正则表达式详解

原文地址点击打开链接

正则表达式（regular expression）就是用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如 表达式“ab+”描述的特征是“一个'a'和 任意个'b' ”，那么'ab','abb','abbbbbbbbbb'都符合这个特征。

正则表达式可以用来：（1）验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。（2）用来查找字符串，从一个长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灵活方便。（3）用来替换，比普通的替换更强大。

正则表达式学习起来其实是很简单的，不多的几个较为抽象的概念也很容易理解。之所以很多人感觉正则表达式比较复杂，一方面是因为大多数的文档没有做到由浅 入深地讲解，概念上没有注意先后顺序，给读者的理解带来困难；另一方面，各种引擎自带的文档一般都要介绍它特有的功能，然而这部分特有的功能并不是我们首 先要理解的。

文章中的每一个举例，都可以点击进入到测试页面进行测试。闲话少说，开始。

1.正则表达式规则

1.1普通字符

字母、数字、汉字、下划线、以及后边章节中没有特殊定义的标点符号，都是"普通字符"。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。

举例1：表达式 "c"，在匹配字符串 "abcde"时，匹配结果是：成功；匹配到的内容是："c"；匹配到的位置是：开始于2，结束于3。（注：下标从0开始还是从1开始，因当前编程语言的不同而可能不同）

举例2：表达式 "bcd"，在匹配字符串 "abcde"时，匹配结果是：成功；匹配到的内容是："bcd"；匹配到的位置是：开始于1，结束于4。

1.2简单的转义字符

一些不便书写的字符，采用在前面加"/"的方法。这些字符其实我们都已经熟知了。

还有其他一些在后边章节中有特殊用处的标点符号，在前面加"/"后，就代表该符号本身。比如：^,$都有特殊意义，如果要想匹配字符串中"^"和"$"字符，则表达式就需要写成"/^"和"/$"。

这些转义字符的匹配方法与"普通字符"是类似的。也是匹配与之相同的一个字符。

举例1：表达式 "/$d"，在匹配字符串 "abc$de"时，匹配结果是：成功；匹配到的内容是："$d"；匹配到的位置是：开始于3，结束于5。

1.3能够与'多种字符'匹配的表达式

正则表达式中的一些表示方法，可以匹配'多种字符'其中的任意一个字符。比如，表达式"/d"可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。这就好比玩扑克牌时候，大小王可以代替任意一张牌，但是只能代替一张牌。

举例1：表达式 "/d/d"，在匹配 "abc123"时，匹配的结果是：成功；匹配到的内容是："12"；匹配到的位置是：开始于3，结束于5。

举例2：表达式 "a./d"，在匹配 "aaa100"时，匹配的结果是：成功；匹配到的内容是："aa1"；匹配到的位置是：开始于1，结束于4。

1.4自定义能够匹配'多种字符'的表达式

使用方括号[ ]包含一系列字符，能够匹配其中任意一个字符。用[^ ]包含一系列字符，则能够匹配其中字符之外的任意一个字符。同样的道理，虽然可以匹配其中任意一个，但是只能是一个，不是多个。

[bcd][bcd]"匹配 "abc123"时，匹配的结果是：成功；匹配到的内容是："bc"；匹配到的位置是：开始于1，结束于3。

举例2：表达式 "[^abc]"匹配 "abc123"时，匹配的结果是：成功；匹配到的内容是："1"；匹配到的位置是：开始于3，结束于4。

1.5修饰匹配次数的特殊符号

前面章节中讲到的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。如果使用表达式再加上修饰匹配次数的特殊符号，那么不用重复书写表达式就可以重复匹配。

使用方法是："次数修饰"放在"被修饰的表达式"后边。比如："[bcd][bcd]"可以写成"[bcd]{2}"。

/d+/.?*"在匹配 "It costs $12.5"时，匹配的结果是：成功；匹配到的内容是："12.5"；匹配到的位置是：开始于10，结束于14。

举例2：表达式 "go{2,8}gle"在匹配 "Ads by goooooogle"时，匹配的结果是：成功；匹配到的内容是："goooooogle"；匹配到的位置是：开始于7，结束于17。

1.6其他一些代表抽象意义的特殊符号

一些符号在表达式中代表抽象的特殊意义：

进一步的文字说明仍然比较抽象，因此，举例帮助大家理解。

举例1：表达式 "^aaa"在匹配 "xxx aaa xxx"时，匹配结果是：失败。因为"^"要求与字符串开始的地方匹配，因此，只有当"aaa"位于字符串的开头的时候，"^aaa"才能匹配，比如："aaa xxx xxx"。

