原文地址点击打开链接
正则表达式（regular expression ）就是用一个“ 字符串” 来描述一个特征，然后去验证另一个“ 字符串” 是否符合这个特征。比如 表达式“ab+” 描述的特征是“ 一个 'a' 和 任意个 'b' ” ，那么 'ab', 'abb', 'abbbbbbbbbb' 都符合这个特征。
正则表达式可以用来：（1 ）验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。（2 ）用来查找字符串，从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便。（3 ）用来替换，比普通的替换更强大。
正则表达式学习起来其实是很简单的，不多的几个较为抽象的概念也很容易理解。之所以很多人感觉正则表达式比较复杂，一方面是因为大多数的文档没有做到由浅 入深地讲解，概念上没有注意先后顺序，给读者的理解带来困难；另一方面，各种引擎自带的文档一般都要介绍它特有的功能，然而这部分特有的功能并不是我们首 先要理解的。
文章中的每一个举例，都可以点击进入到测试页面进行测试。闲话少说，开始。
1. 正则表达式规则
字母、数字、汉字、下划线、以及后边章节中没有特殊定义的标点符号，都是" 普通字符" 。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。
举例1 ：表达式 "c" ，在匹配字符串 "abcde" 时 ，匹配结果是：成功；匹配到的内容是："c" ；匹配到的位置是：开始于2 ，结束于3 。（注：下标从0 开始还是从1 开始，因当前编程语言的不同而可能不同）
举例2 ：表达式 "bcd" ，在匹配字符串 "abcde" 时 ，匹配结果是：成功；匹配到的内容是："bcd" ；匹配到的位置是：开始于1，结束于4 。
一些不便书写的字符，采用在前面加 "/" 的方法。这些字符其实我们都已经熟知了。
| 表达式 | 可匹配 |
| /r, /n | 代表回车和换行符 |
| /t | 制表符 |
| // | 代表 "/" 本身 |
还有其他一些在后边章节中有特殊用处的标点符号，在前面加 "/" 后，就代表该符号本身。比如：^, $ 都有特殊意义，如果要想匹配字符串中 "^" 和 "$" 字符，则表达式就需要写成 "/^" 和 "/$" 。
| 表达式 | 可匹配 |
| /^ | 匹配 ^ 符号本身 |
| /$ | 匹配 $ 符号本身 |
| /. | 匹配小数点（. ）本身 |
这些转义字符的匹配方法与 " 普通字符" 是类似的。也是匹配与之相同的一个字符。
举例1 ：表达式 "/$d" ，在匹配字符串 "abc$de" 时 ，匹配结果是：成功；匹配到的内容是："$d" ；匹配到的位置是：开始于3，结束于5 。
正则表达式中的一些表示方法，可以匹配 ' 多种字符' 其中的任意一个字符。比如，表达式 "/d" 可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。这就好比玩扑克牌时候，大小王可以代替任意一张牌，但是只能代替一张牌。
| 表达式 | 可匹配 |
| /d | 任意一个数字，0~9 中的任意一个 |
| /w | 任意一个字母或数字或下划线，也就是 A~Z,a~z,0~9,_ 中任意一个 |
| /s | 包括空格、制表符、换页符等空白字符的其中任意一个 |
| . | 小数点可以匹配除了换行符（/n ）以外的任意一个字符 |
举例1 ：表达式 " /d/d " ，在匹配 "abc123" 时 ，匹配的结果是：成功；匹配到的内容是："12" ；匹配到的位置是：开始于3，结束于5 。
举例2 ：表达式 " a ./d " ，在匹配 "aaa100" 时 ，匹配的结果是：成功；匹配到的内容是："aa1" ；匹配到的位置是：开始于1 ，结束于4 。
使用方括号 [ ] 包含一系列字符，能够匹配其中任意一个字符。用 [^ ] 包含一系列字符，则能够匹配其中字符之外的任意一个字符。同样的道理，虽然可以匹配其中任意一个，但是只能是一个，不是多个。
| 表达式 | 可匹配 |
| [ab5@] | 匹配 "a" 或 "b" 或 "5" 或 "@" |
