正则表达式简介
1. 什么是正则表达式
这里是引用正则表达式(Regular Expression)是一种文本模式,包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为"元字符")。
正则表达式是使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。
语法
正则表达式是由普通字符和特殊字符所组成的。
普通字符的语法格式以及含义。
字符 | 描述 |
---|---|
[ABC] | 如图,[quop]匹配字符串“qwertyuiop”中所包含的q u o p字母![]() |
[^ABC] | 如图,[^quop]匹配字符串“qwertyuiop”中q u o p字母之外的所有字母。![]() |
[A-Z] | [A-Z]代表着是一个区间,匹配所有大写字母,同理,[a-z]是匹配所有小写字母![]() |
. | 匹配除换行符(\n、\r)之外的任何单个字符,相等于 [^\n\r]。![]() |
[\s\S] | 匹配所有。\s 是匹配所有空白符,包括换行,\S 非空白符,包括换行。![]() |
\w | 匹配字母、数字、下划线。等价于 [A-Za-z0-9_]![]() |
特殊字符的语法格式以及含义。
特殊字符 | 含义描述 |
---|---|
$ | 匹配输入字符串的结尾位置。要匹配 $ 字符本身的话,请使用 \$。用反斜杠进行转义 |
( ) | 标记一个子表达式的开始和结束位置。要匹配这些字符,请使用 \( 和 \)。 |
* | 匹配前面的子表达式零次或多次。要匹配 * 字符,请使用 \*。 |
+ | 匹配前面的子表达式一次或多次。要匹配 + 字符,请使用 \+。 |
. | 匹配除换行符 \n 之外的任何单字符。要匹配 . ,请使用 \. 。 |
[ | 标记一个中括号表达式的开始。要匹配 [,请使用 \[。 |
? | 匹配前面的子表达式零次或一次,或指明一个非贪婪限定符。要匹配 ? 字符,请使用 \?。 |
\ | 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如, ‘n’ 匹配字符 ‘n’。’\n’ 匹配换行符。序列 ‘\\’ 匹配 “\”,而 ‘\(’ 则匹配 “(”。 |
^ | 当该符号在方括号表达式中使用时,表示不接受该方括号表达式中的字符集合。要匹配 ^ 字符本身,请使用 \^。 |
{ | 标记限定符表达式的开始。要匹配 {,请使用 \{。 |
| | 指明两项之间的一个选择。要匹配 |,请使用 \ |
限定符
限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。
字符 | 含义描述 |
---|---|
* | 匹配前面的子表达式零次或多次。例如,mo* 能匹配 “m” 以及 “mooo”。* 等价于{0,}。 |
+ | 匹配前面的子表达式一次或多次。例如,‘mo+’ 能匹配 “mo” 以及 “moo”,但不能匹配 “m”。+ 等价于 {1,}。 |
? | 匹配前面的子表达式零次或一次。例如,“do(es)?” 可以匹配 “do” 、 “does” 中的 “does” 。? 等价于 {0,1}。 |
{n} | n 是一个非负整数。匹配确定的 n 次。例如,‘o{2}’ 不能匹配 “Job” 中的 ‘o’,但是能匹配 “food” 中的两个 o。 |
{n,} | n 是一个非负整数。至少匹配n 次。例如,‘o{2,}’ 不能匹配 “Job” 中的 ‘o’,但能匹配 “foooood” 中的所有 o。‘o{1,}’ 等价于 ‘o+’。‘o{0,}’ 则等价于 ‘o*’。 |
{n,m} | m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,“o{1,3}” 将匹配 “fooooood” 中的前三个 o。‘o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。 |
举个例子,如果想设置1~99的两位数,可以使用下面的表达式:
/[1-9][0-9]?/
*和+限定符都是贪婪的,因为这两个限定符会匹配相关的所有文字,如果想实现非贪婪或者最小匹配的话,可以在限定符后面加一个?
