正則表達式系統(tǒng)教程(regular_expression)

1、正則表達式系統(tǒng)教程正貝U表達式(regularexpression)關(guān)鍵字：正貝U表達式，RegularExpression原著：笑容創(chuàng)作于：2004年05月03日最后更新：2004年05月04日21:12整理：Momo前言正則表達式是煩瑣的，但是強大的，學(xué)會之后的應(yīng)用會讓你除了提高效率外，會給你帶來絕對的成就感。只要認(rèn)真去閱讀這些資料，加上應(yīng)用的時候進行一定的參考，掌握正則表達式不是問題。1 .引子目前，正則表達式已經(jīng)在很多軟件中得到廣泛的應(yīng)用，包括*nix(Linux,Unix等)，HP等操作系統(tǒng)，PHP,C#,Java等開發(fā)環(huán)境，以及很多的應(yīng)用軟件中，都可以看到正則表達式的影子。正則表達

2、式的使用，可以通過簡單的辦法來實現(xiàn)強大的功能。為了簡單有效而又不失強大，造成了正則表達式代碼的難度較大，學(xué)習(xí)起來也不是很容易，所以需要付出一些努力才行，入門之后參照一定的參考，使用起來還是比較簡單有效的。例子：人.+.+.+$這樣的代碼曾經(jīng)多次把我自己給嚇退過?？赡芎芏嗳艘彩潜贿@樣的代碼給嚇跑的吧。繼續(xù)閱讀本文將讓你也可以自由應(yīng)用這樣的代碼。注意：這里的第7部分跟前面的內(nèi)容看起來似乎有些重復(fù)，目的是把前面表格里的部分重新描述了一次，目的是讓這些內(nèi)容更容易理解。2 .正則表達式的歷史正則表達式的祖先”可以一直上溯至對人類神經(jīng)系統(tǒng)如何工作的早期研究。WarrenMcCulloch和WalterPi

3、tts這兩位神經(jīng)生理學(xué)家研究出一種數(shù)學(xué)方式來描述這些神經(jīng)網(wǎng)絡(luò)。1956年，一位叫StephenKleene的數(shù)學(xué)家在McCulloch和Pitts早期工作的基礎(chǔ)上，發(fā)表了一篇標(biāo)題為神經(jīng)網(wǎng)事件的表示法”的論文，引入了正則表達式的概念。正則表達式就是用來描述他稱為芷則集的代數(shù)”的表達式，因此采用芷則表達式”這個術(shù)語。隨后，發(fā)現(xiàn)可以將這一工作應(yīng)用于使用KenThompson的計算搜索算法的一些早期研究,KenThompson是Unix的主要發(fā)明人。正則表達式的第一個實用應(yīng)用程序就是Unix中的qed編輯器。如他們所說，剩下的就是眾所周知的歷史了。從那時起直至現(xiàn)在正則表達式都是基于文本的編輯器和搜索工

4、具中的一個重要部分。3 .正則表達式定義正則表達式（regularexpression）描述了一種字符串匹配的模式，可以用來檢查一個串是否含有某種子串、將匹配的子串做替換或者從某個串中取出符合某個條件的子串等。列目錄時，dir*.txt或ls*.txt中的*.txt就不是一個正則表達式，因為這里*與正則式的*的含義是不同的。正則表達式是由普通字符（例如字符a到z）以及特殊字符（稱為元字符）組成的文字模式。正則表達式作為一個模板，將某個字符模式與所搜索的字符串進行匹配。3.1普通字符這包括所有的大寫和小寫字由所有那些未顯式指定為元字符的打印和非打印字符組成。母字符，所有數(shù)字，所有標(biāo)點符號以及一些

5、符號。3.2非打印字符字符含義cx匹配由x指明的控制字符。例如，cM匹配一個Control-M一。否則，將c視為一個原義的c'字符。或回車符。x的值必須為A-Z或a-z之f匹配一個換頁符。等價于x0cn匹配一個換行符。等價于x0acJ。r匹配一個回車符。等價于x0dcM。s匹配任何空白字符，包括空格、制表符、換頁符等等。等價于fnrtv。St匹配一個制表符。等價于x09和cLv匹配一個垂直制表符。等價于x0b和cKo3.3特殊字符匹配任何非空白字符。等價于Ffnrtvo"*.txt"中的*,簡單的說就是則需要對*進行轉(zhuǎn)義，即在其前所謂特殊字符，就是一些有特殊含義的字

