正则表达式

Character Class

字符组

1.定义：

正则表达式中的结构体（construct）'[……]'成为字符组（character class），它容许使用者列出在某处期望匹配的字符。

2.使用：

a.匹配若干字符之一

例1，需要搜索单词“grey”，但是不确定是“gray”还是“grey”，使用正则表达式

gr[ae]y

可以匹配出“gray”和“grey”，

例2，需要搜索单词smith，但是单词首字母可能会大写，使用正则表达式

[Ss]mith

可以匹配出“smith”和“Smith”

例3，需要匹配<h1>...<h6>，字符组可以列举任意多个字符，因此使用正则表达式

<h[123456]>或者<h[1-6]>

可以匹配出

注：“－”是字符组元字符，称为“连字符”，它表示一个范围。（[0-9],[a-z]是很常用的匹配数字和小写字母的简便方式，同时[0-9a-zA-Z]也是常用的多重范围匹配）

b.排除型字符组

例1，需要匹配满足条件（字母q后面不是字母u），使用正则表达式

q[^u]

它将匹配一个未列出的字符（u是列出的字符）

Dot

a.用点号匹配任意字符

例1，需要匹配出时间的数字，时间格式可能为(23-08-00｜23:08:00｜23/08/00)，使用正则表达式

[[0-23].[0-59].[0-59]]

注："."也是一个元字符，它是一个能够匹配任意字符的“占位符”，上例中的.也可以用[-:/]列举法替换

Alternation

多选结构

a.匹配任意子表达式

例1，需要从一封email中匹配出发信人（from）日期（date）标题（title），使用正则表达式

^(from|date|title):

能匹配出第一行起始是from: date: title:（gr[ae]y可以用多选结构gray|grey代替）

Optional Items

可选项元素

a.元字符'?'

例1，7月英文写法有两种：July和Jul，使用正则表达式

July?

能匹配出July和Jul

注：元字符'?'前面的元素是可选的，匹配时可以有也可以没有

Repetition

重复出现

1,定义

元字符'+'和'*'都用于表示重复出现，其中'+'表示之前紧邻的元素出现1次及以上，而'*'表示出现0次及以上。

2,使用

例1，有一个HTML的tag <size=14>,等号，尖括号内侧都有可能有空格，使用正则表达式

<.*size.*=.*[0-9]+.*>

注：[0-9]+表示它是一个大于等于0的数，.*表示可以出现任意多个空格

例2，美国的股票代码是1到5个字母组成，使用正则表达式

[a-zA-Z]{1,5}

注：使用大括号{m,n}表示前面紧邻元素重复的次数在m到n次

Escape

转义

1,定义

在匹配的文本中可能需要匹配点，问号，斜杠，括号等字符，但是这些字符却是正则表达式的元字符，因此使用转义来表示

2,使用

例1，匹配出可能带有小数点的美元，使用正则表达式

\$[0-9]+(\.[0-9]+)?

注：由于可能带有小数点，因此小数点后面需要元字符"?"。由于"."是一个元字符，因此需要加上反斜杠来转义，表示这里应该匹配的是个点，而不是任意字符