正则表达式（一）

                                                 正则表达式（一）

一、简介

正则表达式这个名词，相信很多人都听说过，这个名词最早起源于1956 年, 一位叫 Stephen Kleene 的美国数学家在 McCulloch 和 Pitts 早期工作的基础上，发表了一篇标题为“神经网事件的表示法”的论文，引入了正则表达式的概念。正则表达式就是用来描述他称为“正则集的代数”的表达式，因此采用“正则表达式”这个术语。

随后，发现可以将这一工作应用于使用Ken Thompson 的计算搜索算法的一些早期研究，Ken Thompson是Unix 的主要发明人。正则表达式的第一个实用应用程序就是 Unix 中的qed 编辑器。

Q: 正则表达式，能够为我们做什么呢？

A:  基于文本的编辑器和搜索工具中的一个重要部分。正则表达式可以让用户通过使用一系列的特殊字符构建匹配模式，然后把匹配模式与数据文件、程序输入以及WEB页面的表单输入等目标对象进行比较，根据比较对象中是否包含匹配模式，执行相应的程序。

下面我们就一步一步的结合它的语法，来介绍正则表达式的使用。

二、初次接触正则表达式

我们先来了解正则表达式的一些基本概念。正则表达式作为一种表示语言，其定义了自己的一套描述方式，来描述各种各样的字符类。下面摘取msdn中的一段定义。（ms-help://MS.VSCC/MS.MSDNVS.2052/cpgenref/html/cpconcharacterclasses.htm）

字符转义表

字符类	含义
.	与除 /n 以外的任何字符匹配。如果通过 Singleline 选项（请参阅正则表达式选项）进行了修改，则句点字符与任何字符匹配。
[aeiou]	与指定字符集中包含的任何单个字符匹配。
[^aeiou]	与不在指定字符集中的任何单个字符匹配。
[0-9a-fA-F]	使用连字号 (–) 允许指定连续字符范围。
/p{name}	与 name 指定的命名字符类中的任何字符匹配。支持的名称为 Unicode 组和块范围。例如 Ll£¬Nd£¬Z£¬IsGreek£¬IsBoxDrawing。
/P{name}	与在 {name} 中指定的组和块范围中未包含的文本匹配。
/w	与任何单词字符匹配。等效于 Unicode 字符类别 [/p{Ll}/p{Lu}/p{Lt}/p{Lo}/p{Nd}/p{Pc}]。如果通过 ECMAScript 选项指定了符合 ECMAScript 的行为，则 /w 等同于 [a-zA-Z_0-9]。
/W	与任何非单词字符匹配。等效于 Unicode 类别 [^/p{Ll}/p{Lu}/p{Lt}/p{Lo}/p{Nd}/p{Pc}]。如果通过 ECMAScript 选项指定了符合 ECMAScript 的行为，则 /W 等同于 [^a-zA-Z_0-9]。
/s	与任何空白字符匹配。等效于 Unicode 字符类别 [/f/n/r/t/v/x85/p{Z}]。如果通过 ECMAScript 选项指定了符合 ECMAScript 的行为，则 /s 等同于 [ /f/n/r/t/v]。
/S	与任何非空白字符匹配。等效于 Unicode 字符类别 [^/f/n/r/t/v/x85/p{Z}]。如果通过 ECMAScript 选项指定了符合 ECMAScript 的行为，则 /S 等同于 [^ /f/n/r/t/v]。
/d	与任何十进制数字匹配。与 Unicode 的 /p{Nd} 和非 Unicode 的 [0-9] 以及 ECMAScript 行为一样。
/D	与任何非数字匹配。与 Unicode 的 /P{Nd} 和非 Unicode 的 [^0-9] 以及 ECMAScript 行为一样。

上表列举了，正则表达式中最最基本的语法定义，了解这些，我们已经可以定义一些简单的规则了，例如：

1．  匹配所有的字符

当然是什么都不用写(@_@)

2．  匹配所有的英文字符

a)         /w

b)        [a-zA-Z_0-9]

3．  匹配十进制数字

a)         /d

b)        [0-9]

