正则表达式

正则表达式由一些普通字符和一些元字符（metacharacters）组成。普通字符包括大小写的字母和数字，而元字符则具有特殊的含义，我们下面会给予解释。

在最简单的情况下，一个正则表达式看上去就是一个普通的查找串。例如，正则表达式"testing"中没有包含任何元字符，它可以匹配"testing"和"123testing"等字符串，但是不能匹配"Testing"。

要想真正的用好正则表达式，正确的理解元字符是最重要的事情。下表列出了所有的元字符和对它们的一个简短的描述。

元字符	描述
	将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“n”匹配字符“n”。“n”匹配一个换行符。序列“”匹配“”而“(”则匹配“(”。
^	匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“n”或“r”之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“n”或“r”之前的位置。
*	匹配前面的子表达式零次或多次。例如，zo*能匹配“z”以及“zoo”。*等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。 等价于{1,224);" height="0" align="left" valign="center" width="75"> ?	匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“does”或“does”中的“do”。?等价于{0,1}。
{n}	n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o ”。“o{0,}”则等价于“o*”。
m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
当该字符紧跟在任何一个其他限制符（*,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o ?”将匹配单个“o”，而“o ”将匹配所有“o”。
.点	匹配除“n”之外的任何单个字符。要匹配包括“n”在内的任何字符，请使用像“[sS]”的模式。
(pattern)	匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“(”或“)”。
(?:pattern)	匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
(?=pattern)	正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。
(?<=pattern)	反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。
(?	反向否定预查，与正向否定预查类似，只是方向相反。例如“(?
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。 注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出现在字符组的开头,则只能表示连字符本身.
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
b	匹配一个单词边界，也就是指单词和空格间的位置。例如，“erb”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
B	匹配非单词边界。“erB”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
cx	匹配由x指明的控制字符。例如，cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。
d	匹配一个数字字符。等价于[0-9]。
D	匹配一个非数字字符。等价于[^0-9]。
f	匹配一个换页符。等价于x0c和cL。
n	匹配一个换行符。等价于x0a和cJ。
r	匹配一个回车符。等价于x0d和cM。
s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ fnrtv]。
S	匹配任何非空白字符。等价于[^ fnrtv]。
t	匹配一个制表符。等价于x09和cI。
v	匹配一个垂直制表符。等价于x0b和cK。
w	匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。
W	匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
xn	匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“x41”匹配“A”。“x041”则等价于“x04&1”。正则表达式中可以使用ASCII编码。
num	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)1”匹配两个连续的相同字符。
标识一个八进制转义值或一个向后引用。如果n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。
nm	标识一个八进制转义值或一个向后引用。如果nm之前至少有nm个获得子表达式，则nm为向后引用。如果nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则nm将匹配八进制转义值nm。
nml	如果n为八进制数字（0-3），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。
un	匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，u00A9匹配版权符号（?）。

作用
:%s/ */ /g	把一个或者多个空格替换为一个空格
:%s/ *$//	去掉行尾的所有空格
:%s/^/ /	在每一行头上加入一个空格
:%s/^[0-9][0-9]* //	去掉行首的所有数字字符
:%s/b[aeio]g/bug/g	将所有的bag、beg、big和bog改为bug。
:%s/t([aou])g/h1t/g	将所有tag、tog和tug分别改为hat、hot和hut（注意用group的用法和使用1引用前面被匹配的字符）

例1

将所有方法foo(a,b,c)的实例改为foo(b,a,c)。这里a、b和c可以是任何提供给方法foo()的参数。也就是说我们要实现这样的转换：

之前 之后
foo(10,7,2) foo(7,10,2)
foo(x 13,y-2,10) foo(y-2,x 13,10)
foo( bar(8),x y z,5) foo( x y z,bar(8),5)

