1、关于正则表达式的描述及其应用
正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,
这个“规则字符串”用来表达对字符串的一种过滤逻辑。
给定一个正则表达式和另一个字符串,我们可以达到如下的目的:
1. 给定的字符串是否符合正则表达式的过滤逻辑(称作“匹配”);
2. 可以通过正则表达式,从字符串中获取我们想要的特定部分。
2、简单的正则表达式应用举例
查找hi
hi是一个最简单的正则表达式,可用来在一段文本中查找hi,像him, history, high这些单词中都包含hi
精确匹配单词hi
\bhi\b 精确的只匹配单词hi \b是正则表达式中规定的特殊代码(元字符),代表着单词的开头或者结尾,即单词的边界
hi后面不远处跟着一个lucy
\bhi\b.*\blucy\b .是正则表达式中的元字符,匹配除了换行符\n以外的任意字符 *是正则表达式中的元字符,代表数量(可以是0次),意指*前面的内容可以连续重复使用任意次使整个表达式匹配。
以0开头的三位区号-为连接符的8位电话号码
0\d\d-\d\d\d\d\d\d\d\d \d是正则表达式中的元字符,匹配一位数字。 0\d{2}-\d{8} {2}意思是前面的\d必须连续重复匹配两次
以字母a开头的单词
\ba\w*\b \w是正则表达式中的元字符,匹配字母、数字、下划线、汉字等
1个或更多连续的数字
\d+ +是正则表达式中的元字符,匹配前面内容1次或者更多次
刚好6个字符的单词
\bw{6}\b
5位到12位数字(如网站输入QQ)
^\d{5,12}$ ^是正则表达式中的元字符,匹配字符串的开始 $是正则表达式中的元字符,匹配字符串的结束 {5,12}指的是匹配次数>=5且<=12
linux后面跟一个或更多的数字
linux\d+
3、一些细枝末节
常用元字符总结
. 匹配除换行符以外的任意字符 \w 匹配字母、数字、下划线、汉字 \s 匹配任意空白符 \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
字符转义
如果想查找元字符本身必须使用\对其转义,例如查找.应该使用\.,\被用作转义字符了,那么如果查找\,则需要使用\\。 例如:c:\\windows匹配c:\windows
常用限定符总结(限定符限定它们之前的字符)
* 重复>=0次 + 重复>=1次 ? 重复0次或1次 {n} 重复n次 {n, } 重复>=n次 {n,m} 重复[n,m]次
(字符类)匹配指定字符集合中的任意一个字符
使用[]指定字符范围。例如:[aeiou]匹配任何一个元音字母 [0-9]匹配任意一位数字 [a-z0-9A-Z_]匹配数字、字母、下划线(类似\w的功能)
常用反义代码总结
\W 匹配任意不是字母、数字、下划线、汉字的字符 \S 匹配任意不是空白的字符 \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以外的任意字符 例如: \S+ 匹配不包含空白符的字符串 <a[^>]+> 匹配用尖括号括起来的以a开头的字符串
4、由一些问题引出的思考
0\d{2}[- ]?\d{8}
以上的正则表达式目的是匹配几种格式的电话号码,例如(010)87324159或021-43226791或02981072105 分析: \(? (出现一次或者不出现 0 区号第一个数字必须是0 \d{2} 2个数字 [) -]? )、空格、-三者中只能出现一个,或者都不出现 \d{8} 8位电话号码 基于上面的分析,可能出现下面的几种错误依然被匹配的情况: (010 87324159 (010-87324159 (01087324159 010)87324159
针对这个问题引入分支条件,基于不同的情形匹配不同的规则:
\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8} 分支条件使用|,|类似于c语言中的|,满足某一问题的解的几种情况应该用|连接起来。 |具有短路功能,若|之前的条件已经满足则|之后的不会去匹配。例如:B包含于A,必须写成A|B,不能写成B|A,因为会漏掉一些情况。
如何重复多个字符?
使用分组(子表达式)后指定分组的重复次数,作为分组的字符用()包含进去
(\d{1,3}\.){3}\d{1,3}------简单的IP地址匹配 分析:\d{1,3}匹配1到3位数字,{3}将之前的分组匹配3次,\d{1,3}作为IP地址的最后一个字节的数字。 基于上面的分析,该正则表达式是不合法的,IP地址中的每个数字必须小于255。 正确的IP地址匹配: ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) 要注意分支条件的排列顺序,3位数字的匹配必须先于2位数字。