正则表达式

学过《编译原理》的应该都听说过它，没接触过也不要紧， 正则表达式就是能精确地描述你的需求的一个规则。

举例说明：

• /d+就是一个简洁的代码，代表着规则1位或更多位数字，2008就符合这个规则，而A3则不符合(它包含了不是数字的字符)。
• /b是正则表达式规定的一个特殊代码，代表着单词的开头或结尾。虽然通常英文的单词是由空格或标点符号或换行为分隔的，但是/b并不代表这些单词分隔符中的任何一个，只代表一个位置。
• 0/d/d-/d/d/d/d/d/d/d/d代表着这样的字符串：以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字(也就是中国的电话号码，当然，这个例子只能匹配区号为3位的情形，想同时匹配区号为4位的话，也不是很难哦，自己想想！

为了避免那么多烦人的重复，我们也可以这样写这个表达式：0/d{2}-/d{8}
这里/d后面的{2}({8})指定的是前面/d必须连续重复出现2次(8次)。

特殊代码现在你已经知道几个具有特殊意义的代码了，如/b,.,*，还有/d.事实上还有更多的特殊代码，比如/s代表任意的空白符，包括空格，制表符(Tab),换行符。/w代表着字母或数字。
下面来试试更多的例子：
/ba/w*/b匹配以字母a开头的单词-先是某个单词开始处(/b)，然后是字母a,然后是任意数量的字母或数字(/w*)，最后是单词结束处(/b)。
/d+匹配1个或更多连续的数字。这里的+是和*类似的特殊代码，不同的是*代表重复任意次(可能是0次)，而+则代表重复1次或更多次。
/b/w{6}/b 匹配刚好6个字母/数字的单词。

.	匹配除换行符以外的任意字符
/w	匹配字母或数字
/s	匹配任意的空白符
/d	匹配数字
/b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

特殊代码^以及$和/b有点类似，都匹配一个位置。^匹配你要用来查找的字符串的开头，$匹配结尾。这两个代码在验证输入的内容时非常有用。

比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用：^/d{5,12}$。
这里的{5,12}和前面介绍过的{2}是类似的，只不过{2}代表只能不多不少重复2次，{5,12}则是必须重复最少5次，最多12次，否则都不匹配。
因为使用了^和$，所以输入的整个字符串都要用来和/d{5,12}来匹配，也就是说整个输入必须是5到12个数字，因此如果输入的QQ号能匹配这个正则表达式的话，那就符合要求了。

和忽略大小写的选项类似，有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项，^和$的意义就变成了匹配行的开始处和结束处。
字符转义如果你想查找特殊代码本身的话，比如你查找.,或者*,就出现了问题：你没法指定它们，因为它们会被解释成其它的意思。这时你就必须使用/来取消这些字符的特殊意义。因此，你应该使用/.和/*。当然，要查找/本身，你也得用//.
例如：www/.unibetter/.com匹配www.unibetter.com，c://windows匹配c:/windows,2/^8匹配2^8(通常这是2的8次方的书写方式)。
重复你已经看过了前面的*,+,{2},{5,12}这几个代表重复的方式了。下面是正则表达式中所有指定重复的方式：

*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

下面是一些使用重复的例子：
Windows/d+匹配Windows后面跟1个或更多数字
13/d{9}匹配以13后面跟9个数字(中国的手机号)
^/w+匹配一行的第一个单词(或整个字符串的第一个单词，具体代表哪个意思得看选项设置)
字符类要想查找数字，字母或数字，空白是很简单的，因为已经有了对应这些字符集的特殊代码，但是如果你想匹配没有预定义特殊代码的字符集比如元音字母(a,e,i,o,u),怎么办？
很简单，你只需要在中括号里列出它们就行了，像[aeiou]就匹配任何一个元音字母，[.?!]匹配标点符号(.或?或!)(英文语句通常只以这三个标点结束)。要注意的是，在中括号中，特殊代码不会被解释成其它意义，所以我们不需要写成[/./?!](事实上这样写会出错，因为出现了两次/)。
我们也可以轻松地指定一个字符范围，像[0-9]代表的含意与/d就是完全一致的：一位数字，同理[a-z0-9A-Z]也完全等同于/w。
下面是一个更复杂的表达式：/(?0/d{2}[) -]?/d{8}。
这个表达式可以匹配几种格式的电话号码，像(010)88886666，或022-22334455，或02912345678等。我们对它进行一些分析吧：首先是一个转义字符/(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字({2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(/d{8})。不幸的是，它也能匹配010)12345678或(022-87654321这样的“不正确”的格式。要解决这个问题，请在本教程的下面查找答案。
反义有时需要查找不属于某个简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义：

