正则表达式

转载,点击打开链接

正则表达是到底是什么东西？

在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。

很可能你使用过Windows/Dos下用于文件查找的通配符(wildcard)，也就是*和?。如果你想查找某个目录下的所有的Word文档的话，你会搜索*.doc。在这里，*会被解释成任意的字符串。和通配符类似，正则表达式也是用来进行文本匹配的工具，只不过比起通配符，它能更精确地描述你的需求——当然，代价就是更复杂——比如你可以编写一个正则表达式，用来查找所有以0开头，后面跟着2-3个数字，然后是一个连字号“-”，最后是7或8位数字的字符串(像010-12345678或0376-7654321)。

简单的例子：

假如我们想搜索hi，如果忽略大小写，那么可能会出现hi，HI，Hi和hI；另外很多单词里包含hi这两个连续的字符，比如him,history,high等等，如果要精确地查找hi这个单词的话，我们应该使用bhib

b是正则表达式规定的一个特殊代码（好吧，某些人叫它元字符，metacharacter），代表着单词的开头或结尾，也就是单词的分界处。虽然通常英文的单词是由空格，标点符号或者换行来分隔的，但是b并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。

假如你要找的是hi后面不远处跟着一个Lucy，你应该用bhib.*bLucyb。

这里的点号.是另一个元字符，匹配除了换行符以外的任意字符。*同样是元字符，不过它代表的不是字符，也不是位置，而是数量——它指定*前边的内容可以连续重复出现任意次以使整个表达式得到匹配。因此，.*连在一起就意味着任意数量的不包含换行的字符。现在bhib.*bLucyb的意思就很明显了：先是一个单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词。

0dd-dddddddd，这里的d是个新的元字符，匹配一位数字(0，或1，或2，或……)。-不是元字符，只匹配它本身——连字符或者减号。
为了避免那么多烦人的重复，我们也可以这样写这个表达式：0d{2}-d{8}。这里d后面的{2}({8})的意思是前面d必须连续重复匹配2次(8次)。

注意：

我们可以使用一个绿色软件：.Net下的工具Regex Tester。首先你确保已经安装了.Net Framework 2.0，然后下载Regex Tester。下载完后打开压缩包,直接运行RegexTester.exe就可以了。

元字符

现在你已经知道几个很有用的元字符了，如b，.，*，还有d.正则表达式里还有更多的元字符，比如s匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等。w匹配字母或数字或下划线或汉字等。

baw*b匹配以字母a开头的单词——先是某个单词开始处(b)，然后是字母a,然后是任意数量的字母或数字(w*)，最后是单词结束处(b)

d+匹配1个或更多连续的数字。这里的+是和*类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次。
bw{6}b 匹配刚好6个字母/数字/下划线的单词。【本来w表示字符，数字，下划线，汉字，但b匹配单词的开始或结束，所以除了汉字以外的这几种组合都可以~】

元字符^（和数字6在同一个键位上的符号）和$都匹配一个位置，这和b有点类似。^匹配你要用来查找的字符串的开头，$匹配结尾。这两个代码在验证输入的内容时非常有用，比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用：^d{5,12}$。^和$还有匹配行的开始处和结束处~

表1.常用的元字符

C:Windows匹配C:Windows。

重复

你已经看过了前面的*,+,{2},{5,12}这几个匹配重复的方式了。下面是正则表达式中所有的限定符(指定数量的代码，例如*,12}等)：
表2.常用的限定符