下面这条替换命令能够实现这一魔法：
:%s/foo(([^,]*),([^,([^)]*))/foo(2,1,3)/g

现在让我们把它打散来加以分析。写出这个表达式的基本思路是找出foo()和它的括号中的三个参数的位置。第一个参数是用这个表达式来识别的：：([^,]*)，我们可以从里向外来分析它：
[^,] 除了逗号之外的任何字符
[^,]* 0或者多个非逗号字符
([^,]*) 将这些非逗号字符标记为1，这样可以在之后的替换模式表达式中引用它
([^,我们必须找到0或者多个非逗号字符后面跟着一个逗号，并且非逗号字符那部分要标记出来以备后用。

现在正是指出一个使用正则表达式常见错误的最佳时机。为什么我们要使用[^,]*这样的一个表达式，而不是更加简单直接的写法，例如：.*，来匹配第一个参数呢？设想我们使用模式.*来匹配字符串"10,2"，它应该匹配"10,"还是"10,"？为了解决这个两义性（ambiguity），正则表达式规定一律按照最长的串来，在上面的例子中就是"10,"，显然这样就找出了两个参数而不是我们期望的一个。所以，我们要使用[^,]*来强制取出第一个逗号之前的部分。

这个表达式我们已经分析到了：foo(([^,]*)，这一段可以简单的翻译为“当你找到foo(就把其后直到第一个逗号之前的部分标记为1”。然后我们使用同样的办法标记第二个参数为2。对第三个参数的标记方法也是一样，只是我们要搜索所有的字符直到右括号。我们并没有必要去搜索第三个参数，因为我们不需要调整它的位置，但是这样的模式能够保证我们只去替换那些有三个参数的foo()方法调用，在foo()是一个重载（overloading）方法时这种明确的模式往往是比较保险的。然后，在替换部分，我们找到foo()的对应实例，然后利用标记好的部分进行替换，是把第一和第二个参数交换位置。

例2

假设有一个CSV（comma separated value）文件，里面有一些我们需要的信息，但是格式却有问题，
目前数据的列顺序是：姓名，公司名，州名缩写，邮政编码，现在我们希望将这些数据重新组织，以便在我们的某个软件中使用，需要的格式为：姓名，州名缩写-邮政编码，公司名。也就是说，我们要调整列顺序，还要合并两个列来构成一个新列。另外，我们的软件不能接受逗号前后有任何空格（包括空格和制表符）所以我们还必须要去掉逗号前后的所有空格。

这里有几行我们现在的数据：
Bill Jones,HI-TEK Corporation,CA,95011
Sharon Lee Smith,Design Works Incorporated,95012
B. Amos,Hill Street Cafe,95013
Alexander Weatherworth,The Crafts Store,95014
...
我们希望把它变成这个样子：
Bill Jones,CA 95011,HI-TEK Corporation
Sharon Lee Smith,CA 95012,Design Works Incorporated
B. Amos,CA 95013,Hill Street Cafe
Alexander Weatherworth,CA 95014,The Crafts Store
...

我们将用两个正则表达式来解决这个问题。第一个移动列和合并列，第二个用来去掉空格。

下面就是第一个替换命令：
:%s/([^,(.*)/1,3 4,2/
这里的方法跟例1基本一样，第一个列（姓名）用这个表达式来匹配：([^,]*)，即第一个逗号之前的所有字符，而姓名内容被用1标记下来。公司名和州名缩写字段用同样的方法标记为2和3，而最后一个字段用(.*)来匹配（"匹配所有字符直到行末"）。替换部分则引用上面标记的那些内容来进行构造。

下面这个替换命令则用来去除空格：
:%s/[ t]*,[ t]*/,/g
我们还是分解来看：[ t]匹配空格/制表符，[ t]* 匹配0或多个空格/制表符，[ t]*,匹配0或多个空格/制表符后面再加一个逗号，最后，[ t]*,[ t]*匹配0或多个空格/制表符接着一个逗号再接着0或多个空格/制表符。在替换部分，我们简单的我们找到的所有东西替换成一个逗号。这里我们使用了结尾的可选的g参数，这表示在每行中对所有匹配的串执行替换（而不是缺省的只替换第一个匹配串）。

