精通正则表达式

原文http://blog.csdn.net/wlzhengzebiaodashi/article/details/2213225

在正则表达式中，元字符（Metacharacter）是一类非常特殊的字符，它能够匹配一个位置或字符集合中的一个字符，如.、/w等。根据功能，元字符可以分为两种类型：匹配位置的元字符和匹配字符的元字符。

匹配位置的元字符包括3个字符：^、$和/b。其中，^（脱字符号，通常在文章中插入字时使用）和$（美元符号）都匹配一个位置，它们分别匹配行的开始和结尾。以下正则表达式匹配以“String”开头的行，即被匹配的行的第一个字符串为“String”。

^String

（1）

　以下正则表达式匹配以“String”结尾的行，即被匹配的行的最后一个字符串为“String”。

String$

（2）

以下正则表达式匹配以“String”开始和结尾的行，即被匹配的行的第一个字符串和最后一个字符串都为“String”。实际上，该行只包含字符串“String”。

^String$

（3）

　　以下正则表达式匹配一个空行，该行中不包含任何字符串。

^$

（4）

　　以下正则表达式匹配任意行。该表达式只匹配行中的开始位置，因为任意行都包括其开始位置，所以该表达式将匹配任意行。

^

（5）

　　元字符/b和^、$具有相似性，它也是匹配一个位置。/b可以匹配单词的开始或结尾，即单词的分界处。通常情况下，英文单词往往由空格符号或标点符号或换行符号来分隔，但是元字符/b不匹配空格符号、标点符号和换行符号中的任何一个，它仅仅匹配一个位置。以下正则表达式匹配以“Str”开头的字符串，如“String”、“String Format”等。

/bStr

（6）

　　正则表达式/bStr匹配的字符串必须“Str”开头，且“Str”之前是单词的分界处。正则表达式/bStr不能描述或限定“Str”之后的字符串的形式。以下正则表达式匹配以“ing”结尾的字符串，如“String”、“This is a String”等。

ing/b

（7）

　　正则表达式ing/b匹配的字符串必须“ing”结尾，且“ing”之后是单词的分界处。以下正则表达式匹配一个完整的单词“String”。

/bString/b

（8）

注意：在某些特定环境或语言下，还可以分别采用/<和/>来匹配单词的开始和结束位置。它们在效果上和元字符/b等效，即都匹配单词的边界这两个位置（开始位置和结束位置）。

匹配字符的元字符包括7个字符：.（点号）、/w、/W、/s、/S、/d和/D。其中，.（点号）匹配除换行符号之外的任意字符；/w匹配单词字符（包括字母、数字、下划线和汉字）；/W匹配任意的非单词字符；/s匹配任意的空白字符，如空格、制表符、换行符、中文全角空格等；/S匹配任意的非空白字符；/d匹配任意的数字；/D匹配任意的非数字字符。以下正则表达式匹配一个非空行，该行中可以包含除换行符号之外的任意字符。

^.$

（9）

　　以下正则表达式匹配一个非空行，且该行中只能包含字母、数字、下划线和汉字中的任意字符。

^/w$

（10）

　　以下正则表达式匹配以字母“a”开头的长度等于8的任意单词。

/ba/w/w/w/w/w/w/w/b

（11）

　　正则表达式/ba/w/w/w/w/w/w/w/b匹配单词“anterior”的方式如图所示。

　　以下正则表达式匹配以字母“a”开头的、后跟随形如“3个字符”＋“3个字符”＋“1个非数字字符”的、长度等于8的任意单词。

/ba/w/w/w/d/d/d/D/b

（12）

　　正则表达式/ba/w/w/w/d/d/d/D/b匹配单词“ante123_”的方式如图2.2所示。

在正则表达式中，元字符通常一次只能匹配一个位置或字符集合中的一个字符。通常情况下，如果要匹配数字、字母、空白等字符时，可以直接使用与这些集合相对应的元字符。然而，如果要匹配的字符集合（如集合[0,1,2,3,4,5]）没有与之相对应的元字符时，则需要自定义匹配的字符集合。此时，可以使用字符类解决这个一个问题。字符类是一个字符集合，如果该字符集合中的任何一个字符被匹配，则它就会找到该匹配项。

