学习整理——正则表达式

正则表达式

正则表达式(regular expression)描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、检查一个串是否匹配一个种类、将匹配的子串做替换、从某个串中取出符合某个条件的子串等。构造正则表达式的方法和创建数学表达式的方法一样，也就是用多种元字符与运算符可以将小的表达式结合在一起来创建更大的表达式。正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。某种程度上看，正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

普通字符

普通字符是包括没有显式指定为元字符的所有可打印和不可打印字符，在正则表达式中将原型匹配。包括：

所有大写字母；

所有小写字母；

所有数字；

所有标点符号；

一些其他符号。

非打印字符

上面所说到的不可打印字符，代表了文本中一些不可视的格式。包括：

\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；

\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；

\S  ： 匹配任何非空白字符；

\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。

特殊字符

所谓特殊字符，就是一些有特殊含义的字符。在正则表达式当中，它们不能表达它们本身，如果要正确它们自身，需要在前面添加一个转义字符\；

$  ： 匹配输入字符串的结尾位置。如/[a-z]$/匹配以小写字母结尾的行；

( )  ： 标记一个子表达式的开始和结束位置；

*  ： 匹配前面的子表达式零次或多次；

+  ： 匹配前面的子表达式一次或多次；

.  ： 匹配除换行符 \n之外的任何单字符；

[  ： 标记一个中括号表达式的开始；

?  ： 匹配前面的子表达式零次或一次，或指明一个非贪婪限定符；

\  ： 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符；

^  ： 匹配输入字符串的开始位置，与$类似，除非在方括号表达式中使用，此时它表示不接受该字符集合；

{  ： 标记限定符表达式的开始；

|  ： 指明从两项之间选择一个。

限定符

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。

*  ： 匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"；

+  ： 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"；

?  ： 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" ；

{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；

{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。

定位符

定位符使您能够将正则表达式固定到行首或行尾。它们还使您能够创建这样的正则表达式，这些正则表达式出现在一个单词内、在一个单词的开头或者一个单词的结尾。

^  ： 匹配输入字符串开始的位置；

$  ： 匹配输入字符串结尾的位置；

\b  ： 匹配一个字边界，即字与空格间的位置；

\B  ： 非字边界匹配。

其他元字符

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'、'l'、'i'、'n'；

[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；

\b  ： 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 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。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'；

\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。

\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 (?)。