本文目标
明白正则表达式是什么,并对他有一定的基本了解。让你可以在自己的程序或网页中使用它。
正则表达式到底是什么东西?
说白了就是通过一个表达式匹配一个字符串或字符串中的一部分.正则表达式非常强大,对于一般程序员来讲,掌握基本使用即可,不必深究.
在编写处理字符串的程序或网页时,经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说,正则表达式就是记录文本规则的代码。
入门
学习正则表达式的最好方法是从例子开始,理解例子之后再自己对例子进行修改,实验。下面给出了不少简单的例子,并对它们作了详细的说明。
假设你在一篇英文小说里查找 hi,你可以使用正则表达式 hi。
这几乎是最简单的正则表达式了,它可以精确匹配这样的字符串:由两个字符组成,前一个字符是h,后一个是 i。通常,处理正则表达式的工具会提供一个忽略大小写的选项,如果选中了这个选项,它可以匹配 hi,HI,Hi,hI 这四种情况中的任意一种。
不幸的是,很多单词里包含 hi 这两个连续的字符,比如 him,history,high 等等。用 hi 来查找的话,这里边的 hi 也会被找出来。
如果要精确地查找 hi 这个单词的话,我们应该使用
\b
hi
\b
。
\b :
正则表达式规定的一种特殊代码(元字符),代表着单词的开头和结》尾,业务就是单词的分界处。虽然通常英文的单词是由空格,标点符号或者换行来分隔的,但是 \b 并不匹配这些单词分隔字符 中的任何一个, 它只匹配一个位置如果需要更精确的说法,\b 匹配这样的位置:它的前一个字符和后一个字符不全是(一个是,一个不是或不存在) \w (匹配包括下划线的任何单词字符)。
假如你要找的是 hi 后面不远处跟着一个 Lucy,你应该用 \b hi \b .∗ \b Lucy \b 。
. 是另一个元字符,匹配除了换行符的任意字符。
换行符就是 \n ,ASCII编码为10 (十六进制0x0A) 的字符。
其他更强大的正则表达式的例子:
0\d\d-\d\d\d\d\d\d\d\d 匹配这样的字符串:
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)。
\d 是个新的元字符,匹配一位数字(0,或1,或2,或……)。- 不是元字符,只匹配它本身——连字符(或者减号,或者中横线,或者随你怎么称呼它)。
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} 或 ({8}) 的意思是前面 \d 必须连续重复匹配 2次 或 (8次)。
元字符
\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*类似的元字符,不同的是*匹配重复任意次(可能是0次),而+则匹配重复1次或更多次。
表达式里的单词:就是不少于一个的连续的 \w 。不错,这与学习英文时要背的成千上万个同名的东西的确关系不大 :)
表1.常用的元字符
代码 | 说明 |
---|---|
. | 匹配除换行符以外的任意字符 |
w | 匹配字母或数字或下划线或汉字 |
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 |
正则表达式引擎通常会提供一个“测试指定的字符串是否匹配一个正则表达式”的方法,如 JavaScript 里的 RegExp.test() 方法或 .NET 里的 Regex.IsMatch() 方法。这里的匹配是指是字符串里有没有符合表达式规则的部分。如果不使用 ^ 和 $ 的话,对于 \d{5,12} 而言,使用这样的方法就只能保证字符串里包含 5 到 12 连续位数字,而不是整个字符串就是 5 到 12 位数字。
元字符 ^(和数字6在同一个键位上的符号)和 $ 都匹配一个位置,这和 \b 有点类似。^ 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} 匹配只能不多不少重复 2 次,{5,12} 则是重复的次数不能少于 5 次,不能多于 12 次,否则都不匹配。
字符转义
如果你想查找元字符本身的话,比如你查找 . 或者 *,就出现了问题:你没办法指定它们,因为它们会被解释成别的意思。这时你就得使用\ 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\\。
\用来取消特殊字符的意义。
重复
表2.常用的限定符
代码/语法 | 说明 |
---|---|
* | 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 |
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合的元字符,但是如果你想匹配没有预定义元字符的字符集合(比如元音字母a,e,i,o,u),应该怎么办?
很简单,你只需要在方括号里列出它们就行了,像 [aeiou] 就匹配任何一个英文元音字母,[.?!] 匹配标点符号 (. 或 ? 或 !)。
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(如果只考虑英文的话)。
下面是一个更复杂的表达式:
英文括号 ( 和 ) 也是元字符,后面的分组节里会提到,所以在这里需要使用转义 ( \ )。