　　字符类是正则表达式中的“迷你”语言，可以在方括号“[]”中定义。最简单的字符类是方括号“[]”和一个字母表表构成，如元音字符类[aeiou]。以下正则表达式匹配数字0、1、2、3、4、5、6中的任何一个。

[0123456]

（20）

　　以下正则表达式可以匹配任何数字（即0、1、2、3、4、5、6、7、8、9）。

[0123456789]

（21）

　　以下正则表达式匹配HTML标记中的“<H1>”、“<H2>”、“<H3>”、“<H4>”、“<H5>”或“<H6>”。

<H[123456]>

（22）

　　以下正则表达式匹配字符串“Jack”或者“jack”。

[Jj]ack

（23）

　　然而，正则表达式[0123456789]的书写非常不方便。因此，正则表达式引入了连接符“-”定义字符的范围。以下正则表达式等价于正则表达式[0123456789]。

[0-9]

（24）

　　以下正则表达式可以匹配任何小写字母。

[a-z]

（25）

　　以下正则表达式可以匹配任何大写字母。

[A-Z]

（26）

注意：当且仅当在字符类中的连接符“-”不是第一个字符时，它才具有特殊的含义：它可以指定字符类的最大边界和最小边界之间的任何字符。它的具体含义由具体的字符类决定。因此，字符类的最大边界和最小边界，以及字符在ASCII或Unicode表中出现的顺序共同确定了连接符“-”指定的字符的范围。

如果要在字符类中包括连接符“-”，则必须将它作为第一个字符。如正则表达式[-a]匹配字符“-”或者“a”。

　　在字符类中，若字符“^”是字符类的第一个字符，则表示否定该字符类，即匹配除了该字符类之外的任意字符。以下正则表达式可以匹配任何非元音字符。

[^aAeEiIoOuU]

（27）

　　以下正则表达式可以匹配除连接符“-”之外的任何字符。

[^-]

（28）

　　以下正则表达式匹配字符a之后不是字符串b的字符串。

a[^b]

（29）

　　使用工具Regex Tester测试正则表达式（29），结果如图所示。

注意：正则表达式中的元字符在字符类中不做任何特殊处理，它仅仅表示一个自身的字符。如正则表达式[-.]只能匹配字符“-”和“.”，它不能匹配除字符“-”和“.”之外的字符。因此，在字符类中使用元字符时，不需要使用转义操作。

　　在正则表达式中，常用的字符类如表2-2所示。

表2-2 常用的字符类

注意：在表2-2中，表达式/p{name}和/P{name}为.NET Framework所支持。

正则表达式的元字符一次一般只能匹配一个位置或一个字符，如果要匹配零个或一个或多个字符时，则需要使用限定符。限定符用于指定允许特定字符或字符集自身重复出现的次数。如{n}表示重复n次、{n,}表示重复至少n次、{n,m}表示重复至少n次，最多m次。常用限定符的说明如表2-5所示。

表2-5 常用限定符

　　以下正则表达式可以匹配字符串“color”或者“colour”。表达式u?表示字母“u”可以出现1次或者不出现。

colou?r

（36）

　　以下正则表达式可以匹配字符串“four”或者“for”。表达式u?表示字母“u”可以出现1次或者不出现。

fou?r

（37）

　　以下正则表达式匹配以字符串“name”开头的、以数字字符串结尾的字符串。其中，表达式/d+可以匹配长度至少为1的数字字符串。

/bname/d+/b

（38）

　　以下正则表达式匹配被尖括号括起来的、以字符串“asp:TextBox ”（最后一个字符是空格）开头的字符串。正则表达式<asp:TextBox [^>]+>中的字符类[^>]匹配除了尖括号“>”之外的任何字符。