6、符，如上面說的表示任何字符串的意思。如果要查找文件名中有*的文件，加一個。ls*.txt。正則表達式有以下特殊字符。特別字符說明匹配輸入字符串的結(jié)尾位置。如果設(shè)置了RegExp對象的Multiline屬性，則$也匹配'n'或'r'$一一一一一E要匹配$字符本身，請使用$。標(biāo)記一個子表達式的開始和結(jié)束位置。子表達式可以獲取供以后使用。要匹配這些字符，請使用(和()。*匹配前面的子表達式零次或多次。要匹配*字符，請使用*。+匹配前面的子表達式一次或多次。要匹配+字符，請使用+。.匹配除換行符n之外的任何單字符。要匹配.，請使用。標(biāo)記一個中括號表達式的開始。要匹配，請

7、使用。?匹配前面的子表達式零次或一次，或指明一個非貪婪限定符。要匹配？字符，請使用?。將下一個字符標(biāo)記為或特殊字符、或原義字符、或向后引用、或八進制轉(zhuǎn)義符。例如，,n'匹配字符'n'o'n'匹配換行符。序列'匹配"",而'('則匹配"("o匹配輸入字符串的開始位置，除非在方括號表達式中使用，此時它表示不接受該字符集合。要匹配人字符本身，請使用人。標(biāo)記限定符表達式的開始。要匹配，請使用|指明兩項之間的一個選擇。要匹配|,請使用|o構(gòu)造正則表達式的方法和創(chuàng)建數(shù)學(xué)表達式的方法一樣。也就是用多種元字

8、符與操作符將小的表達式結(jié)合在一起來創(chuàng)建更大的表達式。正則表達式的組件可以是單個的字符、字符集合、字符范圍、字符間的選擇或者所有這些組件的任意組合。3.4 限定符限定符用來指定正則表達式的一個給定組件必須要出現(xiàn)多少次才能滿足匹配。有*或+或?或n或n,或n,m共6種。*、+和？限定符都是貪婪的，因為它們會盡可能多的匹配文字，只有在它們的后面加上一個？就可以實現(xiàn)非貪婪或最小匹配。正則表達式的限定符有：字符描述匹配前面的子表達式零次或多次。例如,zo*能匹配"z"以及"zoo"O*等價于0,匹配前面的子表達式一次或多次。例如,1,。'zo+'能

9、匹配"zo"以及"zoo",但不能匹配"z"。+等價于匹配前面的子表達式零次或一次。例如，"do(es)?"可以匹配"do"或"does"中的"do"。?等價于?0,1。n是一個非負(fù)整數(shù)。匹配確定的n次。例如，'o2不能匹配"Bob"中的'o',但是能匹配"food"中n的兩個o。n是一個非負(fù)整數(shù)。至少匹配n次。例如，'o2,不能匹配"Bob"中的'o

10、9;,但能匹配"foooood"中n,的所有o。'o1,'等價于o+'o'o0,'則等價于'o*'on,mm和n均為非負(fù)整數(shù)，其中n<=m。最少匹配n次且最多匹配m次。例如，"o1,3"將匹配"fooooood"中的前三個o。o0,1'等價于'o?'o請注意在逗號和兩個數(shù)之間不能有空格。3.5 定位符用來描述字符串或單詞的邊界，人和$分別指字符串的開始與結(jié)束，b描述單詞的前或后邊界，B表示非單詞邊界。不能對定位符使用限定符。3.6 選擇用圓括號將所有

11、選擇項括起來，相鄰的選擇項之間用|分隔。但用圓括號會有一個副作用，是相關(guān)的匹配會被緩存，此時可用？:放在第一個選項前來消除這種副作用。其中？:是非捕獲元之一，還有兩個非捕獲元是？=和？!，這兩個還有更多的含義，前者為正向預(yù)查，在任何開始匹配圓括號內(nèi)的正則表達式模式的位置來匹配搜索字符串，后者為負(fù)向預(yù)查，在任何開始不匹配該正則表達式模式的位置來匹配搜索字符串。3.7 后向引用對一個正則表達式模式或部分模式兩邊添加圓括號將導(dǎo)致相關(guān)匹配存儲到一個臨時緩沖區(qū)中，所捕獲的每個子匹配都按照在正則表達式模式中從左至右所遇到的內(nèi)容存儲。存儲子匹配的緩沖區(qū)編號從1開始，連續(xù)編號直至最大99個子表達式。每個緩沖區(qū)