例3

假设有一个多字符的片断重复出现，例如：
Billy tried really hard
Sally tried really really hard
Timmy tried really really really hard
Johnny tried really really really really hard
而你想把"really"、"really really"，以及任意数量连续出现的"really"字符串换成一个简单的"very"（simple is good!），那么以下命令：
:%s/(really )(really )*/very /
就会把上述的文本变成：
Billy tried very hard
Sally tried very hard
Timmy tried very hard
Johnny tried very hard
表达式(really )*匹配0或多个连续的"really "（注意结尾有个空格），而(really )(really )* 匹配1个或多个连续的"really "实例。

.	[ ]	^	$	( )	{ }	?		|	( )
vi	√
Visual C	awk	√
sed	Tcl	ex	grep	egrep	fgrep	perl	C#		√

【1】正则表达式应用——替换指定内容到行尾 原始文本如下面两行 abc aaaaa 123 abc 444 希望每次遇到“abc”，则替换“abc”以及其后到行尾的内容为“abc efg” 即上面的文本最终替换为： abc efg 123 abc efg 解决： ① 在替换对话框，查找内容里输入“abc.*”，替换内容输入为“abc efg” ② 同时勾选“正则表达式”复选框，然后点击“全部替换”按钮 其中，符号的含义如下： “.” =匹配任意字符 “*” =匹配0次或更多 注意：其实就是正则表达式替换，这里只是把一些曾经提出的问题加以整理，单纯从正则表达式本身来说，就可以引申出成千上万种特例。 【2】正则表达式应用——数字替换 希望把 asdadas123asdasdas456asd asdasd789asdasd 替换为: asdadas[123]asdasdas[456]asdasdasd[789]asdasd 在替换对话框里面，勾选“正则表达式”复选框； 在查找内容里面输入“([0-9])([0-9])([0-9])”，不含引号 “替换为:”里面输入“[123]”，不含引号 ####备注####：查找（[0-9]+） 替换：[1] 更简单通用些 范围为你所操作的范围，然后选择替换即可。 实际上这也是正则表达式的使用特例，“[0-9]”表示匹配0～9之间的任何特例，同样“[a-z]”就表示匹配a～z之间的任何特例 上面重复使用了“[0-9]”，表示连续出现的三个数字 括号用来选择原型，进行分组，替换时要用 “1”代表第一个“[0-9]”对应的原型，“2”代表第二个“[0-9]”对应的原型，依此类推 “[” “]” 为单纯的字符，表示添加“[”或“]”，如果输入“其它123其它”，则替换结果为： asdadas其它123其它asdasdas其它456其它asdasdasd其它789其它asdasd 功能增强： 如果将查找内容“[0-9][0-9][0-9]”改为“[0-9]*[0-9]”，对应1 或 123 或 12345 或 ... 大家根据需要定制 相关内容还有很多，可以自己参考正则表达式的语法仔细研究一下 【3】正则表达式应用——删除每一行行尾的指定字符 因为这几个字符在行中也是出现的,所以肯定不能用简单的替换实现 比如 12345 1265345 2345 需要删除每行末尾的“345” 这个也算正则表达式的用法，其实仔细看正则表达式应该比较简单，不过既然有这个问题提出，说明对正则表达式还得有个认识过程，解决方法如下 解决： 在替换对话框中，启用“正则表达式”复选框 在查找内容里面输入“345$” 这里“$”表示从行尾匹配 如果从行首匹配，可以用“^”来实现，不过 EditPlus 有另一个功能可以很简单的删除行首的字符串 a. 选择要操作的行 b. 编辑－格式－删除行注释 c. 在弹出对话框里面输入要清除的行首字符，确定 【4】正则表达式应用——替换带有半角括号的多行 几百个网页中都有下面一段代码： <script LANGUAGE="JavaScript1.1"> <!