正则表达式的入门-1

首先来了解下什么是正则表达式？（what）

           正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。 许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在Perl中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由Unix中的工具软件（例如sed和grep）普及开的。正则表达式通常缩写成“regex”，单数有regexp、regex，复数有regexps、regexes、regexen。

 

           通俗来说，正则表达式是对字符串（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”））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。正则表达式是一种文本模式，模式描述在搜索文本时要匹配的一个或多个字符串。

 

正则表达式的特点是   1.灵活性、逻辑性和功能性非常的强；

                                              2.可以迅速地用极简单的方式达到字符串的复杂控制；

                                              3.对于刚接触的人来说，比较晦涩难懂

 

正则表达式的分类：

                              1.普通字符、

                              2.标准字符、

                              3.特殊字符、

                              4.限定字符（又叫量词）

                              5.定位字符（也叫边界字符）

普通字符

       包括字母[a-zA-Z]、数字[0-9]、下划线[-]、汉字，标点符号：

• 匹配字母a可以 regex=a
• 匹配字母b可以 regex=b
• 匹配字母a或者b可以 regex=a|b，这个正则引入一个特殊字符“|”，专业名称为“或”，你也可以叫它“竖线”，它表示“或”的意思。
• 匹配字母a或者b或者c可以 regex=a|b|c
• 匹配字母a或者b或者c或者d可以 regex=a|b|c|d
• 如果匹配所有26个字母，这种写法明显很二(low)了。

       这里引入两个特殊字符方括号“[ ]”和中划线“-” 。“[ ]”专业名称为“字符集合”，你也可以叫它“方括号”。“-” 表示“范围”，你也可以叫它“到”，regex=[A-Z] 匹配从A到Z26个字母中的任意一个。

举例来说，那么匹配字母a或者b或者c或者d可以 regex=[abcd]。

匹配数字1到8的任意数字可以 regex=[1-8]，这样就不会匹配到0与9这2个数字了，如下：

                                                                      

标准字符集合

标准字符集合是能够与“多种普通字符”匹配的简单表达式，比如：\d、\w、\s。

匹配数字0到9的任意数字可以 regex=[0-9] 也可以 regex=\d。

标准字符集要注意区分大小写，大写是相反的意思。

regex=\D，则匹配非数字字符，即不能匹配数字0到9，如下：

                                                                     

 

 

 

常用的标准字符说明 标黄的要熟记。

 

特殊字符

特殊字符在正则表达式中表示特殊的含义，比如：*，+，？，\，等等。

• “\”是转义字符，用于匹配特殊字符
• 匹配反斜杠“\”可以 regex=\\，因为“\”是特殊字符，所以需要在它前边再加一个“\”进行转义
• 匹配星号“*”，可以 regex=\，因为“\”是特殊字符，所以需要在它前边再加一个“\”进行转义

常用的特殊字符说明 标黄的要熟记。

限定字符

限定字符又叫量词，是用于表示匹配的字符数量的。

• 匹配任意1位数字可以 regex=\d
• 匹配任意2位数字可以 regex=\d\d
• 匹配任意3位数字可以 regex=\d\d\d

匹配任意8位数字，再这么写就有点二了。这里引入用于表示数量限定字符“{n}”。“{n}”，n是一个非负整数，匹配确定的n次。

注意：regex=\d\d{3} 匹配任意4个数字不是6个，量词只对它前面的字符负责， regex=\d\d{3} 匹配的内容如下：

                                                                     

• 匹配任意8位数字可以 regex=\d{8}
• 匹配任意8位以上的数字可以 regex=\d{8,}
• 匹配任意1到8位以上的数字可以 regex=\d{1,8}

                                                            

从上图，我们可以看到 regex=\d{1,8}，可以匹配到任意1-8个数字，超过8位数字后，从新开始匹配。

 注意： 匹配次数中的“贪婪模式”与“非贪婪模式”：

正则的匹配默认是贪婪模式，即匹配的字符越多越好，而非贪婪模式是匹配的字符越少越好，在修饰匹配字数的量词后再加上一个问号“?”即可。

那么同样是上面的字符串，regex=\d{1,8}?匹配到什么呢？

                                                            

 

因为在{1,8}这个量词后面加上了问号“?”，表示非贪婪模式，所以只能匹配到1个数字，即匹配的字符越少越好

 

常用的限定字符说明 标黄的要熟记。

• 匹配0个或多个字母A可以 regex=A* 或者 regex=A{0,}
• 匹配至少一个字母A可以 regex=A+ 或者 regex=A{1,}
• 匹配0个或1字母A可以 regex=A?或者 regex=A{0,1}
• 匹配至少一个 Hello可以 regex=(Hello)+，匹配的效果如下：

     

 

定位字符

定位字符也叫字符边界，标记匹配的不是字符而是符合某种条件的位置，所以定位字符是“零宽的”。

常用的定位字符：

匹配以 Hello 开头的字符串可以 regex=^Hello

                                                         

匹配以 Hello 结尾的字符串可以 regex=Hello$，如下：

                                                            

 

匹配以H开头以o结尾的任意长度字符串可以regex=^H.*o$，如下：

                                                                  

\b匹配这样一个位置：前面的字符和后面的字符不全是\w。如果在“hello,hello1 helloregex,hello regexhello.”这个字符串里匹配regex=hello\b，匹配到的结果如下：

                                            

 

分析一下：为什么 hello1 匹配不了“hello\b”这个正则？

首先\b是一个定位字符，它是零宽的，标识一个位置，这个位置的前面和这个位置的后面不能全是\w，即不能全是字母数字和下划线 [A-Za-z0-9_]，而hello1的o与1之间的位置前面是o后面是1，前后全是\w，不符合\b匹配的含义，因此hello1不能匹配正则表达式 “hello\b”。

但是 bhello 可以匹配 “hello\b” 这个正则，因为 hello 的结尾的位置，前面是o，后面是空白，所以符合\b匹配的含义，因此 bhello 可以匹配 “hello\b” 这个正则。

以上是最基础的知识，希望可以帮助可以更好地掌握正则表式。