正则表达式学习1

发布时间：2020-12-14 04:37:16 所属栏目：百科来源：网络整理

导读：1. 正则表达式规则普通字符字母、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。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

1. 正则表达式规则

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。

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。

表达式	可匹配
r,n	代表回车和换行符
t	制表符
	代表 "" 本身

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 "$" 字符，则表达式就需要写成 "^" 和 "$"。

^	匹配 ^ 符号本身
$	匹配 $ 符号本身
.	匹配小数点（.）本身

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。

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。

任意一个数字，0~9 中的任意一个
w	任意一个字母或数字或下划线，也就是 A~Z,a~z,0~9,_ 中任意一个
s	包括空格、制表符、换页符等空白字符的其中任意一个
.	小数点可以匹配除了换行符（n）以外的任意一个字符

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。

[ab5@]	匹配 "a" 或 "b" 或 "5" 或 "@"
[^abc]	匹配 "a","b","c" 之外的任意一个字符
[f-k]	匹配 "f"~"k" 之间的任意一个字母
[^A-F0-3]	匹配 "A"~"F","0"~"3" 之外的任意一个字符

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}"。

作用
{n}	表达式重复n次，比如："w{2}" 相当于 "ww"；"a{5}" 相当于 "aaaaa"
{m,n}	表达式至少重复m次，最多重复n次，比如："ba{1,3}"可以匹配 "ba"或"baa"或"baaa"
{m,}	表达式至少重复m次，比如："wd{2,}"可以匹配 "a12","_456","M12344"...
?	匹配表达式0次或者1次，相当于 {0,1}，比如："a[cd]?"可以匹配 "a","ac","ad"
+	表达式至少出现1次，相当于 {1,}，比如："a+b"可以匹配 "ab","aab","aaab"...
*	表达式不出现或出现任意次，相当于 {0,}，比如："^*b"可以匹配 "b","^^^b"...

其他一些代表抽象意义的特殊符号

表达式

与字符串开始的地方匹配，不匹配任何字符
$	与字符串结束的地方匹配，不匹配任何字符
b	匹配一个单词边界，也就是单词和空格之间的位置，不匹配任何字符

一些符号可以影响表达式内部的子表达式之间的关系：

\|	左右两边表达式之间 "或" 关系，匹配左边或者右边
( )	(1). 在被修饰匹配次数的时候，括号中的表达式可以作为整体被修饰 (2). 取匹配结果的时候，括号中的表达式匹配到的内容可以被单独得到

正则表达式中的一些高级规则

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：

匹配结果
(d)(w+)	"w+" 将匹配第一个 "d" 之后的所有字符 "xxxdxxxd"
(d)(w+)(d)	"w+" 将匹配第一个 "d" 和最后一个 "d" 之间的所有字符 "xxxdxxx"。虽然 "w+" 也能够匹配上最后一个 "d"，但是为了使整个表达式匹配成功，"w+" 可以 "让出" 它本来能够匹配的最后一个 "d"

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：

(d)(w+?)

"w+?" 将尽可能少的匹配第一个 "d" 之后的字符，结果是："w+?" 只匹配了一个 "x"
(d)(w+?)(d)	为了让整个表达式匹配成功，"w+?" 不得不匹配 "xxx" 才可以让后边的 "d" 匹配，从而使整个表达式匹配成功。因此，结果是："w+?" 匹配 "xxx"

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。

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。

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5：表达式 "(?<=d{4})d+(?=d{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）

形式	字符范围
xXX	编号在 0 ~ 255 范围的字符，比如：空格可以使用 "x20" 表示
uXXXX	任何字符可以使用 "u" 再加上其编号的4位十六进制数表示，比如："u4E2D"

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

S	匹配所有非空白字符（"s" 可匹配各个空白字符）
D	匹配所有的非数字字符
W	匹配所有的字母、数字、下划线以外的字符
B	匹配非单词边界，即左右两边都是 "w" 范围或者左右两边都不是 "w" 范围时的字符缝隙

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

字符

说明
^	匹配输入字符串的开始位置。要匹配 "^" 字符本身，请使用 "^"
$	匹配输入字符串的结尾位置。要匹配 "$" 字符本身，请使用 "$"
标记一个子表达式的开始和结束位置。要匹配小括号，请使用 "(" 和 ")"
[ ]	用来自定义能够匹配 '多种字符' 的表达式。要匹配中括号，请使用 "[" 和 "]"
{ }	修饰匹配次数的符号。要匹配大括号，请使用 "{" 和 "}"
.	匹配除了换行符（n）以外的任意一个字符。要匹配小数点本身，请使用 "."
?	修饰匹配次数为 0 次或 1 次。要匹配 "?" 字符本身，请使用 "?"
+	修饰匹配次数为至少 1 次。要匹配 "+" 字符本身，请使用 "+"
*	修饰匹配次数为 0 次或任意次。要匹配 "" 字符本身，请使用 ""
左右两边表达式之间 "或" 关系。匹配 "\|" 本身，请使用 "\|"

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

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

表达式属性

Ignorecase	默认情况下，表达式中的字母是要区分大小写的。配置为 Ignorecase 可使匹配时不区分大小写。有的表达式引擎，把 "大小写" 概念延伸至 UNICODE 范围的大小写。
Singleline	默认情况下，小数点 "." 匹配除了换行符（n）以外的字符。配置为 Singleline 可使小数点可匹配包括换行符在内的所有字符。
Multiline	默认情况下，表达式 "^" 和 "$" 只匹配字符串的开始 ① 和结尾 ④ 位置。如： ①xxxxxxxxx②n ③xxxxxxxxx④ 配置为 Multiline 可以使 "^" 匹配 ① 外，还可以匹配换行符之后，下一行开始前 ③ 的位置，使 "$" 匹配 ④ 外，还可以匹配换行符之前，一行结束 ② 的位置。
Global	主要在将表达式用来替换时起作用，配置为 Global 表示替换所有的匹配。

（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!