举例2：表达式 "aaa$"在匹配 "xxx aaa xxx"时，匹配结果是：失败。因为"$"要求与字符串结束的地方匹配，因此，只有当"aaa"位于字符串的结尾的时候，"aaa$"才能匹配，比如："xxx xxx aaa"。


举例3：表达式 "/bend/b"在匹配 "weekend,end"时，匹配结果是：成功；匹配到的内容是："end"；匹配到的位置是：开始于15，结束于18。

一些符号可以影响表达式内部的子表达式之间的关系：

举例5：表达式 "Tom|Jack"在匹配字符串 "I'm Tom,he is Jack"时，匹配结果是：成功；匹配到的内容是："Tom"；匹配到的位置是：开始于4，结束于7。匹配下一个时，匹配结果是：成功；匹配到的内容是："Jack"；匹配到的位置时：开始于15，结束于19。

举例6：表达式 "(go/s*)+"在匹配 "Let's go go go!"时，匹配结果是：成功；匹配到内容是："go go go"；匹配到的位置是：开始于6，结束于14。

举例7：表达式 "￥()"在匹配 "＄10.9,￥20.5"时，匹配的结果是：成功；匹配到的内容是："￥20.5"；匹配到的位置是：开始于6，结束于10。单独获取括号范围匹配到的内容是："20.5"。

2.正则表达式中的一些高级规则

2.1匹配次数中的贪婪与非贪婪

在使用修饰匹配次数的特殊符号时，有几种表示方法可以使同一个表达式能够匹配不同的次数，比如："{m,n}","{m,}","?","*","+"，具体匹配的次数随被匹配的字符串而定。这种重复匹配不定次数的表达式在匹配过程中，总是尽可能多的匹配。比如，针对文本"dxxxdxxxd"，举例如下：

由此可见，"/w+"在匹配的时候，总是尽可能多的匹配符合它规则的字符。虽然第二个举例中，它没有匹配最后一个"d"，但那也是为了让整个表达式能够匹配成功。同理，带"*"和"{m,n}"的表达式都是尽可能地多匹配，带"?"的表达式在可匹配可不匹配的时候，也是尽可能的"要匹配"。这 种匹配原则就叫作"贪婪"模式 。

非贪婪模式：

在修饰匹配次数的特殊符号后再加上一个"?"号，则可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的"不匹配"。这种匹配原则叫作"非贪婪"模式，也叫作"勉强"模式。如果少匹配就会导致整个表达式匹配失败的时候，与贪婪模式类似，非贪婪模式会最小限度的再匹配一些，以使整个表达式匹配成功。举例如下，针对文本"dxxxdxxxd"举例：

更多的情况，举例如下：

举例1：表达式 "<td>.)</td>"与字符串 "<td><p>aa</p></td> <td><p>bb</p></td>"匹配时，匹配的结果是：成功；匹配到的内容是"<td><p>aa</p></td> <td><p>bb</p></td>"整个字符串， 表达式中的"</td>"将与字符串中最后一个"</td>"匹配。

举例2：相比之下，表达式 "<td>*?)</td>"匹配举例1中同样的字符串时，将只得到"<td><p>aa</p></td>"， 再次匹配下一个时，可以得到第二个"<td><p>bb</p></td>"。

2.2反向引用/1,/2...

表达式在匹配时，表达式引擎会将小括号"( )"包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候，小括号包含的表达式所匹配到的字符串可以单独获取。这一点，在前面的举例中，已经多次展示 了。在实际应用场合中，当用某种边界来查找，而所要获取的内容又不包含边界时，必须使用小括号来指定所要的范围。比如前面的"<td>)</td>"。

其实，"小括号包含的表达式所匹配到的字符串"不仅是在匹配结束后才可以使用，在匹配过程中也可以使用。表达式后边的部分，可以引用前面"括号内的子匹配已经匹配到的字符串"。引用方法是"/"加上一个数字。"/1"引用第1对括号内匹配到的字符串，"/2"引用第2对括号内匹配到的字符串……以此类推，如果一对括号内包含另一对括号，则外层的括号先排序号。换句话说，哪一对的左括号"("在前，那这一对就先排序号。

举例如下：

举例1：表达式 "('|")(/1)"在匹配 " 'Hello',"World" "时，匹配结果是：成功；匹配到的内容是：" 'Hello' "。再次匹配下一个时，可以匹配到" "World" "。


举例2：表达式 "<)(=*?/4*>*?<//1>"在匹配 "<td id='td1' style="bgcolor:white"></td>"时，匹配结果是成功。如果"<td>"与"</td>"不配对，则会匹配失败；如果改成其他配对，也可以匹配成功。

