引言
正則表達(dá)式(regular expression)就是用一個(gè)“字符串”來(lái)描述一個(gè)特征,然后去驗(yàn)證另一個(gè)“字符串”是否符合這個(gè)特征。比如 表達(dá)式“ab+” 描述的特征是“一個(gè) 'a' 和 任意個(gè) 'b' ”,那么 'ab', 'abb', 'abbbbbbbbbb' 都符合這個(gè)特征。
正則表達(dá)式可以用來(lái):(1)驗(yàn)證字符串是否符合指定特征,比如驗(yàn)證是否是合法的郵件地址。(2)用來(lái)查找字符串,從一個(gè)長(zhǎng)的文本中查找符合指定特征的字符串,比查找固定字符串更加靈活方便。(3)用來(lái)替換,比普通的替換更強(qiáng)大。
正則表達(dá)式學(xué)習(xí)起來(lái)其實(shí)是很簡(jiǎn)單的,不多的幾個(gè)較為抽象的概念也很容易理解。之所以很多人感覺(jué)正則表達(dá)式比較復(fù)雜,一方面是因?yàn)榇蠖鄶?shù)的文檔沒(méi)有做到由淺入深地講解,概念上沒(méi)有注意先后順序,給讀者的理解帶來(lái)困難;另一方面,各種引擎自帶的文檔一般都要介紹它特有的功能,然而這部分特有的功能并不是我們首先要理解的。
文章中的每一個(gè)舉例,都可以點(diǎn)擊進(jìn)入到測(cè)試頁(yè)面進(jìn)行測(cè)試。閑話少說(shuō),開(kāi)始。
1. 正則表達(dá)式規(guī)則
1.1 普通字符
字母、數(shù)字、漢字、下劃線、以及后邊章節(jié)中沒(méi)有特殊定義的標(biāo)點(diǎn)符號(hào),都是"普通字符"。表達(dá)式中的普通字符,在匹配一個(gè)字符串的時(shí)候,匹配與之相同的一個(gè)字符。
舉例1:表達(dá)式 "c",在匹配字符串 "abcde" 時(shí),匹配結(jié)果是:成功;匹配到的內(nèi)容是:"c";匹配到的位置是:開(kāi)始于2,結(jié)束于3。(注:下標(biāo)從0開(kāi)始還是從1開(kāi)始,因當(dāng)前編程語(yǔ)言的不同而可能不同)
舉例2:表達(dá)式 "bcd",在匹配字符串 "abcde" 時(shí),匹配結(jié)果是:成功;匹配到的內(nèi)容是:"bcd";匹配到的位置是:開(kāi)始于1,結(jié)束于4。
1.2 簡(jiǎn)單的轉(zhuǎn)義字符
一些不便書(shū)寫(xiě)的字符,采用在前面加 "\" 的方法。這些字符其實(shí)我們都已經(jīng)熟知了。
還有其他一些在后邊章節(jié)中有特殊用處的標(biāo)點(diǎn)符號(hào),在前面加 "\" 后,就代表該符號(hào)本身。比如:^, $ 都有特殊意義,如果要想匹配字符串中 "^" 和 "$" 字符,則表達(dá)式就需要寫(xiě)成 "\^" 和 "\$"。
這些轉(zhuǎn)義字符的匹配方法與 "普通字符" 是類似的。也是匹配與之相同的一個(gè)字符。
舉例1:表達(dá)式 "\$d",在匹配字符串 "abc$de" 時(shí),匹配結(jié)果是:成功;匹配到的內(nèi)容是:"$d";匹配到的位置是:開(kāi)始于3,結(jié)束于5。
1.3 能夠與 '多種字符' 匹配的表達(dá)式
正則表達(dá)式中的一些表示方法,可以匹配 '多種字符' 其中的任意一個(gè)字符。比如,表達(dá)式 "\d" 可以匹配任意一個(gè)數(shù)字。雖然可以匹配其中任意字符,但是只能是一個(gè),不是多個(gè)。這就好比玩撲克牌時(shí)候,大小王可以代替任意一張牌,但是只能代替一張牌。