-- htmlAdWH('93163607','728','90'); //--> </SCRIPT> 我想把它们都去掉，可是找了很多search & replace的软件，都是只能对“一行”进行操作。 EditPlus 打开几百个网页文件还是比较顺畅的，所以完全可以胜任这个工作。 具体解决方法，在 Editplus 中使用正则表达式，由于“(”、“)”被用做预设表达式（或者可以称作子表达式）的标志，所以查找 “<script LANGUAGE="JavaScript1.1">n<!--nhtmlAdWH('93163607','90'.);n//-->n</SCRIPT>n” 时会提示查找不到，所以也就无法进行替换了，这时可以把“(”、“)”使用任意字符标记替代，即半角句号：“.”。替换内容为 <script LANGUAGE="JavaScript1.1">n<!--nhtmlAdWH.'93163607','90'.;n//-->n</SCRIPT>n 在替换对话框启用“正则表达式”选项，这时就可以完成替换了 补充： 对( ) 这样的特殊符号，应该用( )来表示，这也是很标准的regexp语法，可以写为 <script LANGUAGE="JavaScript1.1">n<!--nhtmlAdWH('93163607','90');n//-->n</SCRIPT>n 【5】正则表达式应用——删除空行 启动EditPlus，打开待处理的文本类型文件。 ①、选择“查找”菜单的“替换”命令，弹出文本替换对话框。选中“正则表达式”复选框，表明我们要在查找、替换中使用正则表达式。然后，选中“替换范围”中的“当前文件”，表明对当前文件操作。 ②、单击“查找内容”组合框右侧的按钮，出现下拉菜单。 ③、下面的操作添加正则表达式，该表达式代表待查找的空行。（技巧提示：空行仅包括空格符、制表符、回车符，且必须以这三个符号之一作为一行的开头，并且以回车符结尾，查找空行的关键是构造代表空行的正则表达式）。 直接在"查找"中输入正则表达式“^[ t]*n”，注意t前有空格符。 （1）选择“从行首开始匹配”，“查找内容”组合框中出现字符“^”，表示待查找字符串必须出现在文本中一行的行首。 （2）选择“字符在范围中”，那么在“^”后会增加一对括号“[]”，当前插入点在括号中。括号在正则表达式中表示，文本中的字符匹配括号中任意一个字符即符合查找条件。 （3）按一下空格键，添加空格符。空格符是空行的一个组成成分。 （4）选择“制表符”，添加代表制表符的“t”。 （5）移动光标，将当前插入点移到“]”之后，然后选择“匹配 0 次或更多”，该操作会添加星号字符“*”。星号表示，其前面的括号“[]”内的空格符或制表符，在一行中出现0个或多个。 （6）选择“换行符”，插入“n”，表示回车符。 ④、“替换为”组合框保持空，表示删除查找到的内容。单击“替换”按钮逐个行删除空行，或单击“全部替换”按钮删除全部空行（注意：EditPlus有时存在“全部替换”不能一次性完全删除空行的问题，可能是程序BUG，需要多按几次按钮）。 【6】 正则表达式应用——实例应用 1.验证用户名和密码：（"^[a-zA-Z]w{5,15}$"）正确格式："[A-Z][a-z]_[0-9]"组成,并且第一个字必须为字母6~16位； 2.验证电话号码：（"^(d{3.4}-)d{7,8}$"）正确格式：xxx/xxxx-xxxxxxx/xxxxxxxx； 3.验证身份证号（15位或18位数字）：（"^d{15}|d{18}$"）； 4.验证Email地址：("^w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$")； 5.只能输入由数字和26个英文字母组成的字符串：("^[A-Za-z0-9]+$") ; 6.整数或者小数：^[0-9]+.{0,1}[0-9]{0,2}$ 7.只能输入数字："^[0-9]*$"。 8.只能输入n位的数字："^d{n}$"。 9.只能输入至少n位的数字："^d{n,}$"。 10.只能输入m~n位的数字：。"^d{m,n}$" 11.只能输入零和非零开头的数字："^(0|[1-9][0-9]*)$"。 12.只能输入有两位小数的正实数："^[0-9]+(.[0-9]{2})?$"。 13.只能输入有1~3位小数的正实数："^[0-9]+(.[0-9]{1,3})?$"。 14.只能输入非零的正整数："^+?[1-9][0-9]*$"。 15.只能输入非零的负整数："^-[1-9][]0-9"*$。 16.只能输入长度为3的字符："^.{3}$"。 17.