正则表达式
正则表达式是一种基础的模式匹配技术,是一个强大的字符串处理工具。使用合适的正则表达式,可以对文本执行过滤、剥离(strip)、替换、搜索等操作。
正则表达式的工作原理
正则表达式由复杂的状态机解析,尝试在目标文本中找到最佳匹配。文本可以是管道的输出、文件,甚至是在命令行中输入的字符串。正则表达式的实现方法不止一种,其实现引擎通常会选择最长的匹配。
正则表达式的规则
位置标记
位置标记锚点是标识字符串位置的正则表达式,默认情况下,正则表达式所匹配的字符可以出现在字符串中任何位置。
正则表达式 | 描述 | 示例 |
---|---|---|
^ | 指定了匹配正则表达式的文本必须起始于字符串的首部 | ^tux能够匹配以tux起始的行 |
$ | 指定了匹配正则表达式的文本必须结束于目标字符串的尾部 | tux$能够匹配以tux结尾的行 |
标识符
标识符是正则表达式的基础组成部分。它定义了那些为了匹配正则表达式,必须存在(或不存在)的字符。
正则表达式 | 描述 | 示例 |
---|---|---|
A字符 | 正则表达式必须匹配该字符 | A能够匹配字符A |
. | 匹配任意一个字符 | .只能匹配单个字符 |
[ ] | 匹配中括号内的任意一个字符,中括号内可以是一个字符组或字符范围 | coo[kl]能够匹配cook或cool,[0-9]匹配任意单个数字 |
[^] | 匹配不在括号中的任意一个字符,中括号内可以是一个字符组或字符范围 | 9[ ^01]能够匹配92和93,但是不能匹配91和90;A[ ^0-9]匹配A以及随后除数字外的任意单个字符 |
数量修饰符
一个标识符可以出现一次、多次或是不出现。数量修饰符定义了模式可以出现的次数
正则表达式 | 描述 | 示例 |
---|---|---|
? | 匹配之前的项1次或0次 | colou?r能够匹配color或colour,但不能匹配colouur |
+ | 匹配之前的项1次或多次 | Rollno-9+能够匹配Rollno-99或Rollno-9,但不能匹配Rollno- |
* | 匹配之前的项0次或多次 | co*l能够匹配col、cl、cool、coool |
{n} | 匹配在之前的项n次 | [0-9]{3}能够匹配任意的三位数,[0-9]{3}可以扩展为[0-9][0-9][0-9] |
{n,} | 之前的项至少匹配n次 | [0-9]{2,}能够匹配任意一个两位或更多位的数字 |
{n,m} | 之前的项所必须匹配的最小次数和最大次数 | [0-9]{2,5}能够匹配两位数到五位数中的任意一个数字 |
其他
还有一些其他的特殊字符可以调整正则表达式的匹配方式
正则表达式 | 描述 | 示例 |
---|---|---|
( ) | 将括号中的内容视为一个整体 | ma(tri)?x能够匹配max或matrix |
| | 指定了一种选择结构,可以匹配|两边的任意一项 | oct (1st|2nd)能够匹配oct 1st 或 oct 2nd |
\ | 转义字符可以转义之前介绍的特殊字符 | a\.b能够匹配a.b,但不能匹配ajb,因为ie\忽略了.的特殊意义 |
实例
一、能够匹配任意单词的正则表达式
( +[a-zA-Z]+ +)
开头的+表示需要匹配一个或多个空格,[a-zA-Z]表示匹配所有的大小写字母,随后的+表示至少要匹配一个字母,多者不限,最后的+表示需要匹配一个或多个空格来终结单词。
这个正则表达式无法匹配句子末尾的单词。要想匹配句尾或是逗号之前的单词,需要将正则表达式改写为:
( +[a-zA-Z]+[?,.]? +)
[?,.]?表示仅需要匹配问好、逗号、句号中的一个
二、匹配邮箱地址
[a-Z0-9_]+@[a-z0-9]+.[a-z]+.