舉例1:表達(dá)式 "\d\d",在匹配 "abc123" 時(shí),匹配的結(jié)果是:成功;匹配到的內(nèi)容是:"12";匹配到的位置是:開(kāi)始于3,結(jié)束于5。
舉例2:表達(dá)式 "a.\d",在匹配 "aaa100" 時(shí),匹配的結(jié)果是:成功;匹配到的內(nèi)容是:"aa1";匹配到的位置是:開(kāi)始于1,結(jié)束于4。
1.4 自定義能夠匹配 '多種字符' 的表達(dá)式
使用方括號(hào) [ ] 包含一系列字符,能夠匹配其中任意一個(gè)字符。用 [^ ] 包含一系列字符,則能夠匹配其中字符之外的任意一個(gè)字符。同樣的道理,雖然可以匹配其中任意一個(gè),但是只能是一個(gè),不是多個(gè)。
舉例1:表達(dá)式 "[bcd][bcd]" 匹配 "abc123" 時(shí),匹配的結(jié)果是:成功;匹配到的內(nèi)容是:"bc";匹配到的位置是:開(kāi)始于1,結(jié)束于3。
舉例2:表達(dá)式 "[^abc]" 匹配 "abc123" 時(shí),匹配的結(jié)果是:成功;匹配到的內(nèi)容是:"1";匹配到的位置是:開(kāi)始于3,結(jié)束于4。
1.5 修飾匹配次數(shù)的特殊符號(hào)
前面章節(jié)中講到的表達(dá)式,無(wú)論是只能匹配一種字符的表達(dá)式,還是可以匹配多種字符其中任意一個(gè)的表達(dá)式,都只能匹配一次。如果使用表達(dá)式再加上修飾匹配次數(shù)的特殊符號(hào),那么不用重復(fù)書(shū)寫(xiě)表達(dá)式就可以重復(fù)匹配。
使用方法是:"次數(shù)修飾"放在"被修飾的表達(dá)式"后邊。比如:"[bcd][bcd]" 可以寫(xiě)成 "[bcd]{2}"。
舉例1:表達(dá)式 "\d+\.?\d*" 在匹配 "It costs $12.5" 時(shí),匹配的結(jié)果是:成功;匹配到的內(nèi)容是:"12.5";匹配到的位置是:開(kāi)始于10,結(jié)束于14。
舉例2:表達(dá)式 "go{2,8}gle" 在匹配 "Ads by goooooogle" 時(shí),匹配的結(jié)果是:成功;匹配到的內(nèi)容是:"goooooogle";匹配到的位置是:開(kāi)始于7,結(jié)束于17。
1.6 其他一些代表抽象意義的特殊符號(hào)
一些符號(hào)在表達(dá)式中代表抽象的特殊意義:
進(jìn)一步的文字說(shuō)明仍然比較抽象,因此,舉例幫助大家理解。
舉例1:表達(dá)式 "^aaa" 在匹配 "xxx aaa xxx" 時(shí),匹配結(jié)果是:失敗。因?yàn)?"^" 要求與字符串開(kāi)始的地方匹配,因此,只有當(dāng) "aaa" 位于字符串的開(kāi)頭的時(shí)候,"^aaa" 才能匹配,比如:"aaa xxx xxx"。
舉例2:表達(dá)式 "aaa$" 在匹配 "xxx aaa xxx" 時(shí),匹配結(jié)果是:失敗。因?yàn)?"$" 要求與字符串結(jié)束的地方匹配,因此,只有當(dāng) "aaa" 位于字符串的結(jié)尾的時(shí)候,"aaa$" 才能匹配,比如:"xxx xxx aaa"。
舉例3:表達(dá)式 ".\b." 在匹配 "@@@abc" 時(shí),匹配結(jié)果是:成功;匹配到的內(nèi)容是:"@a";匹配到的位置是:開(kāi)始于2,結(jié)束于4。