/W	匹配任意不是字母和数字的字符
/S	匹配任意不是空白符的字符
/D	匹配任意非数字的字符
/B	匹配不是单词开头或结束的位置
[^x]	匹配除了x以外的任意字符
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符

例子：/S+代表不包含空白符的字符串。
]+>代表用尖括号括起来的以a开头的字符串。
替换好了，现在终于到了解决3位或4位区号问题的时间了。正则表达式里的替换指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开。听不明白？没关系，看例子：
0/d{2}-/d{8}|0/d{3}-/d{7}这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)。
/(0/d{2}/)[- ]?/d{8}|0/d{2}[- ]?/d{8}这个表达式匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔。你可以试试用替换|把这个表达式扩展成也支持4位区号的。
/d{5}-/d{4}|/d{5}这个表达式用于匹配美国的邮政编码。美国邮编的规则是5位数字，或者用连字号间隔的9位数字。之所以要给出这个例子是因为它能说明一个问题：使用替换时，顺序是很重要的。如果你把它改成/d{5}|/d{5}-/d{4}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配替换时，将会从左到右地测试每个条件，如果满足了某个条件的话，就不会去管其它的替换条件了。
Windows98|Windows2000|WindosXP这个例子是为了告诉你替换不仅仅能用于两种规则，也能用于更多种规则。
分组我们已经提到了怎么重复单个字符；但如果想要重复一个字符串又该怎么办？你可以用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了，你也可以对子表达式进行其它一些操作(教程后面会有介绍)。
(/d{1,3}/.){3}/d{1,3}是一个简单的IP地址匹配表达式。要理解这个表达式，请按下列顺序分析它：/d{1,3}代表1到3位的数字，(/d{1,3}/.}{3}代表三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(/d{1,3})。
不幸的是，它也将匹配256.300.888.999这种不可能存在的IP地址(IP地址中每个数字都不能大于255)。如果能使用算术比较的话，或许能简单地解决这个问题，但是正则表达式中并不提供关于数学的任何功能，所以只能使用冗长的分组，选择，字符类来描述一个正确的IP地址：((2[0-4]/d|25[0-5]|[01]?/d/d?)/.){3}(2[0-4]/d|25[0-5]|[01]?/d/d?)。
理解这个表达式的关键是理解2[0-4]/d|25[0-5]|[01]?/d/d?，这里我就不细说了，你自己应该能分析得出来它的意义。
后向引用使用小括号指定一个子表达式后，匹配这个子表达式的文本可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：以分组的左括号为标志，从左向右，第一个分组的组号为1，第二个为2，以此类推。
后向引用用于重复搜索前面某个分组匹配的文本。例如，/1代表分组1匹配的文本。难以理解？请看示例：
/b(/w+)/b/s+/1/b可以用来匹配重复的单词，像go go, kitty kitty。首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(/b(/w+)/b)，然后是1个或几个空白符(/s+，最后是前面匹配的那个单词(/1)。
你也可以自己指定子表达式的组号或组名。要指定一个子表达式的组名，请使用这样的语法：(? /w+),这样就把/w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用/k ,所以上一个例子也可以写成这样：/b(? /w+)/b/s*/k /b。
使用小括号的时候，还有很多特定用途的语法。下面列出了最常用的一些：

(exp)	匹配exp,并捕获文本到自动命名的组里
(? exp)	匹配exp,并捕获文本到名称为name的组里
(?:exp)	匹配exp,不捕获匹配的文本
(?=exp)	匹配exp前面的位置
(?< =exp)	匹配exp后面的位置
(?!exp)	匹配后面跟的不是exp的位置
(?< !exp)	匹配前面不是exp的位置
(?#comment)	这种类型的组不对正则表达式的处理产生任何影响，只是为了提供让人阅读注释