| [^abc] | 匹配 "a","b","c" 之外的任意一个字符 |
| [f-k] | 匹配 "f"~"k" 之间的任意一个字母 |
| [^A-F0-3] | 匹配 "A"~"F","0"~"3" 之外的任意一个字符 |
举例1 ：表达式 " [bcd][bcd] " 匹配 "abc123" 时 ，匹配的结果是：成功；匹配到的内容是："bc" ；匹配到的位置是：开始于1 ，结束于3 。
举例2 ：表达式 " [^abc] " 匹配 "abc123" 时 ，匹配的结果是：成功；匹配到的内容是："1" ；匹配到的位置是：开始于3 ，结束于4 。
前面章节中讲到的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。如果使用表达式再加上修饰匹配次数的特殊符号，那么不用重复书写表达式就可以重复匹配。
使用方法是：" 次数修饰" 放在" 被修饰的表达式" 后边。比如："[bcd][bcd]" 可以写成 "[bcd]{2}" 。
| 表达式 | 作用 |
| {n} | 表达式重复n 次，比如："/w{2}" 相当于 "/w/w" ；"a{5}" 相当于 "aaaaa" |
| {m,n} | 表达式至少重复m 次，最多重复n 次，比如："ba{1,3}" 可以匹配 "ba" 或"baa" 或"baaa" |
| {m,} | 表达式至少重复m 次，比如："/w/d{2,}" 可以匹配 "a12","_456","M12344"... |
| ? | 匹配表达式0 次或者1 次，相当于 {0,1} ，比如："a[cd]?" 可以匹配 "a","ac","ad" |
| + | 表达式至少出现1 次，相当于 {1,} ，比如："a+b" 可以匹配 "ab","aab","aaab"... |
| * | 表达式不出现或出现任意次，相当于 {0,} ，比如："/^*b" 可以匹配 "b","^^^b"... |
举例1 ：表达式 " /d + /. ? /d * " 在匹配 "It costs $12.5" 时 ，匹配的结果是：成功；匹配到的内容是："12.5" ；匹配到的位置是：开始于10 ，结束于14 。
举例2 ：表达式 " go {2,8} gle " 在匹配 "Ads by goooooogle" 时 ，匹配的结果是：成功；匹配到的内容是："goooooogle"；匹配到的位置是：开始于7 ，结束于17 。
一些符号在表达式中代表抽象的特殊意义：
| 表达式 | 作用 |
| ^ | 与字符串开始的地方匹配，不匹配任何字符 |
| $ | 与字符串结束的地方匹配，不匹配任何字符 |
| /b | 匹配一个单词边界，也就是单词和空格之间的位置，不匹配任何字符 |
进一步的文字说明仍然比较抽象，因此，举例帮助大家理解。
举例1 ：表达式 " ^ aaa " 在匹配 "xxx aaa xxx" 时 ，匹配结果是：失败。因为 "^" 要求与字符串开始的地方匹配，因此，只有当 "aaa" 位于字符串的开头的时候，"^aaa" 才能匹配，比如："aaa xxx xxx" 。
举例2 ：表达式 " aaa $ " 在匹配 "xxx aaa xxx" 时 ，匹配结果是：失败。因为 "$" 要求与字符串结束的地方匹配，因此，只有当 "aaa" 位于字符串的结尾的时候，"aaa$" 才能匹配，比如："xxx xxx aaa" 。
举例3 ：表达式 " /b end /b " 在匹配 "weekend,endfor,end" 时 ，匹配结果是：成功；匹配到的内容是："end" ；匹配到的位置是：开始于15 ，结束于18 。
一些符号可以影响表达式内部的子表达式之间的关系：
| 表达式 | 作用 |
| | | 左右两边表达式之间 " 或" 关系，匹配左边或者右边 |
| ( ) | (1). 在被修饰匹配次数的时候，括号中的表达式可以作为整体被修饰 |
举例5 ：表达式 " Tom | Jack " 在匹配字符串 "I'm Tom, he is Jack" 时 ，匹配结果是：成功；匹配到的内容是："Tom" ；匹配到的位置是：开始于4 ，结束于7 。匹配下一个时，匹配结果是：成功；匹配到的内容是："Jack" ；匹配到的位置时：开始于15 ，结束于19 。
