深入了解正则表达式

正则表达式是是计算机科学的一个概念,使用单个字符串来描述,用来检索、替换符合某个模式的文本。许多程序设计语言都支持利用正则表达式进行字符串的操作,比传统的搜索更加快速和灵活。下面进入正则表达式的介绍,及部分简单的示例。

一、语法

正则表达式包含了普通字符(A-Za-z0-9)、特殊字符(元字符)列表及它们在正则表达式中的行为。其中,如果要匹配特殊字符,需要用\转义,即:匹配+,用\+

1.特殊字符之单字符

单字符 功能 示例
* 零次或多次匹配前面的字符或子表达式。
等效于 {0,}。
zo* 与“z”和“zoo”匹配。
+ 一次或多次匹配前面的字符或子表达式。
等效于 {1,}。
zo+ 与“zo”和“zoo”匹配,但与“z”不匹配。
? 零次或一次匹配前面的字符或子表达式。
等效于 {0,1}。
当 ? 紧随任何其他限定符(* 、+、?、{n}、{n,} 或 {n,m})之后时,匹配模式是非贪婪的。
非贪婪模式匹配搜索到的、尽可能少的字符串,而默认的贪婪模式匹配搜索到的、尽可能多的字符串。
zo? 与“z”和“zo”匹配,但与“zoo”不匹配。
o+? 只与“oooo”中的单个“o”匹配,而 o+ 与所有“o”匹配。
do(es)? 与“do”或“does”中的“do”匹配。
^ 匹配搜索字符串开始的位置。 如果标志中包括 m(多行搜索)字符,^ 还将匹配 \n 或 \r 后面的位置。
如果将 ^ 用作括号表达式中的第一个字符,则会对字符集求反。
^\d{3} 与搜索字符串开始处的 3 个数字匹配。
[^abc] 与除 a、b 和 c 以外的任何字符匹配。
$ 匹配搜索字符串结尾的位置。 如果标志中包括 m(多行搜索)字符,^ 还将匹配 \n 或 \r 前面的位置。 \d{3}$ 与搜索字符串结尾处的 3 个数字匹配。
. 匹配除换行符 \n 之外的任何单个字符。 若要匹配包括 \n 在内的任意字符,请使用诸如 [\s\S] 之类的模式。 a.c 与“abc”、“a1c”和“a-c”匹配。
[] 标记括号表达式的开始和结尾。 [1-4] 与“1”、“2”、“3”或“4”匹配。 [^aAeEiIoOuU] 与任何非元音字符匹配。
{} 标记限定符表达式的开始和结尾。 a{2,3} 与“aa”和“aaa”匹配。
() 标记子表达式的开始和结尾。 可以保存子表达式以备将来之用。 A(\d) 与“A0”至“A9”匹配。 保存该数字以备将来之用。
/ 表示 JScript 中的文本正则表达式模式的开始或结尾。 在第二个“/”后添加单字符标志可以指定搜索行为。 /abc/gi 是与“abc”匹配的 JScript 文本正则表达式。 g(全局)标志指定查找模式的所有匹配项,i(忽略大小写)标志使搜索不区分大小写。
\ 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。 \n 与换行符匹配。 ( 与“(”匹配。 \ 与“\”匹配。
指示在两个或多个项之间进行选择。|z | food 与“z”或“food”匹配。 (z | f)ood 与“zood”或“food”匹配。