12、都可以使用n'訪問，其中n為一個標(biāo)識特定緩沖區(qū)的一位或兩位十進制數(shù)。可以使用非捕獲元字符'?:','?=',or'?!'來忽略對相關(guān)匹配的保存。4.各種操作符的運算優(yōu)先級相同優(yōu)先級的從左到右進行運算，不同優(yōu)先級的運算先高后低。各種操作符的優(yōu)先級從高到低如下：操作符描述轉(zhuǎn)義符(),(?：),(?=),圓括號和方括號限定符*,+,?,n,n,n,m,$,anymetacharacter位置和順序或”操作5.全部符號解釋字符描述向后引用、或一個八進制轉(zhuǎn)義符。將下一個字符標(biāo)記為一個特殊字符、或一個原義字符、或一個例如，n'匹配字符&quo

13、t;n"。n'匹配一個換行符。序列'匹配""而"("則匹配"("。匹配輸入字符串的開始位置。如果設(shè)置了RegExp對象的Multiline屬性，A也匹配'n"或'r'之后的位置。匹配輸入字符串的結(jié)束位置。如果設(shè)置了前的位置。RegExp對象的Multiline屬性，$也匹配'n"或'r'之匹配前面的子表達式零次或多次。例如,zo*能匹配"z"以及"zoo"。*等價于0,匹配前面的子表達式一次或多次。例如

14、,'zo+'能匹配"zo"以及"zoo",但不能匹配于1,。n匹配前面的子表達式零次或一次O于0,1。例如,"do(es)?"可以匹配"do"或"does"中的"do"O?等價n是一個非負(fù)整數(shù)。中的兩個o。匹配確定的n次。例如，'o2'不能匹配"Bob"中的'o',但是能匹配"food"n,n是一個非負(fù)整數(shù)。中的所有o。o1,'至少匹配n次。例如，o2,不能匹配等價于o+'

15、o'o0,'則等價于'o*'o"Bob"中的'o',但能匹配"foooood"n,mm和n均為非負(fù)整數(shù)，其中n<=m。最少匹配n次且最多匹配m次。例如，"o1,3"將匹配"fooooood"中的前三個o。o0,1'等價于'o?'o請注意在逗號和兩個數(shù)之間不能有空格。當(dāng)該字符緊跟在任何一個其他限制符(*,+,?,n,n,n,m)后面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認(rèn)的貪婪模式則盡可能多的匹配所搜索的字符串

16、。例如，對于字符串"oooo",'o+?將匹配單個"o",而'o+'將匹配所有o'。匹配除"n"之外的任何單個字符。要匹配包括'n'在內(nèi)的任何字符，請使用象'.n'的模式。(pattern)匹配pattern并獲取這一匹配。所獲取的匹配可以從產(chǎn)生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0$9屬性。要匹配圓括號字符，請使用'('或')'。(?:pattern)匹配pattern但不

17、獲取匹配結(jié)果，也就是說這是一個非獲取匹配,用"或"字符(|)來組合一個模式的各個部分是很有用。例如，'industry|industries'更簡略的表達式。不進行存儲供以后使用。這在使'industr(?:y|ies)就是一個比正向預(yù)查，在任何匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說,(?=pattern)該匹配不需要獲取供以后使用。例如，'Windows(?=95|98|NT|2000)能匹配"Windows2000"中的"Windows",但不能匹配"

18、Windows3.1"中的"Windows"。預(yù)查不消耗字符，也就是說，在一個匹配發(fā)生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預(yù)查的字符之后開始。(?!pattern)負(fù)向預(yù)查，在任何不匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是x|yxyz”yza-zAa-zbBcxdDfnrsStvwWxnnumnnm說，該匹配不需要獲取供以后使用。例如'Windows(?!95|98|NT|2000),能匹配"Windows3.1"中的"Windows",但不能匹配"

19、Windows2000"中的"Windows"。預(yù)查不消耗字符，也就是說，在一個匹配發(fā)生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預(yù)查的字符之后開始匹配x或y。例如，'z|food'能匹配"z"或"food"。'(z|f)ood'則匹配"zood"或"food"。字符集合。匹配所包含的任意一個字符。例如，'abc'可以匹配"plain"中的a'。負(fù)值字符集合。匹配未包含的任意字符。例如，

20、9;Aabc'可以匹配"plain"中的'p'。字符范圍。匹配指定范圍內(nèi)的任意字符。例如，'a-z'可以匹配'a'至ij'z'范圍內(nèi)的任意小寫字母字符。負(fù)值字符范圍。匹配任何不在指定范圍內(nèi)的任意字符。例如，'Aa-z'可以匹配任何不在a'到'z'范圍內(nèi)的任意字符。匹配一個單詞邊界，也就是指單詞和空格間的位置。例如，'erb'可以匹配"never"中的'er',但不能匹配"verb"中的er&#