举例6 ：表达式 " ( go /s * ) + " 在匹配 "Let's go go go!" 时 ，匹配结果是：成功；匹配到内容是："go go go" ；匹配到的位置是：开始于6 ，结束于14 。
举例7 ：表达式 " ￥ ( /d + /. ? /d * ) " 在匹配 " ＄10.9, ￥20.5" 时 ，匹配的结果是：成功；匹配到的内容是："￥20.5" ；匹配到的位置是：开始于6 ，结束于10 。单独获取括号范围匹配到的内容是："20.5" 。
2. 正则表达式中的一些高级规则
在使用修饰匹配次数的特殊符号时，有几种表示方法可以使同一个表达式能够匹配不同的次数，比如："{m,n}", "{m,}", "?", "*", "+" ，具体匹配的次数随被匹配的字符串而定。这种重复匹配不定次数的表达式在匹配过程中，总是尽可能多的匹配。比如，针对文本 "dxxxdxxxd" ，举例如下：
| 表达式 | 匹配结果 |
| "/w+" 将匹配第一个 "d" 之后的所有字符 "xxxdxxxd" | |
| "/w+" 将匹配第一个 "d" 和最后一个 "d" 之间的所有字符 "xxxdxxx" 。虽然 "/w+" 也能够匹配上最后一个 "d" ，但是为了使整个表达式匹配成功，"/w+" 可以 " 让出" 它本来能够匹配的最后一个 "d" |
由此可见，"/w+" 在匹配的时候，总是尽可能多的匹配符合它规则的字符。虽然第二个举例中，它没有匹配最后一个 "d" ，但那也是为了让整个表达式能够匹配成功。同理，带 "*" 和 "{m,n}" 的表达式都是尽可能地多匹配，带 "?" 的表达式在可匹配可不匹配的时候，也是尽可能的 " 要匹配" 。这 种匹配原则就叫作 " 贪婪" 模式 。
非贪婪模式：
在修饰匹配次数的特殊符号后再加上一个 "?" 号，则可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的 " 不匹配" 。这种匹配原则叫作 " 非贪婪" 模式，也叫作 " 勉强" 模式。如果少匹配就会导致整个表达式匹配失败的时候，与贪婪模式类似，非贪婪模式会最小限度的再匹配一些，以使整个表达式匹配成功。举例如下，针对文本 "dxxxdxxxd" 举例：
| 表达式 | 匹配结果 |
| "/w+?" 将尽可能少的匹配第一个 "d" 之后的字符，结果是："/w+?" 只匹配了一个 "x" | |
| 为了让整个表达式匹配成功，"/w+?" 不得不匹配 "xxx" 才可以让后边的 "d" 匹配，从而使整个表达式匹配成功。因此，结果是："/w+?" 匹配 "xxx" |
更多的情况，举例如下：
举例1 ：表达式 " <td> ( . * ) </td> " 与字符串 "<td><p>aa</p></td> <td><p>bb</p></td>" 匹配时 ，匹配的结果是：成功；匹配到的内容是 "<td><p>aa</p></td> <td><p>bb</p></td>" 整个字符串， 表达式中的 "</td>" 将与字符串中最后一个 "</td>" 匹配。
举例2 ：相比之下，表达式 " <td> ( . *? ) </td> " 匹配举例1 中同样的字符串时 ，将只得到 "<td><p>aa</p></td>" ， 再次匹配下一个时，可以得到第二个 "<td><p>bb</p></td>" 。
表达式在匹配时，表达式引擎会将小括号 "( )" 包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候，小括号包含的表达式所匹配到的字符串可以单独获取。这一点，在前面的举例中，已经多次展示 了。在实际应用场合中，当用某种边界来查找，而所要获取的内容又不包含边界时，必须使用小括号来指定所要的范围。比如前面的 "<td> ( . *? ) </td> " 。
其实，" 小括号包含的表达式所匹配到的字符串" 不仅是在匹配结束后才可以使用，在匹配过程中也可以使用。表达式后边的部分，可以引用前面 " 括号内的子匹配已经匹配到的字符串" 。引用方法是 "/" 加上一个数字。"/1" 引用第1 对括号内匹配到的字符串，"/2" 引用第2 对括号内匹配到的字符串…… 以此类推，如果一对括号内包含另一对括号，则外层的括号先排序号。换句话说，哪一对的左括号 "(" 在前，那这一对就先排序号。
