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