正则表达式入门

http://www.unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm#mission

 

１：/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。

如果需要更精确的说法，/b匹配这样的位置：它的前一个字符和后一个字符不全是(一个是,一个不是或不存在)/w。 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。

 

２：.*

.是另一个元字符，匹配除了换行符以外的任意字符。

*同样是元字符，不过它代表的不是字符，也不是位置，而是数量——它指定*前边的内容可以连续重复出现任意次以使整个表达式得到匹配。

因此，.*连在一起就意味着任意数量的不包含换行的字符。

/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。 hi Lucy... hi,my name is Lucy...

 

3:常用的元字符

 

表1.常用的元字符

代码	说明
.	匹配除换行符以外的任意字符
/w	匹配字母或数字或下划线或汉字
/s	匹配任意的空白符
/d	匹配数字
/b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

 

元字符^和$都匹配一个位置，这和/b有点类似。^匹配你要用来查找的字符串的开头，$匹配结尾。

这两个代码在验证输入的内容时非常有用，比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用：^/d{5,12}$。

因为使用了^和$，所以输入的整个字符串都要用来和/d{5,12}来匹配，也就是说整个输入必须是5到12个数字，因此如果输入的QQ号能匹配这个正则表达式的话，那就符合要求了。

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。

 

4:字符转义

字符	转义
.	/.
*	/*
/	//

 

5:常用的限定符

表2.常用的限定符

代码/语法	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到m次

 

6:分枝条件

| 使用分枝条件时，要注意各个条件的顺序。

 

7:分组

() 子表达式

 

８：常用的反义代码

表3.常用的反义代码

代码/语法	说明
/W	匹配任意不是字母，数字，下划线，汉字的字符
/S	匹配任意不是空白符的字符
/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这几个字母以外的任意字符

 

 

９：后向引用

表4.常用分组语法

分类	代码/语法	说明
捕获	(exp)	匹配exp,并捕获文本到自动命名的组里
	(?<name>exp)	匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)
	(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号
零宽断言	(?=exp)	匹配exp前面的位置
	(?<=exp)	匹配exp后面的位置
	(?!exp)	匹配后面跟的不是exp的位置
	(?<!exp)	匹配前面不是exp的位置
注释	(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

 

 

10：零宽断言

接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像/b,^,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。

 

 

(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如/b/w+(?=ing/b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.时，它会匹配sing和danc。

 

(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=/bre)/w+/b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading。

 

假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，你可以这样查找需要在前面和里面添加逗号的部分：((?<=/d)/d{3})*/b，用它对1234567890进行查找时结果是234567890。

下面这个例子同时使用了这两种断言：

(?<=/s)/d+(?=/s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)。

 

11:负向零宽断言

负向零宽断言,它只匹配一个位置，并不消费任何字符。

 

/b/w*q[^u]/w*/b匹配包含后面不是字母u的字母q的单词。但是如果q出现在单词的结尾的话，像Iraq,Benq，这个表达式就会出错。这是因为[^u]总要匹配一个字符

现在，我们可以用负向零宽断言来解决这个问题：/b/w*q(?!u)/w*/b。

 

(?!exp)也叫零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp。例如：/d{3}(?!/d)匹配三位数字，而且这三位数字的后面不能是数字；/b((?!abc)/w)+/b匹配不包含连续字符串abc的单词。

 

同理，我们可以用(?<!exp),零宽度正回顾后发断言来断言此位置的前面不能匹配表达式exp。(?<![a-z])/d{7}匹配前面不是小写字母的七位数字。

 

一个更复杂的例子：(?<=<(/w+)>).*(?=<//1>)匹配不包含属性的简单HTML标签内里的内容。(<?(/w+)>)指定了这样的前缀：被尖括号括起来的单词(比如可能是<b>)，然后是.*(任意的字符串),最后是一个后缀(?=<///1>)。注意后缀里的//，它用到了前面提过的字符转义；/1则是一个反向引用，引用的正是捕获的第一组，前面的(/w+)匹配的内容，这样如果前缀实际上是<b>的话，后缀就是</b>了。整个表达式匹配的是<b>和</b>之间的内容(再次提醒，不包括前缀和后缀本身)。

 

 

12:pattern

忽略	patterm	内嵌
空行	Pattern.DOTAL	?s
大小写	Pattern.CASE_INSENSITIVE	?i