<asp:TextBox [^>]+>

（39）

　　以下正则表达式匹配以字母a开头的单词。/w匹配一个单词字符，/w*表示该单词字符可以重复零次或多次。

/ba/w*/b

（40）

正则表达式/ba/w*/b匹配单词“anterior”的过程如图2.10所示，匹配的具体步骤如下：

（1）匹配单词的开始位置；

（2）在步骤①时匹配字符a；

（3）匹配字符a之后，该表达式可以直接通过步骤②匹配到单词的结束位置，并完成整个匹配过程，从而匹配单词“a”；

（4）该表达式在匹配字符a之后，可以通过步骤③来匹配任何单词字符；

（5）重复步骤④一次或多次，即匹配一个或多个任何单词字符；

（6）匹配到单词的结束位置，并完成整个匹配过程，从而匹配到以字符a开头的长度大于1的单词。

　　限定符除了使用*、+、?之外，还可以使用数字直接指定重复的次数。{n}表示重复n次；{n,}表示至少重复n次，而最多重复的次数不限制；{n,m}（其中，n<=m）表示至少重复n次、最多重复m次。以下正则表达式匹配3位的整数，该正则表达式和正则表达式/d/d/d等价。

/d{3}

（41）

　　以下正则表达式匹配3位以上（包括3位）的整数，该正则表达式和正则表达式/d/d/d/d*或/d/d/d+等价。

/d{3,}

（42）

　　以下正则表达式匹配3位或4位的整数，该正则表达式和正则表达式/d/d/d/d?等价。

/d{3,4}

（43）

　　以下正则表达式匹配当前国内的手机号码：即以字符串“13”开头的、后接连续9个数字的字符串。

13/d{9}

（44）

　　以下正则表达式匹配当前国内部分地区的固定电话号码。其中，号码的前3位为区号，后8位为本地号码，区号和本地号码使用连接符号“-”进行连接。

0/d{2}-/d{8}

（45）

　　以下正则表达式匹配当前国内部分地区的固定电话号码。其中，号码的前4位为区号，后7位为本地号码，区号和本地号码使用连接符号“-”进行连接。

0/d{3}-/d{7}

如果在限定符*、+、?、{n}、{n,}和{n,m}之后再添加一个字符“?”，则表示尽可能少的重复字符“?”之前的限定符号的重复次数，这种方式匹配被称为懒惰匹配。与之相对应的是贪婪匹配，即仅仅使用单个限定符*、+、?、{n}、{n,m}的匹配。常用的懒惰限定符如表2-6所示。

表2-6 常用懒惰限定符

　　以下正则表达式匹配以字母a开头的、以字母b结束的、最长的字符串。此时，这是一种贪婪匹配。

a.*b

（48）

　　以下正则表达式匹配以字母a开头的、以字母b结束的、最短的字符串。此时，这是一种懒惰匹配。

a.*?b

（49）

　　如果将正则表达式a.*b应用于字符串“aabab”，则匹配字符串“aabab”。如果将正则表达式a.*?b应用于字符串“aabab”，则匹配字符串“aab”和字符串“ab”，而不会匹配字符串“aabab”。

使用工具Regex Tester分别测试正则表达式（48）和（49），结果分别如图2.12和2.13所示。

以下正则表达式匹配以字母a开头的、以字母b结束的、长度为2或者3的字符串。此时，这是一种贪婪匹配。

a.?b

（52）

　　以下正则表达式匹配以字母a开头的、以字母b结束的、长度为3的字符串。此时，这是一种懒惰匹配。

a.??b

（53）

　　正则表达式a.??b在匹配过程中，字母a和字母b之间的字符要么出现，要么最多出现1次。使用工具Regex Tester分别测试正则表达式（52）和（53），结果分别如图(52)和(53)所示。