進(jìn)一步說(shuō)明:"\b" 與 "^" 和 "$" 類似,本身不匹配任何字符,但是它要求它在匹配結(jié)果中所處位置的左右兩邊,其中一邊是 "\w" 范圍,另一邊是 非"\w" 的范圍。
舉例4:表達(dá)式 "\bend\b" 在匹配 "weekend,endfor,end" 時(shí),匹配結(jié)果是:成功;匹配到的內(nèi)容是:"end";匹配到的位置是:開(kāi)始于15,結(jié)束于18。
舉例6:表達(dá)式 "(go\s*)+" 在匹配 "Let's go go go!" 時(shí),匹配結(jié)果是:成功;匹配到內(nèi)容是:"go go go";匹配到的位置是:開(kāi)始于6,結(jié)束于14。
舉例7:表達(dá)式 "¥(\d+\.?\d*)" 在匹配 "$10.9,¥20.5" 時(shí),匹配的結(jié)果是:成功;匹配到的內(nèi)容是:"¥20.5";匹配到的位置是:開(kāi)始于6,結(jié)束于10。單獨(dú)獲取括號(hào)范圍匹配到的內(nèi)容是:"20.5"。
表達(dá)式
|
匹配結(jié)果
|
"\w+" 將匹配第一個(gè) "d" 之后的所有字符 "xxxdxxxd"
|
|
"\w+" 將匹配第一個(gè) "d" 和最后一個(gè) "d" 之間的所有字符 "xxxdxxx"。雖然 "\w+" 也能夠匹配上最后一個(gè) "d",但是為了使整個(gè)表達(dá)式匹配成功,"\w+" 可以 "讓出" 它本來(lái)能夠匹配的最后一個(gè) "d"
|
在修飾匹配次數(shù)的特殊符號(hào)后再加上一個(gè) "?" 號(hào),則可以使匹配次數(shù)不定的表達(dá)式盡可能少的匹配,使可匹配可不匹配的表達(dá)式,盡可能的 "不匹配"。這種匹配原則叫作 "非貪婪" 模式,也叫作 "勉強(qiáng)" 模式。如果少匹配就會(huì)導(dǎo)致整個(gè)表達(dá)式匹配失敗的時(shí)候,與貪婪模式類似,非貪婪模式會(huì)最小限度的再匹配一些,以使整個(gè)表達(dá)式匹配成功。舉例如下,針對(duì)文本 "dxxxdxxxd" 舉例:
表達(dá)式
|
匹配結(jié)果
|
"\w+?" 將盡可能少的匹配第一個(gè) "d" 之后的字符,結(jié)果是:"\w+?" 只匹配了一個(gè) "x"
|
|
為了讓整個(gè)表達(dá)式匹配成功,"\w+?" 不得不匹配 "xxx" 才可以讓后邊的 "d" 匹配,從而使整個(gè)表達(dá)式匹配成功。因此,結(jié)果是:"\w+?" 匹配 "xxx"
|
舉例1:表達(dá)式 "<td>(.*)</td>" 與字符串 "<td><p>aa</p></td> <td><p>bb</p></td>" 匹配時(shí),匹配的結(jié)果是:成功;匹配到的內(nèi)容是 "<td><p>aa</p></td> <td><p>bb</p></td>" 整個(gè)字符串,表達(dá)式中的 "</td>" 將與字符串中最后一個(gè) "</td>" 匹配。
舉例2:相比之下,表達(dá)式 "<td>(.*?)</td>" 匹配舉例1中同樣的字符串時(shí),將只得到 "<td><p>aa</p></td>",再次匹配下一個(gè)時(shí),可以得到第二個(gè) "<td><p>bb</p></td>"。