我们已经讨论了前两种语法。第三个(?:exp)不会改变正则表达式的处理方式，只是这样的组匹配的内容不会像前两种那样被捕获到某个组里面。
位置指定接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们用于指定一个位置，就像/b,^,$那样，因此它们也被称为零宽断言。最好还是拿例子来说明吧：
(?=exp)也叫零宽先行断言，它匹配文本中的某些位置，这些位置的后面能匹配给定的后缀exp。比如/b/w+(?=ing/b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如果在查找I’m singing while you’re dancing.时，它会匹配sing和danc。
(?< =exp)也叫零宽后行断言，它匹配文本中的某些位置，这些位置的前面能给定的前缀匹配exp。比如(?< =/bre)/w+/b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading。
假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，你可以这样查找需要在前面和里面添加逗号的部分：((?< =/d)/d{3})*/b。请仔细分析这个表达式，它可能不像你第一眼看出来的那么简单。
下面这个例子同时使用了前缀和后缀：(?< =/s)/d+(?=/s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)。
负向位置指定前面我们提到过怎么查找不是某个字符或不在某个字符类里的字符的方法(反义)。但是如果我们只是想要确保某个字符没有出现，但并不想去匹配它时怎么办？例如，如果我们想查找这样的单词–它里面出现了字母q,但是q后面跟的不是字母u,我们可以尝试这样：
/b/w*q[^u]/w*/b匹配包含后面不是字母u的字母q的单词。但是如果多做测试(或者你思维足够敏锐，直接就观察出来了)，你会发现，如果q出现在单词的结尾的话，像Iraq,Benq，这个表达式就会出错。这是因为[^u]总是匹配一个字符，所以如果q是单词的最后一个字符的话，后面的[^u]将会匹配q后面的单词分隔符(可能是空格，或者是句号或其它的什么)，后面的/w+/b将会匹配下一个单词，于是/b/w*q[^u]/w*/b就能匹配整个Iraq fighting。负向位置指定能解决这样的问题，因为它只匹配一个位置，并不消费任何字符。现在，我们可以这样来解决这个问题：/b/w*q(?!u)/w*/b。
零宽负向先行断言(?!exp)，只会匹配后缀exp不存在的位置。/d{3}(?!/d)匹配三位数字，而且这三位数字的后面不能是数字。
同理，我们可以用(?< !exp),零宽负向后行断言来查找前缀exp不存在的位置：(?< ![a-z])/d{7}匹配前面不是小写字母的七位数字(实验时发现错误？注意你的“区分大小写”先项是否选中)。
一个更复杂的例子：(?< =<(/w+)>).*(?=< ///1>)匹配不包含属性的简单HTML标签内里的内容。(< ?(/w+)>)指定了这样的前缀：被尖括号括起来的单词(比如可能是)，然后是.*(任意的字符串),最后是一个后缀(?=< ///1>)。注意后缀里的//，它用到了前面提过的字符转义；/1则是一个反向引用，引用的正是捕获的第一组，前面的(/w+)匹配的内容，这样如果前缀实际上是的话，后缀就是了。整个表达式匹配的是和之间的内容(再次提醒，不包括前缀和后缀本身)。
注释小括号的另一种用途是能过语法(?#comment)来包含注释。要包含注释的话，最好是启用“忽略模式里的空白符”选项，这样在编写表达式时能任意的添加空格，Tab，换行，而实际使用时这些都将被忽略。启用这个选项后，在#后面到这一行结束的所有文本都将被当成注释忽略掉。例如，我们可以把上一个表达式写成这样：
      (?< =    # 查找前缀，但不包含它      <(/w+)> # 查找尖括号括起来的字母或数字(标签)      )       # 前缀结束      .*      # 匹配任意文本      (?=     # 查找后缀，但不包含它      < ///1>  # 查找尖括号括起来的内容：前面是一个”/”，后面是先前捕获的标签      )       # 后缀结束    贪婪与懒惰当正则表达式中包含能接受重复的量词(指定数量的代码，例如*,{5,12}等)时，通常的行为是匹配尽可能多的字符。考虑这个表达式：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。
有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的量词都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧：
a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab和ab。

