语法高亮
1.字符类

举例如下：
例1：

注意：1.grep采用的贪心匹配，它会匹配当前行中的所有匹配内容
2.echo $?表示是否匹配成功（如果成功返回值为0，不成功返回值为1）
例2：

例3：

例4：

例5：

2.数量限定符

举例如下：
例1：

例2：

由此，我们可以看出，“前面的单元”默认是指？或+前面的字符
例3：

例4：

例5：

例6：

注意：该结果为匹配失败，在相关文档中并未出现，应该啊是错误或者废弃的用法
例7：

3.位置限定符

举例如下：
例1：

例2：

例3：

例4：

例5：

例6：

4.特殊符号

举例如下：

假如我们去掉-E选项，会有什么现象呢？

此时，不难发现，去掉-E选项之后没有进行正常的正则匹配，这种现象需要我们引入如下的两个概念！
5.基本正则表达式&扩展正则表达式
区别：正则表达式的扩展正则（Extended规范）和基本正则（Basic规范）下，有些字符应该解释为普通字符，要表示上述特殊含义则需要加“\”转义字符。反之，在扩展规范下，应被理解为特殊含义，要取其字面值，也要对其进行“\”转义。
因此，grep工具带上-E选项，表示使用扩展正则来进行匹配，若没有该选项，则表示使用基准正则来进行匹配。
对于上述的问题，我们举例如下：
例1：

例2：当目标字符串当中本身就包含了字符，要想进行正则匹配，应该这样做：

例3：

5.其他普通字符集及其替换

举个例子：

综上，正则表达式有以下三个分类：
（1）基本正则表达式：Basic即BPEs
（2）扩展正则表达式：Extended即EREs
（3）Perl的正则表达式：PREs
因此，当grep指令不跟任何参数时，表示要使用BREs，后面跟“-E”表示使用EREs，后面跟“-P”参数，表示使用PREs
四、贪婪模式与非贪婪模式
1.贪婪模式：正则表达式匹配时，会尽量多的匹配符合条件的内容
举例如下：

注意：grep默认采用贪婪匹配，可能会对我们的测试结果造成干扰，大家可以上网使用“正则在线转换工具”进行测试
2.非贪婪模式：正则表达式匹配时，会尽量少的匹配符合条件的内容，也就是说，一旦发现匹配符合要求，立马就匹配成功，而不会继续匹配下去（除非有g，开启下一组匹配）
举例如下：

五、零宽断言
1.所谓断言，是用来声明一个应该为真的事实。在正则表达式中，只有当断言为真时才会继续进行匹配。
2.零宽断言：像用于查找某些内容之前或者之后的东西，其中一些特殊字符如“\b、^、$”等用于指定一个位置，这个位置应满足一定的条件。
3.分类：
（1）零宽度正预测先行断言（?=exp）
它断言自身出现的位置之后能匹配的表达式exp。如：\b\w+(?=ing\b),表示匹配以ing结尾的单词的前面的部分（除ing以外的部分）。当我们要查找“I'm singing while you're dancing.”时，它会匹配sing和danc
举例如下：

（2）零宽度正回顾后发断言（?>=exp）
它断言自身出现的位置的前面能匹配的表达式exp。如：（?<=\bre）\w+\b会匹配以re开头的单词的后半部分（除er以外的部分），例如：在查找“reading a book”时，它匹配ading
举例如下：

六、简单练习
1.手机号码

2.非零的正整数

3.非零开头的最多带两位小数的数字

4.由数字和26位字母组成的字符串

5.QQ号，从10000开始

6.IP地址
\d+\.\d+\.\d+\.\d+
7.判断账号是否合法
^[a-zA-Z0-9][a-zA-Z0-9_]{4,15}$
8.日期格式
^\d{4}-\d{1,2}-\d{1,2}
正则表达式的学习就到这里结束啦，如果有小伙伴没有看明白的，可以上网查询正则的更多知识点！