贪婪:
会从头到尾将所有文字匹配出来。
非贪婪(最小匹配):
只会匹配出<h2></h2>标签
定位符
定位符使您能够将正则表达式固定到行首或行尾。它们还使您能够创建这样的正则表达式,这些正则表达式出现在一个单词内、在一个单词的开头或者一个单词的结尾。
定位符用来描述字符串或单词的边界,^ 和 $ 分别指字符串的开始与结束,\b 描述单词的前或后边界,\B 表示非单词边界。
字符 | 含义描述 |
---|---|
^ | 匹配输入字符串开始的位置。 |
$ | 匹配输入字符串结尾的位置。 |
\b | 匹配一个单词边界,即字与空格间的位置。 |
\B | 非单词边界匹配。 |
若要在搜索章节标题时使用定位点,下面的正则表达式匹配一个章节标题,该标题只包含两个尾随数字,并且出现在行首:
/^Chapter [1-9][0-9]{0,1}/
既出现在行首又出现在同一行的结尾,也就是说这一行只有章节标题
/^Chapter [1-9][0-9]{0,1}$/
\b的位置是特别重要的,如果\b出现在字符串的前面,那么将只匹配开头的某几个字符
/\bCh/
\b出现在字符串的后面,那么将只匹配末尾的某几个字符
/er\b/
\B非单词边界处,如果后面所要匹配的字符串出现在单词的边界处时,则不匹配;反之则进行匹配
选择
用圆括号 () 将所有选择项括起来,() 表示捕获分组,() 会把每个分组里的匹配的值保存起来, 多个匹配值可以通过数字 n 来查看(n 是一个数字,表示第 n 个捕获组的内容)。
([1-9])([a-z]+) (代表一个数字开头多个字母结尾的字符串)
正则表达式的先行断言和后行断言一共有 4 种形式:
(?=pattern) 零宽正向先行断言(zero-width positive lookahead assertion)
(?!pattern) 零宽负向先行断言(zero-width negative lookahead assertion)
(?<=pattern) 零宽正向后行断言(zero-width positive lookbehind assertion)
(?<!pattern) 零宽负向后行断言(zero-width negative lookbehind assertion)
以下为4种形式的使用方式:
注:下列A、B都为正则表达式
- (?=pattern) 零宽正向先行断言:
A(?=B):查找 B前面的 A。 - (?<=pattern) 零宽正向后行断言:
(?<=B)A:查找 B后面的 A。 - (?!pattern) 零宽负向先行断言:
A(?!B):查找后面不是 B的 A。 - (?<!pattern) 零宽负向后行断言:
(?<!B)A:查找前面不是 B的 A。
反向引用:
反向引用的最简单的、最有用的应用之一,是提供查找文本中两个相同的相邻单词的匹配项的能力。
捕获的表达式,正如 [a-z]+ 指定的,包括一个或多个字母。正则表达式的第二部分是对以前捕获的子匹配项的引用,即,单词的第二个匹配项正好由括号表达式匹配。\1 指定第一个子匹配项。
单词边界元字符确保只检测整个单词。否则,诸如 “is issued” 或 “this is” 之类的词组将不能正确地被此表达式识别。
正则表达式后面的全局标记 g 指定将该表达式应用到输入字符串中能够查找到的尽可能多的匹配。
表达式的结尾处的不区分大小写 i 标记指定不区分大小写。
元字符:
除了上述普通字符和特殊字符之外,还有以下字符:
字符 | 含义描述 |
---|---|
x|y | 匹配 x 或 y。例如,‘z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food”。 |
\cx | 匹配由 x 指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 ‘c’ 字符。 |
\d | 匹配一个数字字符。等价于 [0-9]。 |
\D | 匹配一个非数字字符。等价于 [^0-9]。 |
\f | 匹配一个换页符。等价于 \x0c 和 \cL。 |
\n | 匹配一个换行符。等价于 \x0a 和 \cJ。 |
\r | 匹配一个回车符。等价于 \x0d 和 \cM。 |
\t | 匹配一个制表符。等价于 \x09 和 \cI。 |
\W | 匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’。 |
表达式中字符的优先级运算规则:
正则表达式从左到右进行计算,相同优先级的从左到右依次运算,不同优先级的从最高到最低进行运算。
以下为最高到最低的排序:
字符 | 字符描述 |
---|---|
\ | 转义符 |
(), (? : ), (?=), [] | 圆括号和方括号 |
^, $, \任何元字符、任何字符 | 定位点和序列(即:位置和顺序) |
| | 替换,“或"操作字符 具有高于替换运算符的优先级,使得"m|food"匹配"m"或"food”。若要匹配"mood"或"food",请使用括号创建子表达式,从而产生"(m|f)ood"。 |