21、39;。匹配非單詞邊界。'erB'能匹配"verb"中的'er',但不能匹配"never"中的er'。匹配由x指明的控制字符。例如，cM匹配一個Control-M或回車符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的'c'字符。匹配一個數(shù)字字符。等價于0-9o匹配一個非數(shù)字字符。等價于A0-9o匹配一個換頁符。等價于x0c和cLo匹配一個換行符。等價于x0a和cJo匹配一個回車符。等價于x0d和cMo匹配任何空白字符，包括空格、制表符、換頁符等等。等價于fnrtvo匹配任何非空白字符。等

22、價于afnrtvo匹配一個制表符。等價于x09和cL匹配一個垂直制表符。等價于x0b和cKo匹配包括下劃線的任何單詞字符。等價于A-Za-z0-9。匹配任何非單詞字符。等價于'AA-Za-z0-9_'o匹配n,其中n為十六進制轉(zhuǎn)義值。十六進制轉(zhuǎn)義值必須為確定的兩個數(shù)字長。例如，'x41'匹配"A"o'x041'則等價于'x04'&"1"o正則表達式中可以使用ASCII編碼。.匹配num,其中num是一個正整數(shù)。對所獲取的匹配的引用。例如，'(.)1'匹配兩個連續(xù)的相同

23、字符。標(biāo)識一個八進制轉(zhuǎn)義值或一個向后引用。如果n之前至少n個獲取的子表達式，則n為向后引用。否則，如果n為八進制數(shù)字(0-7),則n為一個八進制轉(zhuǎn)義值。標(biāo)識一個八進制轉(zhuǎn)義值或一個向后引用。如果nm之前至少有nm個獲得子表達式，則nm為向后引用。如果nm之前至少有n個獲取，則n為一個后跟文字m的向后引用。如果前面的nm條件都不滿足，若n和m均為八進制數(shù)字(0-7),則nm將匹配八進制轉(zhuǎn)義值nml如果n為八進制數(shù)字(0-3),且m和l均為八進制數(shù)字(0-7),則匹配八進制轉(zhuǎn)義值nmlun匹配n,其中n是一個用四個十六進制數(shù)字表示的Unicode字符。例如，u00A9匹配版權(quán)符號。6.部分例子正則表

24、達式/b(a-z+)1b/gi/(w+):VV(A/:+)(:d*)?(A#*)/A(?:Chapter|Section)1-90-90,1$/-a-z/terb/Bapt/Windows(?=95|98|NT)/7.正則表達式匹配規(guī)則基本模式匹配說明一個單詞連續(xù)出現(xiàn)的位置將一個URL解析為協(xié)議、域、端定位章節(jié)的位置A至z共26個字母再加一個-號?？善ヅ鋍hapter',而不能terminal可匹配chapter',而不能aptitude可匹配Windows95或Windows98或WindowsNT,當(dāng)找到一個匹配后，從Windows后面開始進行下一次的檢索匹配。一切從最基本

25、的開始。模式，是正規(guī)表達式最基本的元素，它們是一組描述字符串特征的字符。模式可以很簡單，由普通的字符串組成，也可以非常復(fù)雜，往往用特殊的字符表示一個范圍內(nèi)的字符、重復(fù)出現(xiàn)，或表示上下文。例如：'once這個模式包含一個特殊的字符人，表示該模式只匹配那些以once開頭的字符串。例如該模式與字符串"onceuponatime"匹配，與"ThereoncewasamanfromNewYork"不匹配。正如如A符號表示開頭一樣，$符號用來匹配那些以給定模式結(jié)尾的字符串。bucket$這個模式與"Whokeptallofthiscashinabu

26、cket"匹配，與"buckets"不匹配。字符人和$同時使用時，表示精確匹配(字符串與模式一樣)。例如：bucket$只匹配字符串"bucket"o如果一個模式不包括人和$,那么它與任何包含該模式的字符串匹配。例如：模式once與字符串ThereoncewasamanfromNewYorkWhokeptallofhiscashinabucket.是匹配的。在該模式中的字母（o-n-c-e）是字面的字符，也就是說，他們表示該字母本身，數(shù)字也是一樣的。其他一些稍微復(fù)雜的字符，如標(biāo)點符號和白字符（空格、制表符等），要用到轉(zhuǎn)義序列。所有的轉(zhuǎn)義序列都用

