正则表达式（基础2）

一、正则表达式运算优先级

从左到右进行计算，并遵循优先级顺序，这与算术表达式非常类似。

相同优先级的从左到右进行运算，不同优先级的运算先高后低。下表从最高到最低说明了各种正则表达式运算符的优先级顺序：

运算符	描述
\	转义符
(), (?:), (?=), []	圆括号和方括号
*, +, ?, {n}, {n,}, {n,m}	限定符
^, $, \任何元字符、任何字符	定位点和序列（即：位置和顺序）
|	替换，"或"操作 字符具有高于替换运算符的优先级，使得"m|food"匹配"m"或"food"。若要匹配"mood"或"food"，请使用括号创建子表达式，从而产生"(m|f)ood"。

 

二、正则表达式的匹配规则

1、基本模式匹配

模式，是正则表达式最基本的元素，它们是一组描述字符串特征的字符。

模式可以由普通的字符串组成，也可以用特殊的字符表示一个范围内的字符、重复出现，或表示上下文。

例如：

（1）^once

这个模式包含一个特殊的字符^，表示该模式只匹配那些以once开头的字符串。

"once upon a time"      --------- 匹配

"There once was a man from NewYork" --------不匹配。

正如如^符号表示开头一样，$符号用来匹配那些以给定模式结尾的字符串。

（2）bucket$

"Who kept all of this cash in a bucket"     -------匹配，与"buckets"不匹配。

字符^和$同时使用时，表示精确匹配（字符串与模式一样）。

（3）^bucket$

只匹配字符串"bucket"。如果一个模式不包括^和$，那么它与任何包含该模式的字符串匹配。

（4）once

There once was a man from NewYork       ---------------匹配
Who kept all of his cash in a bucket.   ---------------匹配

是匹配的。

（5）转义序列。所有的转义序列都用反斜杠(\)打头。

检测一个字符串是否以制表符开头，^\t

用\n表示"新行"，\r表示回车。其他的特殊符号，可以用在前面加上反斜杠，如反斜杠本身用\\表示，句号.用\.表示，以此类推。

2、字符簇

在INTERNET的程序中，正则表达式通常用来验证用户的输入。

当用户提交一个FORM以后，要判断输入的电话号码、地址、EMAIL地址、信用卡号码等是否有效，用普通的基于字面的字符是不够的。

所以要用一种更自由的描述我们要的模式的办法，它就是字符簇。

字符簇	描述
	HP的正则表达式有一些内置的通用字符簇
[[:alpha:]]	任何字母
[[:digit:]]	任何数字
[[:alnum:]]	任何字母和数字
[[:space:]]	任何空白字符
[[:upper:]]	任何大写字母
[[:lower:]]	任何小写字母
[[:punct:]]	任何标点符号
[[:xdigit:]]	任何16进制的数字，相当于[0-9a-fA-F]
	常用的字符簇
[AaEeIiOoUu]	所有元音字符的字符簇
[a-z]	匹配所有的小写字母
[a-zA-Z]	匹配所有的字母
[A-Z]	匹配所有的大写字母
[0-9]	匹配所有的数字
[0-9\.\-]	匹配所有的数字，句号和减号
[ \f\r\t\n]	匹配所有的白字符
^[a-z][0-9]$	由一个小写字母和一位数字组成，如"z2"、"t6"或"g7"，不是"ab2"、"r2d3" 或"b52"
^[^0-9][0-9]$	第一个字符不能是数字
[^a-z]	除了小写字母以外的所有字符
[^\\\/\^]	除了(\)(/)(^)之外的所有字符
[^\"\']	除了双引号(")和单引号(')之外的所有字符
^.5$	特殊字符"." (点，句号)在正则表达式中用来表示除了"新行"之外的所有字符。所以模式"^.5$"与任何两个字符的、以数字5结尾和以其他非"新行"字符开头的字符串匹配。模式"."可以匹配任何字符串，除了空串和只包括一个"新行"的字符串

3、确定重复出现

到现在为止，你已经知道如何去匹配一个字母或数字，但更多的情况下，可能要匹配一个单词或一组数字。一个单词有若干个字母组成，一组数字有若干个单数组成。跟在字符或字符簇后面的花括号({})用来确定前面的内容的重复出现的次数。

字符簇	描述
^[a-zA-Z_]$	所有的字母和下划线
^[[:alpha:]]{3}$	所有的3个字母的单词
^a$	字母a
^a{4}$	aaaa
^a{2,4}$	aa,aaa或aaaa
^a{1,3}$	a,aa或aaa
^a{2,}$	包含多于两个a的字符串
^a{2,}	如：aardvark和aaab，但apple不行
a{2,}	如：baad和aaa，但Nantucket不行
\t{2}	两个制表符
.{2}	所有的两个字符

^[a-zA-Z0-9_]{1,}$      // 所有包含一个以上的字母、数字或下划线的字符串 
^[1-9][0-9]{0,}$        // 所有的正整数 
^\-{0,1}[0-9]{1,}$      // 所有的整数 

^[-]?[0-9]+\.?[0-9]+$   // 所有的浮点数

最后一个例子不太好理解，是吗？这么看吧：以一个可选的负号 ([-]?) 开头 (^)、跟着1个或更多的数字([0-9]+)、和一个小数点(\.)再跟上1个或多个数字([0-9]+)，并且后面没有其他任何东西($)。。

特殊字符 ? 与 {0,1} 是相等的，它们都代表着： 0个或1个前面的内容 或 前面的内容是可选的 。所以刚才的例子可以简化为：

^\-?[0-9]{1,}\.?[0-9]{1,}$  // 所有的浮点数

特殊字符 * 与 {0,} 是相等的，它们都代表着 0 个或多个前面的内容 。最后，字符 + 与 {1,} 是相等的，表示 1 个或多个前面的内容 ，所以上面的4个例子可以写成：

^[a-zA-Z0-9_]+$      // 所有包含一个以上的字母、数字或下划线的字符串 
^[1-9][0-9]*$        // 所有的正整数 
^\-?[0-9]+$          // 所有的整数 
^[-]?[0-9]+(\.[0-9]+)?$ // 所有的浮点数