2.特殊字符之多字符

多字符 功能 示例
\b 与一个字边界匹配;即字与非字之间的位置。 er\b 与“never”中的“er”匹配,但与“verb”中的“er”不匹配。
\B 非边界字匹配,即非字与字之间的位置。 er\B 与“verb”中的“er”匹配,但与“never”中的“er”不匹配。
\d 数字字符匹配。
等效于 [0-9]。
在搜索字符串“12345”中,\d{2} 与“12”和“34”匹配。
\d 与“1”、“2”、“3”、“4”和“5”匹配。
\D 非数字字符匹配。
等效于 [^0-9]。
\D+ 与“abc123 def”中的“abc”和“def”匹配。
\a 英文字母,等效于[a-zA-Z]。 \a{3} 与 “abc123” 中的“abc”匹配
\w 与以下任意字符匹配:A-Z、a-z、0-9 和下划线。
等效于 [A-Za-z0-9_]。
在搜索字符串“The quick brown fox…”中,\w+ 与“The”、“quick”、“brown”和“fox”匹配。
\W 与除 A-Z、a-z、0-9 和下划线以外的任意字符匹配。
等效于 [^A-Za-z0-9_]。
在搜索字符串“The quick brown fox…”中,\W+ 与“…”和所有空格匹配。
[xyz] 字符集。 与任何一个指定字符匹配。 [abc] 与“plain”中的“a”匹配。
[^xyz] 反向字符集。 与未指定的任何字符匹配。 [^abc] 与“plain”中的“p”、“l”、“i”和“n”匹配。
[a-z] 字符范围。 匹配指定范围内的任何字符。 [a-z] 与“a”到“z”范围内的任何小写字母字符匹配。
[^a-z] 反向字符范围。 与不在指定范围内的任何字符匹配。 [^a-z] 与不在范围“a”到“z”内的任何字符匹配。
{n} 正好匹配 n 次。 n 是非负整数。 o{2} 与“Bob”中的“o”不匹配,但与“food”中的两个“o”匹配。
{n,} 至少匹配 n 次。 n 是非负整数。
* 与 {0,} 相等。
+ 与 {1,} 相等。
o{2,} 与“Bob”中的“o”不匹配,但与“foooood”中的所有“o”匹配。
{n,m} 匹配至少 n 次,至多 m 次。 n 和 m 是非负整数,其中 n <= m。 逗号和数字之间不能有空格。 在搜索字符串“1234567”中,\d{1,3} 与“123”、“456”和“7”匹配。
(模式) 与模式 匹配并保存匹配项。 您可以从由 JScript 中的 exec Method返回的数组元素中检索保存的匹配项。 若要匹配括号字符 ( ),请使用“(”或者“)”。 (Chapter|Section) [1-9] 与“Chapter 5”匹配,保存“Chapter”以备将来之用。
(?:模式) 与模式 匹配,但不保存匹配项;即不会存储匹配项以备将来之用。 这对于用“or”字符 (|) 组合模式部件的情况很有用。 industr(?:y|ies) 与 industry | industries 相等。
(?=模式) 正预测先行。 找到一个匹配项后,将在匹配文本之前开始搜索下一个匹配项。 不会保存匹配项以备将来之用。 ^(?=.\d).{4,8}$ 对密码应用以下限制:其长度必须介于 4 到 8 个字符之间,并且必须至少包含一个数字。
在该模式中, .
\d 查找后跟有数字的任意多个字符。 对于搜索字符串“abc3qr”,这与“abc3”匹配。
从该匹配项之前(而不是之后)开始,.{4,8} 与包含 4-8 个字符的字符串匹配。 这与“abc3qr”匹配。
^ 和 $ 指定搜索字符串的开始和结束位置。 这将在搜索字符串包含匹配字符之外的任何字符时阻止匹配。
(?!模式) 负预测先行。 匹配与模式 不匹配的搜索字符串。 找到一个匹配项后,将在匹配文本之前开始搜索下一个匹配项。 不会保存匹配项以备将来之用。 \b(?!th)\w+\b 与不以“th”开头的单词匹配。
在该模式中,\b 与一个字边界匹配。 对于搜索字符串“ quick ”,这与第一个空格匹配。 (?!th) 与非“th”字符串匹配。 这与“qu”匹配。
从该匹配项开始,\w+ 与一个字匹配。 这与“quick”匹配。
\cx 匹配 x 指示的控制字符。 x 的值必须在 A-Z 或 a-z 范围内。 如果不是这样,则假定 c 就是文本“c”字符本身。 \cM 与 Ctrl+M 或一个回车符匹配。
\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。 允许在正则表达式中使用 ASCII 代码。 \x41 与“A”匹配。 \x041 等效于后跟有“1”的“\x04”(因为 n 必须正好是两位数)。
\num 匹配 num,此处的 num 是一个正整数。 这是对已保存的匹配项的引用。 (.)\1 与两个连续的相同字符匹配。
\n 标识一个八进制转义码或反向引用。 如果 \n 前面至少有 n 个捕获子表达式,那么 n 是反向引用。 否则,如果 n 是八进制数 (0-7),那么 n 是八进制转义码。 (\d)\1 与两个连续的相同数字匹配。
\nm 标识一个八进制转义码或反向引用。 如果 \nm 前面至少有 nm 个捕获子表达式,那么 nm 是反向引用。 如果 \nm 前面至少有 n 个捕获子表达式,则 n 是反向引用,后面跟有文本 m。
如果上述情况都不存在,当 n 和 m 是八进制数字 (0-7) 时,\nm 匹配八进制转义码 nm。
\11 与制表符匹配。
\nml 当 n 是八进制数字 (0-3),m 和 l 是八进制数字 (0-7) 时,匹配八进制转义码 nml。 \011 与制表符匹配。
\un 匹配 n,其中 n 是以四位十六进制数表示的 Unicode 字符。 \u00A9 与版权符号 (©) 匹配。