　　以下正则表达式匹配以字母a开头的、以字母b结束的、长度至少为3的字符串。此时，这是一种贪婪匹配。

a.{1,}b

（54）

　　以下正则表达式匹配以字母a开头的、以字母b结束的、长度至少为3的字符串。此时，这是一种懒惰匹配。

a.{1,}?b

（55）

　　正则表达式a.{1,}?b在匹配过程中，字母a和字母b之间的字符串实际上只重复了1次。如果将正则表达式a.{1,}b应用于字符串“avbab”，则匹配字符串“avbab”。如果将正则表达式a.{1,}?b应用于字符串“avbab”，则匹配字符串“avb”，而不会匹配字符串“avbab”。使用工具Regex Tester分别测试正则表达式（54）和（55），结果分别如图2.18和2.19所示。

正则表达式0/d{2}-/d{8}和0/d{3}-/d{7}分别匹配区号为3位和4位的固定电话号码，如果需要同时匹配区号为3位和4位的固定电话号码时，使用替换可以满足这一个需求。最简单的替换使用字符“|”表示，它表示如果某一个字符串匹配了正则表达式中的字符“|”的左边或者右边的规则，那么该字符串也匹配了该正则表达式。

　　以下正则表达式匹配了当前国内部分地区的两种固定电话号码：一种是号码的前4位为区号，后7位为本地号码；另一种是号码的前3位为区号，后8位为本地号码。其中，区号和本地号码都使用连接符号“-”进行连接。

0/d{2}-/d{8}|0/d{3}-/d{7}

（56）

　　以下正则表达式匹配了当前国内部分地区的3种固定电话号码：一种是号码的前4位为区号，后7位为本地号码；另一种是号码的前3位为区号，后8位为本地号码；最后一种是号码的前4位为区号，后8位为本地号码。其中，区号和本地号码都使用连接符号“-”进行连接。

0/d{2}-/d{8}|0/d{3}-/d{7}|0/d{3}-/d{8}

（57）

　　以下正则表达式匹配当前国内部分地区的区号为4位的固定电话号码。其中，区号和本地号码可以使用连接符号“-”进行连接，也可以不使用连接“-”符号。

0/d{3}-/d{7}|0/d{3}[-]?/d{7}

（58）

　　使用工具Regex Tester测试正则表达式（58），测试结果如图所示。其中，电话号码0731-1234567和07311234567都均被匹配。

　正则表达式[Jj]ack可以匹配字符串“Jack”或者“jack”。该正则表达式还可以使用替换来实现同样的匹配效果。如下正则表达式等效于正则表达式[Jj]ack。

Jack|jack

（59）

　　如下正则表达式等效于正则表达式Jack|jack。因此，正则表达式[Jj]ack、Jack|jack和Jack|jack能够匹配的所有字符串是相同。

(J|j)ack

（60）

　　使用工具Regex Tester分别测试正则表达式[Jj]ack和（60），结果分别如图2.21和2.22所示。从图中可以看到，两个正则表达式匹配的结果是相同的。

　　　　　　　　　正则表达式的常用替换说明如表2-7所示。

表2-7 常用替换

注意：字符|在匹配表达式时，它首先匹配|字符的左侧部分。当左侧部分不匹配时，它才尝试匹配|字符的右侧部分。

给定以下两个正则表达式

/d{5}-/d{3}|/d{5}

（61）

/d{5}|/d{5}-/d{3}

（62）

根据字符|的匹配原则（优先匹配左侧表达式），正则表达式/d{5}|/d{5}-/d{3}只会匹配5位的数字字符串，而不会匹配用连接符合连接的8位数字字符串。然而，正则表达式/d{5}-/d{3}|/d{5}能够匹配用连接符合连接的8位数字字符串或者5位的数字字符串。因为，该表达式首先尝试匹配用连接符合连接的8位数字字符串，只有当未匹配时，才匹配5位的数字字符串。

使用工具Regex Tester分别测试了正则表达式（61）和（62），测试结果分别如图2.23和2.24所示。正则表达式/d{5}|/d{5}-/d{3}只匹配了字符串“12345”。而正则表达式/d{5}-/d{3}|/d{5}可以匹配字符串“12345-678”和字符串“12345”。

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!