加入收藏 | 设为首页 | 会员中心 | 我要投稿 李大同 (https://www.lidatong.com.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 百科 > 正文

正则表达式

发布时间:2020-12-14 06:08:57 所属栏目:百科 来源:网络整理
导读:什么是正则表达式 正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。 给定一个正则表达式和另一个字符串,我们可以达到如下的

什么是正则表达式

正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。

给定一个正则表达式和另一个字符串,我们可以达到如下的目的:

  1. 给定的字符串是否符合正则表达式的过滤逻辑(称作“匹配”);
  2. 可以通过正则表达式,从字符串中获取我们想要的特定部分。

正则表达式的特点

  1. 灵活性、逻辑性和功能性非常的强;
  2. 可以迅速地用极简单的方式达到字符串的复杂控制。
  3. 对于刚接触的人来说,比较晦涩难懂。

由于正则表达式主要应用对象是文本,因此它在各种文本编辑器场合都有应用,小到著名编辑器EditPlus,大到Microsoft Word、Visual Studio等大型编辑器,都可以使用正则表达式来处理文本内容。

?

正则表达式的标准


大体来讲,正则表达式的文法分为3种标准:

  • BRE
  • ERE?
  • ARE

其中 BER 和 ERE 属于 POSIX 标准,ARE 则是由各家定义的扩展。

?

正则表达式基础知识

正则表达式是由普通字符(如字符A到字符Z)和特殊字符(称为元字符)组成。该模式描述在查找文字主题时要匹配的一个或多个字符串。正则表达式作为一个模板,将一个字符模式与搜索的字符串相匹配。如:?

JScript VBScript 匹配
/^[ t]$/ "^[ t]$" 匹配一个空白行。
/d{2}-d{5}/ "d{2}-d{5}" 验证一个ID 号码是否由一个2位数字,一个连字符以及一个5位数字组成。
/<(.)>.</1>/ "<(.)>.</1>" 匹配一个 HTML 标记。

下表是元字符及其在正则表达式上下文中的行为的一个完整列表:
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,}。
? 匹配前面的子表达式零次或一次。例如,"do(es)?" 可以匹配 "do" 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‘。
{n,m} 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,},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‘。
. 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,请使用象 ‘[.n]‘ 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 "Windows 2000" 中的 "Windows" ,但不能匹配 "Windows 3.1" 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) 负向预查,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 "Windows 3.1" 中的 "Windows",但不能匹配 "Windows 2000" 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
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‘p‘。
[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。
[^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。
? 匹配一个单词边界,也就是指单词和空格间的位置。例如, ‘er‘ 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。
n 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 (?)。

?


下面看几个例子:

"^The":表示所有以"The"开始的字符串("There","The cat"等); 
"of despair$":表示所以以"of despair"结尾的字符串; 
"^abc$":表示开始和结尾都是"abc"的字符串——呵呵,只有"abc"自己了; 
"notice":表示任何包含"notice"的字符串。

‘‘,‘+‘和‘?‘这三个符号,表示一个或一序列字符重复出现的次数。它们分别表示“没有或更多”,“一次或更多”还有“没有或一次”。下面是几个例子:

?

?

"ab":表示一个字符串有一个a后面跟着零个或若干个b。("a","ab","abbb",……); "ab+":表示一个字符串有一个a后面跟着至少一个b或者更多; "ab?":表示一个字符串有一个a后面跟着零个或者一个b; "a?b+$":表示在字符串的末尾有零个或一个a跟着一个或几个b。 也可以使用范围,用大括号括起,用以表示重复次数的范围。 "ab{2}":表示一个字符串有一个a跟着2个b("abb"); "ab{2,}":表示一个字符串有一个a跟着至少2个b; "ab{3,5}":表示一个字符串有一个a跟着3到5个b。 请注意,你必须指定范围的下限(如:"{0,2}"而不是"{,2}")。还有,你可能注意到了,‘‘,‘+‘和‘?‘相当于"{0,}","{1,}"和"{0,1}"。


还有一个‘|‘,表示“或”操作:

?

"hi|hello":表示一个字符串里有"hi"或者"hello"; 
"(b|cd)ef":表示"bef"或"cdef"; 
"(a|b)c":表示一串"a""b"混合的字符串后面跟一个"c"; 

?

‘.‘可以替代任何字符:

?

"a.[0-9]":表示一个字符串有一个"a"后面跟着一个任意字符和一个数字; 
"^.{3}$":表示有任意三个字符的字符串(长度为3个字符);
方括号表示某些字符允许在一个字符串中的某一特定位置出现:
"[ab]":表示一个字符串有一个"a"或"b"(相当于"a|b"); 
"[a-d]":表示一个字符串包含小写的‘a‘到‘d‘中的一个(相当于"a|b|c|d"或者"[abcd]"); 
"^[a-zA-Z]":表示一个以字母开头的字符串; 
"[0-9]%":表示一个百分号前有一位的数字; 
",[a-zA-Z0-9]$":表示一个字符串以一个逗号后面跟着一个字母或数字结束。

?

你也可以在方括号里用‘^‘表示不希望出现的字符,‘^‘应在方括号里的第一位。(如:"%[^a-zA-Z]%"表示两个百分号中不应该出现字母)。

为了逐字表达,必须在"^.$()|+?{"这些字符前加上转义字符‘‘。

请注意在方括号中,不需要转义字符。

(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!

    推荐文章
      热点阅读