*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

还有些什么东西没提到我已经描述了构造正则表达式的大量元素，还有一些我没有提到的东西。下面是未提到的元素的列表，包含语法和简单的说明。你可以在网上找到更详细的参考资料来学习它们–当你需要用到它们的时候。如果你安装了MSDN Library,你也可以在里面找到关于.net下正则表达式详细的文档。

/a	报警字符(打印它的效果是电脑嘀一声)
/b	通常是单词分界位置，但如果在字符类里使用代表退格
/t	制表符，Tab
/r	回车
/v	竖向制表符
/f	换页符
/n	换行符
/e	Escape
/0nn	ASCII代码中八进制代码为nn的字符
/xnn	ASCII代码中十六进制代码为nn的字符
/unnnn	Unicode代码中十六进制代码为nnnn的字符
/cN	ASCII控制字符。比如/cC代表Ctrl+C
/A	字符串开头(类似^，但不受处理多行选项的影响)
/Z	字符串结尾或行尾(不受处理多行选项的影响)
/z	字符串结尾(类似$，但不受处理多行选项的影响)
/G	当前搜索的开头
/p{name}	Unicode中命名为name的字符类，例如/p{IsGreek}
(?>exp)	贪婪子表达式
(? - exp)	平衡组
(?- exp)	平衡组
(?im-nsx:exp)	在子表达式exp中改变处理选项
(?im-nsx)	为表达式后面的部分改变处理选项
(?(exp)yes|no)	把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no
(?(exp)yes)	同上，只是使用空表达式作为no
(?(name)yes|no)	如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no
(?(name)yes)	同上，只是使用空表达式作为no

一些我认为你可能已经知道的术语的参考字符 程序处理文字时最基本的单位，可能是字母，数字，标点符号，空格，换行符，汉字等等。 字符串 0个或更多个字符的序列。 文本 文字，字符串。 匹配 符合规则，检验是否符合规则，符合规则的部分。

 ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

常用正则表达式

匹配中文字符的正则表达式： [/u4e00-/u9fa5]

匹配双字节字符(包括汉字在内)：[^/x00-/xff]

应用：计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

String.prototype.len=function(){return this.replace([^/x00-/xff]/g,"aa").length;}

匹配空行的正则表达式：/n[/s| ]*/r

匹配HTML标记的正则表达式：/<(.*)>.*<///1>|<(.*) //>/

匹配首尾空格的正则表达式：(^/s+)|(/s+$)

应用：javascript中没有像vbscript那样的trim函数，我们就可以利用这个表达式来实现，如下：

String.prototype.trim = function()
{
return this.replace(/(^/s+)|(/s+$)/g, "");
}

利用正则表达式分解和转换IP地址：

下面是利用正则表达式匹配IP地址，并将IP地址转换成对应数值的Javascript程序：

function IP2V(ip)
{
re=/(/d+)/.(/d+)/.(/d+)/.(/d+)/g //匹配IP地址的正则表达式
if(re.test(ip))
{
return RegExp.$1*Math.pow(255,3))+RegExp.$2*Math.pow(255,2))+RegExp.$3*255+RegExp.$4*1
}
else
{
throw new Error("Not a valid IP address!")
}
}

不过上面的程序如果不用正则表达式，而直接用split函数来分解可能更简单，程序如下：

var ip="10.100.20.168"
ip=ip.split(".")
alert("IP值是："+(ip[0]*255*255*255+ip[1]*255*255+ip[2]*255+ip[3]*1))

匹配Email地址的正则表达式：/w+([-+.]/w+)*@/w+([-.]/w+)*/./w+([-.]/w+)*

匹配网址URL的正则表达式：http://([/w-]+/.)+[/w-]+(/[/w- ./?%&=]*)?

