正则表达式

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]+.