其實(shí),"小括號(hào)包含的表達(dá)式所匹配到的字符串" 不僅是在匹配結(jié)束后才可以使用,在匹配過(guò)程中也可以使用。表達(dá)式后邊的部分,可以引用前面 "括號(hào)內(nèi)的子匹配已經(jīng)匹配到的字符串"。引用方法是 "\" 加上一個(gè)數(shù)字。"\1" 引用第1對(duì)括號(hào)內(nèi)匹配到的字符串,"\2" 引用第2對(duì)括號(hào)內(nèi)匹配到的字符串……以此類推,如果一對(duì)括號(hào)內(nèi)包含另一對(duì)括號(hào),則外層的括號(hào)先排序號(hào)。換句話說(shuō),哪一對(duì)的左括號(hào) "(" 在前,那這一對(duì)就先排序號(hào)。
舉例1:表達(dá)式 "('|")(.*?)(\1)" 在匹配 " 'Hello', "World" " 時(shí),匹配結(jié)果是:成功;匹配到的內(nèi)容是:" 'Hello' "。再次匹配下一個(gè)時(shí),可以匹配到 " "World" "。
舉例2:表達(dá)式 "(\w)\1{4,}" 在匹配 "aa bbbb abcdefg ccccc 111121111 999999999" 時(shí),匹配結(jié)果是:成功;匹配到的內(nèi)容是 "ccccc"。再次匹配下一個(gè)時(shí),將得到 999999999。這個(gè)表達(dá)式要求 "\w" 范圍的字符至少重復(fù)5次,注意與 "\w{5,}" 之間的區(qū)別。
舉例3:表達(dá)式 "<(\w+)\s*(\w+(=('|").*?\4)?\s*)*>.*?</\1>" 在匹配 "<td id='td1' style="bgcolor:white"></td>" 時(shí),匹配結(jié)果是成功。如果 "<td>" 與 "</td>" 不配對(duì),則會(huì)匹配失;如果改成其他配對(duì),也可以匹配成功。
格式:"(?=xxxxx)",在被匹配的字符串中,它對(duì)所處的 "縫隙" 或者 "兩頭" 附加的條件是:所在縫隙的右側(cè),必須能夠匹配上 xxxxx 這部分的表達(dá)式。因?yàn)樗皇窃诖俗鳛檫@個(gè)縫隙上附加的條件,所以它并不影響后邊的表達(dá)式去真正匹配這個(gè)縫隙之后的字符。這就類似 "\b",本身不匹配任何字符。"\b" 只是將所在縫隙之前、之后的字符取來(lái)進(jìn)行了一下判斷,不會(huì)影響后邊的表達(dá)式來(lái)真正的匹配。
舉例1:表達(dá)式 "Windows (?=NT|XP)" 在匹配 "Windows 98, Windows NT, Windows 2000" 時(shí),將只匹配 "Windows NT" 中的 "Windows ",其他的 "Windows " 字樣則不被匹配。
舉例2:表達(dá)式 "(\w)((?=\1\1\1)(\1))+" 在匹配字符串 "aaa ffffff 999999999" 時(shí),將可以匹配6個(gè)"f"的前4個(gè),可以匹配9個(gè)"9"的前7個(gè)。這個(gè)表達(dá)式可以讀解成:重復(fù)4次以上的字母數(shù)字,則匹配其剩下最后2位之前的部分。當(dāng)然,這個(gè)表達(dá)式可以不這樣寫(xiě),在此的目的是作為演示之用。
舉例3:表達(dá)式 "((?!\bstop\b).)+" 在匹配 "fdjka ljfdl stop fjdsla fdj" 時(shí),將從頭一直匹配到 "stop" 之前的位置,如果字符串中沒(méi)有 "stop",則匹配整個(gè)字符串。
舉例4:表達(dá)式 "do(?!\w)" 在匹配字符串 "done, do, dog" 時(shí),只能匹配 "do"。在本條舉例中,"do" 后邊使用 "(?!\w)" 和使用 "\b" 效果是一樣的。