利用正则表达式去除字串中重复的字符的算法程序：[注：此程序不正确，原因见本贴回复]

var s="abacabefgeeii"
var s1=s.replace(/(.).*/1/g,"$1")
var re=new RegExp("["+s1+"]","g")
var s2=s.replace(re,"")
alert(s1+s2) //结果为：abcefgi

这个方法对于字符顺序有要求的字符串可能不适用。

得用正则表达式从URL地址中提取文件名的javascript程序，如下结果为page1

s="http://www.zhway.com/aaa.html"
s=s.replace(/(.*//){0,}([^/.]+).*/ig,"$2")
alert(s)

利用正则表达式限制网页表单里的文本框输入内容：

用正则表达式限制只能输入中文：οnkeyup="value=value.replace(/[^/u4E00-/u9FA5]/g,′′)" onbeforepaste="clipboardData.setData(′text′,clipboardData.getData(′text′).replace(/[^/u4E00-/u9FA5]/g,′′))"

用正则表达式限制只能输入全角字符： οnkeyup="value=value.replace(/[^/uFF00-/uFFFF]/g,′′)" onbeforepaste="clipboardData.setData(′text′,clipboardData.getData(′text′).replace(/[^/uFF00-/uFFFF]/g,′′))"

用正则表达式限制只能输入数字：οnkeyup="value=value.replace(/[^/d]/g,′′) "onbeforepaste="clipboardData.setData(′text′,clipboardData.getData(′text′).replace(/[^/d]/g,′′))"

用正则表达式限制只能输入数字和英文：οnkeyup="value=value.replace(/[/W]/g,′′) "onbeforepaste="clipboardData.setData(′text′,clipboardData.getData(′text′).replace(/[^/d]/g,′′))"


下面是常用的17种正则表达式：

"^/d+$"　　//非负整数（正整数 + 0）

"^[0-9]*[1-9][0-9]*$"　　//正整数

"^((-/d+)|(0+))$"　　//非正整数（负整数 + 0）

"^-[0-9]*[1-9][0-9]*$"　　//负整数

"^-?/d+$"　　　　//整数

"^/d+(/./d+)?$"　　//非负浮点数（正浮点数 + 0）

"^(([0-9]+/.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*/.[0-9]+)|([0-9]*[1-9][0-9]*))$"　　//正浮点数

"^((-/d+(/./d+)?)|(0+(/.0+)?))$"　　//非正浮点数（负浮点数 + 0）

"^(-(([0-9]+/.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*/.[0-9]+)|([0-9]*[1-9][0-9]*)))$"　　//负浮点数

"^(-?/d+)(/./d+)?$"　　//浮点数

"^[A-Za-z]+$"　　//由26个英文字母组成的字符串

"^[A-Z]+$"　　//由26个英文字母的大写组成的字符串

"^[a-z]+$"　　//由26个英文字母的小写组成的字符串

"^[A-Za-z0-9]+$"　　//由数字和26个英文字母组成的字符串

"^/w+$"　　//由数字、26个英文字母或者下划线组成的字符串

"^[/w-]+(/.[/w-]+)*@[/w-]+(/.[/w-]+)+$"　　　　//email地址

"^[a-zA-z]+://(/w+(-/w+)*)(/.(/w+(-/w+)*))*(/?/S*)?$"　　//url

提取信息中的网络链接:
(h|H)(r|R)(e|E)(f|F) *= *('|")?(/w|//|//|/.)+('|"| *|>)?
提取信息中的邮件地址:
/w+([-+.]/w+)*@/w+([-.]/w+)*/./w+([-.]/w+)*
提取信息中的图片链接:
(s|S)(r|R)(c|C) *= *('|")?(/w|//|//|/.)+('|"| *|>)?
提取信息中的ip地址:
(/d+)/.(/d+)/.(/d+)/.(/d+)
提取信息中的中国手机号码:
(86)*0*13/d{9}
提取信息中的中国固定电话号码:
(/(/d{3,4}/)|/d{3,4}-|/s)?/d{8}
提取信息中的中国电话号码（包括移动和固定电话）:
(/(/d{3,4}/)|/d{3,4}-|/s)?/d{7,14}
提取信息中的中国邮政编码:
[1-9]{1}(/d+){5}
提取信息中的中国身份证号码:
/d{18}|/d{15}
提取信息中的整数：
/d+
提取信息中的浮点数（即小数）：
(-?/d*)/.?/d+
提取信息中的任何数字 ：
(-?/d*)(/./d+)?
提取信息中的中文字符串：
[/u4e00-/u9fa5]*
提取信息中的双字节字符串 (汉字)：
[^/x00-/xff]*
提取信息中的英文字符串：
/w*