第九章 正则表达式

9.1 什么是正则表达式

9.1.1定义

正则表达式是一个描述一组字符串的模式。与算术表达式类似，正则表达式也是由各种操作符结合小的表达式组成，这些所谓的操作符，即是正则表达式中的特殊元字符。
换句话说，正则表达式是由普通字符和元字符组成的字符集，而这个字符集匹配（或指定）一个模式。其基本结构单元是匹配单个字符的正则表达式。任何带有特殊含义的元字符可以通过在字符前加反斜杠‘\’来引用。
正则表达式的主要作用是文本搜索和字符串处理。一个正则表达式匹配单个字符或一个字符串，或字符串的一部分。

9.1.2正则表达式类型

正则表达式有两种类型，分别是：

• 基本正则表达式
• 扩展正则表达式
  基本正则表达式具有如下的元字符：
• 星号 * ：匹配它前面的字符串或正则表达式任意次（包括0次）。比如，“1122*”将匹配‘11’+1个或多个2 ，其可能匹配的字符串将是112、1122、1122222、11223343等。
• 句点 . ：匹配除换行符之外的任意一个字符。比如，“112.”将匹配112+至少一个字符，其可能匹配的字符串是1121、1122、112abc等，但不匹配112。
• 插入符号 ^ ：匹配一行的开始，但有时依赖于上下文环境，可能表示否定正则表达式中一个字符串的意思。比如，“^abc”将只匹配行首的abc字符串。
• 美元符 $ ：在一个正则表达式的末尾，匹配一行的结尾。比如，“123”将匹配一个空行。
• 方括号 [] ：匹配方括号内指定的字符集中的一个字符。比如，“[abc]”将匹配字符a、b、c中的任意一个字符，“[a-h]”将匹配从a到h的任意一个字符，“[A-Z][a-z]”将匹配任意一个大写或小写字母，“[^a-d]”将匹配除a到d之外的所有字符。
• 反斜线符号 \ ：转义一个特殊的字符，使这个字符得到字面意义的解释。比如，“$”将表示回它的原意“$”，而不是表示行尾的的正则表达式含义。类似地，“\”表示的字意是“\”。
• 转义尖括号  <> ：用于标记单词边界。尖括号必须是转义的，否则它们只有字符的字面含义。比如，“<the>”匹配单词“the”，但不匹配“them”、“there”、“other”等等
  扩展正则表达式，在上面的基本正则表达式的元字符的基础上又增加了几个元字符，如下所示：
• 问号  ?  ：匹配0个或1个前面的字符，它通常用于匹配单个字符。比如，“ab?c”将匹配“ac”或“abc”。
• 加号  + ：匹配一个或多个前面的字符，它和星号*的作用相似，但它不匹配0个字符的情况。比如，“ab+c”将匹配“abc”、“abbc”、“abbb…c”等。
• 转义波形括号 {}  ：指示匹配前面正则表达式的次数。波形括号必须是转义的，否则它们只有字符的字面含义。比如“[0-9]{5}”将匹配5位数字。
• 圆括号  (