27、反斜杠（）打頭。制表符的轉(zhuǎn)義序列是：t。所以如果我們要檢測一個字符串是否以制表符開頭，可以用這個模式：At類似的，用n表示新行”，r表示回車。其他的特殊符號，可以用在前面加上反斜杠，如反斜杠本身用表示，句號.用'.表示，以此類推。7.2字符簇在INTERNET的程序中，正規(guī)表達式通常用來驗證用戶的輸入。當(dāng)用戶提交一個FORM以后，要判斷輸入的電話號碼、地址、EMAIL地址、信用卡號碼等是否有效，用普通的基于字面的字符是不夠的。所以要用一種更自由的描述我們要的模式的辦法，它就是字符簇。要建立一個表示所有元音字符的字符簇，就把所有的元音字符放在一個方括號里：AaEeliOoUu這個模式與任

28、何元音字符匹配，但只能表示一個字符。用連字號可以表示一個字符的范圍，如：a-z/匹配所有的小寫字母A-Z/匹配所有的大寫字母a-zA-Z/匹配所有的字母0-9/匹配所有的數(shù)字0-9.-匹配所有的數(shù)字，句號和減號frtn/匹配所有的白字符同樣的，這些也只表示一個字符，這是一個非常重要的。如果要匹配一個由一個小寫字母和一位數(shù)字組成的字符串，比如"z2"、"t6"或"g7",但不是"ab2"、"r2d3"或"b52"的話，用這個模式：Aa-z0-9$盡管a-z代表26個字母的范圍，

29、但在這里它只能與第一個字符是小寫字母的字符串匹配。前面曾經(jīng)提到人表示字符串的開頭，但它還有另外一個含義。當(dāng)在一組方括號里使用人是，它表示非”或排除”的意思，常常用來剔除某個字符。還用前面的例子，我們要求第一個字符不能是數(shù)字：AA0-90-9$這個模式與"&5"、"g7"及"-2"是匹配的，但與"12"、"66"是不匹配的。下面是幾個排除特定字符的例子：Aa-z/除了小寫字母以外的所有字符A/A/除了（）（/）（A）之外的所有字符A"'/除了雙引號（"）和單弓I

30、號（'）之外的所有字符特殊字符"."（點，句號）在正規(guī)表達式中用來表示除了新行”之外的所有字符。所以模式"A.5$"與任何兩個字符的、以數(shù)字5結(jié)尾和以其他非新行”字符開頭的字符串匹配。模式"."可以匹配任何字符串，除了空串和只包括一個新行”的字符串。PHP的正規(guī)表達式有一些內(nèi)置的通用字符簇，列表如下：字符簇含義:alpha:任何字母:digit:任何數(shù)字:alnum:任何字母和數(shù)字:space:任何白字符:upper:任何大寫字母:lower:任何小寫字母:punct:任何標(biāo)點符號:xdigit:任何16進制的數(shù)字，相當(dāng)于0-

31、9a-fA-F7.3確定重復(fù)出現(xiàn)到現(xiàn)在為止，你已經(jīng)知道如何去匹配一個字母或數(shù)字，但更多的情況下，可能要匹配一個單詞或一組數(shù)字。一個單詞有若干個字母組成，一組數(shù)字有若干個單數(shù)組成。跟在字符或字符簇后面的花括號（）用來確定前面的內(nèi)容的重復(fù)出現(xiàn)的次數(shù)。字符簇含義Aa-zA-Z$所有的字母和下劃線A:alpha:3$所有的3個字母的單詞Aa$字母aAa4$aaaaAa2,4$aa,aaa或aaaaAa1,3$a,aa或aaaAa2,$包含多于兩個a的字符串Aa2,如：aardvark和aaab,1apple不行a2,如：baad和aaa,'且Nantucket不行t2兩個制表符.2所有的兩個字符這些例子描述了花括號的三種不同的用法。一個數(shù)字，x的意思是前面的字符或字符簇只出現(xiàn)x次”；一個數(shù)字加逗號，x,的意思是前面的內(nèi)容出現(xiàn)x或更多的次數(shù)”；兩個用逗號分隔的數(shù)字，x,y表示前面的內(nèi)容至少出現(xiàn)x次，但不超過y次”。我們可以把模式擴展到更多的單詞或數(shù)字：Aa-zA-Z0-91,$/所有包含一個以上的字母、數(shù)字或下劃線的字符串a(chǎn)0-91,$/所有的正數(shù)a-0,10-91,$/所有的整數(shù)a-0,10-90,.0,10-90,$/所有的小數(shù)最后一個例子不太好理解，是嗎？這么看吧：與所