2.3预搜索，不匹配；反向预搜索，不匹配

前面的章节中，我讲到了几个代表抽象意义的特殊符号："^"，"$"，"/b"。它们都有一个共同点，那就是：它们本身不匹配任何字符，只是对"字符串的两头"或者"字符之间的缝隙"附加了一个条件。理解到这个概念以后，本节将继续介绍另外一种对"两头"或者"缝隙"附加条件的，更加灵活的表示方法。

正向预搜索："(?=xxxxx)"，"(?!xxxxx)"

格式："(?=xxxxx)"，在被匹配的字符串中，它对所处的"缝隙"或者"两头"附加的条件是：所在缝隙的右侧，必须能够匹配上xxxxx这部分的表达式。因为它只是在此作为这个缝隙上附加的条件，所以它并不影响后边的表达式去真正匹配这个缝隙之后的字符。这就类似"/b"，本身不匹配任何字符。"/b"只是将所在缝隙之前、之后的字符取来进行了一下判断，不会影响后边的表达式来真正的匹配。

举例1：表达式 "Windows(?=NT|XP)"在匹配 "Windows 98,Windows NT,Windows 2000"时，将只匹配"Windows NT"中的"Windows "，其他的"Windows "字样则不被匹配。

格式："(?!xxxxx)"，所在缝隙的右侧，必须不能匹配xxxxx这部分表达式。

举例2：表达式 "((?!/bstop/b).+"在匹配 "fdjka ljfdl stop fjdsla fdj"时，将从头一直匹配到"stop"之前的位置，如果字符串中没有"stop"，则匹配整个字符串。

举例3：表达式 "do(?!/w)"在匹配字符串 "done,do,dog"时，只能匹配"do"。在本条举例中，"do"后边使用"(?!/w)"和使用"/b"效果是一样的。

反向预搜索："(?<=xxxxx)"，"(?<!xxxxx)"

这两种格式的概念和正向预搜索是类似的，反向预搜索要求的条件是：所在缝隙的"左侧"，两种格式分别要求必须能够匹配和必须不能够匹配指定表达式，而不是去判断右侧。与"正向预搜索"一样的是：它们都是对所在缝隙的一种附加条件，本身都不匹配任何字符。

举例4：表达式"(?<={4}+(?=)"在匹配"1234567890123456"时，将匹配除了前4个数字和后4个数字之外的中间8个数字。由于JScript.RegExp不支持反向预搜索，因此，本条举例不能够进行演示。很多其他的引擎可以支持反向预搜索，比如：Java 1.4以上的java.util.regex包，.NET中System.Text.RegularExpressions命名空间，以及本站推荐的最简单易用的 DEELX正则引擎。

3.其他通用规则

还有一些在各个正则表达式引擎之间比较通用的规则，在前面的讲解过程中没有提到。

3.1表达式中，可以使用"/xXX"和"/uXXXX"表示一个字符（"X"表示一个十六进制数）

3.2在表达式"/s"，"/d"，"/w"，"/b"表示特殊意义的同时，对应的大写字母表示相反的意义

3.3在表达式中有特殊意义，需要添加"/"才能匹配该字符本身的字符汇总

3.4括号"( )"内的子表达式，如果希望匹配结果不进行记录供以后使用，可以使用"(?:xxxxx)"格式

举例1：表达式 "(?:/w)/1)+"匹配 "a bbccdd efg"时，结果是"bbccdd"。括号"(?:)"范围的匹配结果不进行记录，因此"(/w)"使用"/1"来引用。

3.5常用的表达式属性设置简介：Ignorecase，Singleline，Multiline，Global

4.其他提示

4.1如果想要了解高级的正则引擎还支持那些复杂的正则语法，可参见DEELX正则引擎的说明文档。

4.2如果要要求表达式所匹配的内容是整个字符串，而不是从字符串中找一部分，那么可以在表达式的首尾使用"^"和"$"，比如："^+$"要求整个字符串只有数字。

4.3如果要求匹配的内容是一个完整的单词，而不会是单词的一部分，那么在表达式首尾使用"/b"，比如：使用 "/b(if|while|else|void|int……)/b"来匹配程序中的关键字。

4.4表达式不要匹配空字符串。否则会一直得到匹配成功，而结果什么都没有匹配到。比如：准备写一个匹配"123"、"123."、"123.5"、".5"这几种形式的表达式时，整数、小数点、小数数字都可以省略，但是不要将表达式写成："*/.*"，因为如果什么都没有，这个表达式也可以匹配成功。更好的写法是："|/.+"。

4.5或"|"的左右两边，对某个字符最好只有一边可以匹配，这样，不会因为"|"两边的表达式因为交换位置而有所不同。

（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!