只能输入由26个英文字母组成的字符串："^[A-Za-z]+$"。 18.只能输入由26个大写英文字母组成的字符串："^[A-Z]+$"。 19.只能输入由26个小写英文字母组成的字符串："^[a-z]+$"。 20.验证是否含有^%&',;=?$"等字符："[^%&',;=?$x22]+"。 21.只能输入汉字："^[u4e00-u9fa5]{0,}$" 22.验证URL："^http://([w-]+.)+[w-]+(/[w-./?%&=]*)?$"。 23.验证一年的12个月："^(0?[1-9]|1[0-2])$"正确格式为："01"～"09"和"1"～"12"。 24.验证一个月的31天："^((0?[1-9])|((1|2)[0-9])|30|31)$"正确格式为；"01"～"09"和"1"～"31"。 25.获取日期正则表达式：d{4}[年|-|.]d{1-12}[月|-|.]d{1-31}日? 评注：可用来匹配大多数年月日信息。 26.匹配双字节字符(包括汉字在内)：[^x00-xff] 评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1） 27.匹配空白行的正则表达式：ns*r 评注：可以用来删除空白行 28.匹配HTML标记的正则表达式：<(S*?)[^>]*>.*?</>|<.*? /> 评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力 29.匹配首尾空白字符的正则表达式：^s*|s*$ 评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式 30.匹配网址URL的正则表达式：[a-zA-z]+://[^s]* 评注：网上流传的版本功能很有限，上面这个基本可以满足需求 31.匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$ 评注：表单验证时很实用 32.匹配腾讯QQ号：[1-9][0-9]{4,} 评注：腾讯QQ号从000 0 开始 33.匹配中国邮政编码：[1-9]d{5}(?!d) 评注：中国邮政编码为6位数字 34.匹配ip地址：((2[0-4]d|25[0-5]|[01]?dd?).){3}(2[0-4]d|25[0-5]|[01]?dd?)。 评注：提取ip地址时有用 Function IsRegu(Regu,s) '正则表达式校验 If Regu="" Then Exit Function End if Dim Re,Sre Set Re = New RegExp Re.Pattern = Regu Sre = Re.Test(s) If Sre = True Then IsRegu = True Else IsRegu = False End If End Function tmp=" " if (IsRegu("w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*",tmp )) =false then msgbox "E-mail地址不合法 ！" FieldCheck#N=false end if 不同的语言（如PHP和JAVA）、相同语言的不同类库（如来自Sun的Java Regular Expression类库跟Apache Jakarta的正则表达式类库）间，用法会有所差别，在使用的时候，要注意这些差别。 验证URL function IsValidUrl(str) {[5] var regu = "^(https?://)" 　　+ "?(([0-9a-z_!~*'().&=+$%-]+: )?[0-9a-z_!~*'().&=+$%-]+@)?" 　　+ "(([0-9]{1,3}.){3}[0-9]{1,3}" 　　+ "|" 　　+ "([0-9a-z_!~*'()-]+.)*" 　　+ "([0-9a-z][0-9a-z-]{0,61})?[0-9a-z]." 　　+ "[a-z]{2,6})" 　　+ "(:[0-9]{1,4})?" 　　+ "((/?)|" 　　+ "(/[0-9a-z_!~*'().;?:@&=+$,%#-]+)+/?)$";[5] 　　var re = new RegExp(regu); 　　if (!re.test(str)) { 　　return false; 　　} 　　return true; 　　}