3.非打印字符

非打印字符 匹配 等效于
\f 换页符。 \x0c 和 \cL
\n 换行符。 \x0a 和 \cJ
\r 回车符。 \x0d 和 \cM
\s 任何空白字符。 其中包括空格、制表符和换页符。 [ \f\n\r\t\v]
\S 任何非空白字符。 [^ \f\n\r\t\v]
\v 垂直制表符。 \x0b 和 \cK

4.优先级顺序

正则表达式的计算方式是按照从左到右,并遵循优先级的顺序。其中,字符的优先级高于运算符,例如:”m|food”匹配”m”或”food”。

运算符 说明
\ 转义符
(), (?:), (?=), [] 括号和中括号
*、+、?、{n}、{n,}、{n,m} 限定符
^、$、\任何元字符 定位点和序列
| 替换

二、应用

1.构造正则表达式

正则表达式可以设置搜索的标志,具体设置如下:

JScript 标志 如果标志存在
g 查找搜索字符串中该模式的所有匹配项,而不仅仅是第一个匹配项。
i 搜索不区分大小写。
m ^ 匹配 \n 或 \r 之后的位置,而$ 匹配 \n 或 \r 之前的位置。
无论标志是否存在,^ 均匹配搜索字符串开头的位置,而 $ 均匹配搜索字符串结尾的位置。

2.实例

  • 单词匹配

输出:

  • url匹配

输出:

  • 取反匹配

输出:

  • 替换

输出:

  • 字边界和非字边界

输出:

  • 模式匹配 ?: 不保存匹配项

输出:

  • 正预测先行,?=, {}内不准有空格

输出:

  • 负预测先行 \w 等效于 [A-Za-z0-9],所有要加 + 来匹配字

输出:


至此,正则表达式的内容介绍完毕,虽然平时用的机会不是太多,但是还是有必要熟悉一下,你会发现正则表达式还是挺有意思的。

参考资料

https://msdn.microsoft.com/zh-cn/library/43k3181w(v=vs.100).aspx

http://www.williamlong.info/archives/433.html

感觉不错,打个赏?
微信                                 支付宝
pay_weixin            pay_zhifubao
金额随意 快来“”我呀~
联系方式:kelvin@fishbay.cn

发表评论

电子邮件地址不会被公开。 必填项已用*标注