举例如下：
举例1 ：表达式 " ( ' | " )( . *? )( /1 ) " 在匹配 " 'Hello', "World" " 时 ，匹配结果是：成功；匹配到的内容是：" 'Hello' " 。再次匹配下一个时，可以匹配到 " "World" " 。
举例2 ：表达式 " < ( /w + ) /s * ( /w + ( = ( ' | " ) . *? /4 ) ? /s * ) * > . *? </ /1 > " 在匹配 "<td id='td1' style="bgcolor:white"></td>" 时 ，匹配结果是成功。如果 "<td>" 与 "</td>" 不配对，则会匹配失败；如果改成其他配对，也可以匹配成功。
前面的章节中，我讲到了几个代表抽象意义的特殊符号："^" ，"$" ，"/b" 。它们都有一个共同点，那就是：它们本身不匹配任何字符，只是对 " 字符串的两头" 或者 " 字符之间的缝隙" 附加了一个条件。理解到这个概念以后，本节将继续介绍另外一种对 "两头" 或者 " 缝隙" 附加条件的，更加灵活的表示方法。
正向预搜索："(?=xxxxx)" ，"(?!xxxxx)"
格式："(?=xxxxx)" ，在被匹配的字符串中，它对所处的 " 缝隙" 或者 " 两头" 附加的条件是：所在缝隙的右侧，必须能够匹配上 xxxxx 这部分的表达式。因为它只是在此作为这个缝隙上附加的条件，所以它并不影响后边的表达式去真正匹配这个缝隙之后的字符。这就类似 "/b" ，本身不匹配任何字符。"/b" 只是将所在缝隙之前、之后的字符取来进行了一下判断，不会影响后边的表达式来真正的匹配。
举例1 ：表达式 " Windows (?= NT | XP ) " 在匹配 "Windows 98, Windows NT, Windows 2000" 时 ，将只匹配 "Windows NT"中的 "Windows " ，其他的 "Windows " 字样则不被匹配。
格式："(?!xxxxx)" ，所在缝隙的右侧，必须不能匹配 xxxxx 这部分表达式。
举例2 ：表达式 " ( (?! /b stop /b ) . ) + " 在匹配 "fdjka ljfdl stop fjdsla fdj" 时 ，将从头一直匹配到 "stop" 之前的位置，如果字符串中没有 "stop" ，则匹配整个字符串。
举例3 ：表达式 " do (?! /w ) " 在匹配字符串 "done, do, dog" 时 ，只能匹配 "do" 。在本条举例中，"do" 后边使用 "(?!/w)" 和使用 "/b" 效果是一样的。
反向预搜索："(?<=xxxxx)" ，"(?<!xxxxx)"
这两种格式的概念和正向预搜索是类似的，反向预搜索要求的条件是：所在缝隙的 " 左侧" ，两种格式分别要求必须能够匹配和必须不能够匹配指定表达式，而不是去判断右侧。与 " 正向预搜索" 一样的是：它们都是对所在缝隙的一种附加条件，本身都不匹配任何字符。
举例4 ：表达式 "(?<= /d {4} ) /d + (?= /d {4} ) " 在匹配 "1234567890123456" 时，将匹配除了前4 个数字和后4 个数字之外的中间8 个数字。由于 JScript.RegExp 不支持反向预搜索，因此，本条举例不能够进行演示。很多其他的引擎可以支持反向预搜索，比如：Java 1.4 以上的 java.util.regex 包，.NET 中System.Text.RegularExpressions 命名空间，以及本站推荐的最简单易用的 DEELX 正则引擎 。
还有一些在各个正则表达式引擎之间比较通用的规则，在前面的讲解过程中没有提到。
3.1 表达式中，可以使用 "/xXX" 和 "/uXXXX" 表示一个字符（"X" 表示一个十六进制数）
| 形式 | 字符范围 |
| /xXX | 编号在 0 ~ 255 范围的字符，比如：空格可以使用 "/x20" 表示 |
