正则表达式

支持正则表达式的工具有：文本编辑器、文字处理软件、系统工具、数据库引擎等等。

充分发掘正则表达式的潜力，还是当作编程语言来使用：Java、JScript、Visual Basic、VBScript、JavaScript、ECMAScript、C、C 、C#、elisp、Perl、Python、Tcl、Ruby、PHP、sed、awk。

低层面讲：正则表示式描述的是一串文本的特征。可以用来验证用户输入数据，检索大量文本。

高层面讲：容许用户掌控自己的数据——控制这些数据为自己服务

 

常用元字符 

元字符	说明
.	匹配除换行符外的任意字符
\w	匹配字母或数字或下划线或汉字
\d	匹配数字
\b	匹配某个位置的开始或结束
\s	匹配任意的空白符
^	匹配字符串的开始
$	匹配字符串的结束
(

 

 

 

 

 

 

 

 

 

常用限定符 

限定符	说明
*	重复零次或更多次
	重复一次或更多次
？	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n次到m次

 

 

 

 

 

 

常用反义代码

反义代码	说明
\W	匹配任意不是字母、数字、下划线、汉字的字符
\S	匹配任意非空白符的字符
\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

 

 

 

 

 

 

 

假设你在一篇英文小说里查找hi，你可以使用正则表达式hi。

这几乎是最简单的正则表达式了，它可以精确匹配这样的字符串：由两个字符组成，前一个字符是h,后一个是i。通常，处理正则表达式的工具会提供一个忽略大小写的选项，如果选中了这个选项，它可以匹配hi,HI,Hi,hI这四种情况中的任意一种。

不幸的是，很多单词里包含hi这两个连续的字符，比如him,history,high等等。用hi来查找的话，这里边的hi也会被找出来。如果要精确地查找hi这个单词的话，我们应该使用\bhi\b。

\b是正则表达式规定的一个特殊代码（好吧，某些人叫它元字符，metacharacter），代表着单词的开头或结尾，也就是单词的分界处。虽然通常英文的单词是由空格，标点符号或者换行来分隔的，但是\b并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。

 

假如你要找的是hi后面不远处跟着一个Lucy，你应该用\bhi\b.*\bLucy\b。先是一个单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词。

 

0\d\d-\d\d\d\d\d\d\d\d：以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字(也就是中国的电话号码。当然，这个例子只能匹配区号为3位的情形)。

注意：-不是元字符，只匹配它本身——连字符(或者减号，或者中横线，或者随你怎么称呼它)。

为了避免重复，也可以写：0\d{2}-\d{8}。\d后面的{2}({8})是前面\d必须连续重复匹配2次(8次)。

 

验证填写的QQ号必须为5位到12位数字时，可以使用：^\d{5,12}$

和忽略大小写的选项类似，有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项，^和$的意义就变成了匹配行的开始处和结束处。

 

查找元字符本身，使用\.和\*。当然，要查找\本身，你也得用\\.

例如：deerchao\.net匹配deerchao.net，C:\\Windows匹配C:\Windows

 

使用重复的例子：

Windows\d 匹配Windows后面跟1个或更多数字

^\w 匹配一行的第一个单词(或整个字符串的第一个单词，具体匹配哪个意思得看选项设置)

 

[aeiou]匹配任何一个英文元音字母

[.?!]匹配标点符号(.或?或!)

 

指定一个字符范围，[0-9]代表的含义与\d完全一致的：一位数字；同理[a-z0-9A-Z_]也完全等同于\w（如果只考虑英文的话）。

\(?0\d{2}[) -]?\d{8}

这个表达式可以匹配几种格式的电话号码，像(010)88886666，或022-22334455，或02912345678等。

我们对它进行一些分析吧：首先是一个转义字符\(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\d{8})。

不幸的是，刚才那个表达式也能匹配010)12345678或(022-87654321这样的“不正确”的格式。

解决这个问题，需要用到分枝条件.

 

正则表达式里的分枝条件指有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用 |  把不同的规则分隔开。听不明白？没关系，看例子：

0\d{2}-\d{8}|0\d{3}-\d{7}  能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)；一种是4位区号，7位本地号(0376-2233445)。

\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}  匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔。你可以试试用分枝条件把这个表达式扩展成也支持4位区号的。

\d{5}-\d{4}|\d{5}  用于匹配美国的邮政编码。美国邮编的规则是5位数字，或者用连字号间隔的9位数字。之所以要给出这个例子是因为它能说明一个问题：使用分枝条件时，要注意各个条件的顺序。如果你把它改成\d{5}|\d{5}-\d{4}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。

 

重复多个字符，用小括号来指定子表达式(也叫做分组)，然后可以指定这个子表达式的重复次数了

(\d{1,3}\.){3}\d{1,3} 一个简单的IP地址匹配表达式。

\d{1,3}匹配1到3位的数字，(\d{1,3}\.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3})。

注意：不幸的是，它也将匹配256.300.888.999这种不可能存在的IP地址

如果能使用算术比较的话，或许能简单地解决这个问题，但是正则表达式中并不提供关于数学的任何功能，

所以只能使用冗长的分组，选择，字符类来描述一个正确的IP地址：

((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。

(    (2[0-4]  \d   |   25[0-5]  |    [01]?  \d  \d?  )  \.  ){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。

（（2开头、0-4中一个数字、任意一个数字  或  2、5开头，0-5中一个数字  或   0-1中一个开头或没有开头、任意一个数字、任意一个数字或没有）加上点）*3 ，最后再加一遍括号内容

[01]?\d\d?  可以是一个数字0-9、两个数字[0|1](0-9）或(0-9){2}、三个数字[01](0-9){2}

*注意：IP地址中每个数字都不能大于255.  01.02.03.04 这样前面带有0的数字, 是不是正确的IP地址呢? 答案是: 是的, IP 地址里的数字可以包含有前导 0 (leading zeroes).

 

反义代码：有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况。

例子：\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。匹配<a 匹配不是>的内容，直到出现>为止，也就是匹配 <a .....任意内容......>

 

使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

 

后向引用用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本。难以理解？请看示例：

 

\b(\w )\b\s \1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w )\b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s )，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。

 

你也可以自己指定子表达式的组名。要指定一个子表达式的组名，请使用这样的语法：(?<Word>\w )(或者把尖括号换成'也行：(?'Word'\w )),这样就把\w 的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用\k<Word>,所以上一个例子也可以写成这样：\b(?<Word>\w )\b\s \k<Word>\b。

 

 

反义代码

更多专业前端知识，请上 【猿2048】www.mk2048.com