這兩種格式的概念和正向預(yù)搜索是類似的,反向預(yù)搜索要求的條件是:所在縫隙的 "左側(cè)",兩種格式分別要求必須能夠匹配和必須不能夠匹配指定表達(dá)式,而不是去判斷右側(cè)。與 "正向預(yù)搜索" 一樣的是:它們都是對(duì)所在縫隙的一種附加條件,本身都不匹配任何字符。
舉例5:表達(dá)式 "(?<=\d{4})\d+(?=\d{4})" 在匹配 "1234567890123456" 時(shí),將匹配除了前4個(gè)數(shù)字和后4個(gè)數(shù)字之外的中間8個(gè)數(shù)字。由于 JScript.RegExp 不支持反向預(yù)搜索,因此,本條舉例不能夠進(jìn)行演示。很多其他的引擎可以支持反向預(yù)搜索,比如:Java 1.4 以上的 java.util.regex 包,.NET 中System.Text.RegularExpressions 命名空間,以及本站推薦的最簡(jiǎn)單易用的 DEELX 正則引擎。
形式
|
字符范圍
|
\xXX
|
|
\uXXXX
|
表達(dá)式
|
可匹配
|
\S
|
|
\D
|
|
\W
|
|
\B
|
字符
|
說(shuō)明
|
^
|
匹配輸入字符串的開(kāi)始位置。要匹配 "^" 字符本身,請(qǐng)使用 "\^"
|
$
|
匹配輸入字符串的結(jié)尾位置。要匹配 "$" 字符本身,請(qǐng)使用 "\$"
|
( )
|
標(biāo)記一個(gè)子表達(dá)式的開(kāi)始和結(jié)束位置。要匹配小括號(hào),請(qǐng)使用 "\(" 和 "\)"
|
[ ]
|
用來(lái)自定義能夠匹配 '多種字符' 的表達(dá)式。要匹配中括號(hào),請(qǐng)使用 "\[" 和 "\]"
|
{ }
|
修飾匹配次數(shù)的符號(hào)。要匹配大括號(hào),請(qǐng)使用 "\{" 和 "\}"
|
.
|
匹配除了換行符(\n)以外的任意一個(gè)字符。要匹配小數(shù)點(diǎn)本身,請(qǐng)使用 "\."
|
?
|
修飾匹配次數(shù)為 0 次或 1 次。要匹配 "?" 字符本身,請(qǐng)使用 "\?"
|
+
|
修飾匹配次數(shù)為至少 1 次。要匹配 "+" 字符本身,請(qǐng)使用 "\+"
|
*
|
修飾匹配次數(shù)為 0 次或任意次。要匹配 "*" 字符本身,請(qǐng)使用 "\*"
|
|
|
左右兩邊表達(dá)式之間 "或" 關(guān)系。匹配 "|" 本身,請(qǐng)使用 "\|"
|
表達(dá)式屬性
|
說(shuō)明
|
Ignorecase
|
默認(rèn)情況下,表達(dá)式中的字母是要區(qū)分大小寫(xiě)的。配置為 Ignorecase 可使匹配時(shí)不區(qū)分大小寫(xiě)。有的表達(dá)式引擎,把 "大小寫(xiě)" 概念延伸至 UNICODE 范圍的大小寫(xiě)。
|
Singleline
|
默認(rèn)情況下,小數(shù)點(diǎn) "." 匹配除了換行符(\n)以外的字符。配置為 Singleline 可使小數(shù)點(diǎn)可匹配包括換行符在內(nèi)的所有字符。
|
Multiline
|
默認(rèn)情況下,表達(dá)式 "^" 和 "$" 只匹配字符串的開(kāi)始①和結(jié)尾④位置。如:
①xxxxxxxxx②\n ③xxxxxxxxx④ 配置為 Multiline 可以使 "^" 匹配①外,還可以匹配換行符之后,下一行開(kāi)始前③的位置,使 "$" 匹配④外,還可以匹配換行符之前,一行結(jié)束②的位置。 |
Global
|
主要在將表達(dá)式用來(lái)替換時(shí)起作用,配置為 Global 表示替換所有的匹配。
|