看上面的例子，是不是觉得很简单呢，不过，到目前为止，这样写出来的规则，还有一个很大的缺陷，就是没有声明匹配字符的个数？

Q: 我希望要匹配的字符为5个英文字母

A: ？？？

光了解上面的知识是，无法解决这个的L。那正则表达式中是如何解决这个问题的呢，我们来看下面这个表：

（ms-help://MS.VSCC/MS.MSDNVS.2052/cpgenref/html/cpconquantifiers.htm）

限定符表

限定符	说明
*	指定零个或更多个匹配；例如 /w* 或 (abc)*。与 {0,} 相同。
+	指定一个或多个匹配；例如 /w+ 或 (abc)+。与 {1,} 相同。
?	指定零个或一个匹配；例如 /w? 或 (abc)?。与 {0,1} 相同。
{n}	指定恰好 n 个匹配；例如 (pizza){2}。
{n,}	指定至少 n 个匹配；例如 (abc){2,}。
{n,m}	指定至少 n 个但不多于 m 个匹配。
*?	指定尽可能少地使用重复的第一个匹配 (lazy *)。
+?	指定尽可能少地使用重复但至少使用一次 (lazy +)。
??	指定使用零次重复（如有可能）或一次重复 (lazy ?)。
{n}?	等效于 {n} (lazy {n})。
{n,}?	指定尽可能少地使用重复，但至少使用 n 次 (lazy {n,})。
{n,m}?	指定介于 n 次和 m 次之间、尽可能少地使用重复 (lazy {n,m})。

    上表中列出了，正则表达式的限定方式，配合这些字符的使用，我们就可以很方便的编写更为强劲的正则表达式了。

例如：

1．  匹配零个或多个所有的字符

*                               

2．  匹配一个或多个所有字符

+

3．  匹配零个或多个所有的英文字符

/w*

4．  匹配一个或多个所有的英文字符

[a-zA-Z0-9]+

5．  匹配3个十进制数字

/d{3}

6．  匹配最少3个十进制数字

/d{3,}

7．  匹配3个到6个十进制数字

/d{3,6}

           现在我们可以解答上面问题了：

Q: 我希望要匹配的字符为5个英文字母

A: /w{5}

    很高兴，我们已解决了上面的问题，不过，新的问题总是在不断的出现。我如何限制匹配字符出现在哪里呢？

Q: 我希望匹配以doc开头的字符串

A: ???

    为了解决这个问题，我们先来看看这个表：

(ms-help://MS.VSCC/MS.MSDNVS.2052/cpgenref/html/cpconatomiczero-widthassertions.htm)

原子零宽度断言

断言	说明
^	指定匹配必须出现在字符串的开头或行的开头。有关更多信息，请参阅正则表达式选项中的 Multiline 选项。
$	指定匹配必须出现在以下位置：字符串结尾、字符串结尾的 /n 之前或行的结尾。有关更多信息，请参阅正则表达式选项中的 Multiline 选项。
/A	指定匹配必须出现在字符串的开头（忽略 Multiline 选项）。
/Z	指定匹配必须出现在字符串的结尾或字符串结尾的 /n 之前（忽略 Multiline 选项）。
/z	指定匹配必须出现在字符串的结尾（忽略 Multiline 选项）。
/G	指定匹配必须出现在当前搜索开始的位置（此位置通常是上一次搜索结束位置之后的第一个字符）。例如，请考虑一个由分离的字符组组成的串联字符串，其中每一组的长度都为 n 个字符。在每个字符组中搜索匹配时，如果正则表达式在 0、n、2n、3n 等字符位置找到匹配，则该正则表达式成功。仅当匹配出现在定位组边界上时才会成功。
/b	指定匹配必须出现在 /w（字母数字）和 /W（非字母数字）字符之间的边界上。匹配必须出现在单词边界上，即出现在由空格分隔的单词中第一个或最后一个字符上。
/B	指定匹配不得出现在 /b 边界上。

相信大家都注意到了，在这个表中第一个断言字符就是我们需要的@_@.

例如，^ 指定当前位置在行或字符串的开头。因此，正则表达式 ^FTP 只会返回那些在行的开头出现的字符串“FTP”的匹配项。

看来上面碰到的问题，又可以解决了，让我们一起来解决上面的问题：

Q: 我希望匹配以doc开头的字符串

A: ^doc

以上我们初步了解了什么是正则表达式，已经了解其最基本的语法，当作热身@_@，接下来，才正式进入主题，我们会从第二篇开始深入探讨正则表达式的使用。