| /uXXXX | 任何字符可以使用 "/u" 再加上其编号的4 位十六进制数表示，比如："/u4E2D" |
3.2 在表达式 "/s" ，"/d" ，"/w" ，"/b" 表示特殊意义的同时，对应的大写字母表示相反的意义
| 表达式 | 可匹配 |
| /S | |
| /D | |
| /W | |
| /B |
3.3 在表达式中有特殊意义，需要添加 "/" 才能匹配该字符本身的字符汇总
| 字符 | 说明 |
| ^ | 匹配输入字符串的开始位置。要匹配 "^" 字符本身，请使用 "/^" |
| $ | 匹配输入字符串的结尾位置。要匹配 "$" 字符本身，请使用 "/$" |
| ( ) | 标记一个子表达式的开始和结束位置。要匹配小括号，请使用 "/(" 和 "/)" |
| [ ] | 用来自定义能够匹配 ' 多种字符' 的表达式。要匹配中括号，请使用 "/[" 和 "/]" |
| { } | 修饰匹配次数的符号。要匹配大括号，请使用 "/{" 和 "/}" |
| . | 匹配除了换行符（/n ）以外的任意一个字符。要匹配小数点本身，请使用 "/." |
| ? | 修饰匹配次数为 0 次或 1 次。要匹配 "?" 字符本身，请使用 "/?" |
| + | 修饰匹配次数为至少 1 次。要匹配 "+" 字符本身，请使用 "/+" |
| * | 修饰匹配次数为 0 次或任意次。要匹配 "*" 字符本身，请使用 "/*" |
| | | 左右两边表达式之间 " 或" 关系。匹配 "|" 本身，请使用 "/|" |
3.4 括号 "( )" 内的子表达式，如果希望匹配结果不进行记录供以后使用，可以使用 "(?:xxxxx)" 格式
举例1 ：表达式 " (?: ( /w ) /1 ) + " 匹配 "a bbccdd efg" 时 ，结果是 "bbccdd" 。括号 "(?:)" 范围的匹配结果不进行记录，因此 "(/w)" 使用 "/1" 来引用。
3.5 常用的表达式属性设置简介：Ignorecase ，Singleline ，Multiline ，Global
| 表达式属性 | 说明 |
| Ignorecase | 默认情况下，表达式中的字母是要区分大小写的。配置为 Ignorecase 可使匹配时不区分大小写。有的表达式引擎，把 "大小写" 概念延伸至 UNICODE 范围的大小写。 |
| Singleline | 默认情况下，小数点 "." 匹配除了换行符（/n ）以外的字符。配置为 Singleline 可使小数点可匹配包括换行符在内的所有字符。 |
| Multiline | 默认情况下，表达式 "^" 和 "$" 只匹配字符串的开始 ① 和结尾 ④ 位置。如： |
| Global | 主要在将表达式用来替换时起作用，配置为 Global 表示替换所有的匹配。 |
4.1 如果想要了解高级的正则引擎还支持那些复杂的正则语法，可参见DEELX 正则引擎的说明文档 。
4.2 如果要要求表达式所匹配的内容是整个字符串，而不是从字符串中找一部分，那么可以在表达式的首尾使用 "^" 和 "$" ，比如："^ /d + $ " 要求整个字符串只有数字。
4.3 如果要求匹配的内容是一个完整的单词，而不会是单词的一部分，那么在表达式首尾使用 "/b" ，比如：使用 " /b ( if | while| else | void | int…… ) /b " 来匹配程序中的关键字 。
4.4 表达式不要匹配空字符串。否则会一直得到匹配成功，而结果什么都没有匹配到。比如：准备写一个匹配 "123" 、"123."、"123.5" 、".5" 这几种形式的表达式时，整数、小数点、小数数字都可以省略，但是不要将表达式写成："/d * /. ? /d * " ，因为如果什么都没有，这个表达式也可以匹配成功。更好的写法是：" /d + /. ? /d * | /. /d + " 。
4.5 或 "|" 的左右两边，对某个字符最好只有一边可以匹配，这样，不会因为 "|" 两边的表达式因为交换位置而有所不同。
扫一扫
13万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
