正則表達式教程

1、正則表達式教程引言    正則表達式（regular expression）就是用一個“字符串”來描述一個特征，然后去驗證另一個“字符串”是否符合這個特征。比如 表達式“ab+” 描述的特征是“一個 'a' 和 任意個 'b' ”，那么 'ab', 'abb', 'abbbbbbbbbb' 都符合這個特征。    正則表達式可以用來：（1）驗證字符串是否符合指定特征，比如驗證是否是合法的郵件地址。（2）用來查找字符串，從一個長的文本中查找符合指定特征的字符

2、串，比查找固定字符串更加靈活方便。（3）用來替換，比普通的替換更強大。   正則表達式學(xué)習(xí)起來其實是很簡單的，不多的幾個較為抽象的概念也很容易理解。之所以很多人感覺正則表達式比較復(fù)雜，一方面是因為大多數(shù)的文檔沒有做到由淺入深地講解，概念上沒有注意先后順序，給讀者的理解帶來困難；另一方面，各種引擎自帶的文檔一般都要介紹它特有的功能，然而這部分特有的功能并不是我們首先要理解的。    文章中的每一個舉例，都可以點擊進入到測試頁面進行測試。閑話少說，開始。1. 正則表達式規(guī)則1.1 普通字符    字母、數(shù)字、漢字、下劃

3、線、以及后邊章節(jié)中沒有特殊定義的標(biāo)點符號，都是"普通字符"。表達式中的普通字符，在匹配一個字符串的時候，匹配與之相同的一個字符。    舉例1：表達式 "c"，在匹配字符串 "abcde" 時，匹配結(jié)果是：成功；匹配到的內(nèi)容是："c"；匹配到的位置是：開始于2，結(jié)束于3。（注：下標(biāo)從0開始還是從1開始，因當(dāng)前編程語言的不同而可能不同）    舉例2：表達式 "bcd"，在匹配字符串 "abcde" 時，匹配結(jié)果是：成

4、功；匹配到的內(nèi)容是："bcd"；匹配到的位置是：開始于1，結(jié)束于4。1.2 簡單的轉(zhuǎn)義字符    一些不便書寫的字符，采用在前面加 "" 的方法。這些字符其實我們都已經(jīng)熟知了。表達式可匹配r, n代表回車和換行符t制表符代表 "" 本身    還有其他一些在后邊章節(jié)中有特殊用處的標(biāo)點符號，在前面加 "" 后，就代表該符號本身。比如：, $ 都有特殊意義，如果要想匹配字符串中 "" 和 "$" 字符，則表達式就需要寫成

5、 "" 和 "$"。表達式可匹配匹配 符號本身$匹配 $ 符號本身.匹配小數(shù)點（.）本身    這些轉(zhuǎn)義字符的匹配方法與 "普通字符" 是類似的。也是匹配與之相同的一個字符。    舉例1：表達式 "$d"，在匹配字符串 "abc$de" 時，匹配結(jié)果是：成功；匹配到的內(nèi)容是："$d"；匹配到的位置是：開始于3，結(jié)束于5。1.3 能夠與 '多種字符' 匹配的表達式   

6、正則表達式中的一些表示方法，可以匹配 '多種字符' 其中的任意一個字符。比如，表達式 "d" 可以匹配任意一個數(shù)字。雖然可以匹配其中任意字符，但是只能是一個，不是多個。這就好比玩撲克牌時候，大小王可以代替任意一張牌，但是只能代替一張牌。表達式可匹配d任意一個數(shù)字，09 中的任意一個w任意一個字母或數(shù)字或下劃線，也就是 AZ,az,09,_ 中任意一個s包括空格、制表符、換頁符等空白字符的其中任意一個.小數(shù)點可以匹配除了換行符（n）以外的任意一個字符    舉例1：表達式 "dd"，在匹配 "abc1

7、23" 時，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："12"；匹配到的位置是：開始于3，結(jié)束于5。    舉例2：表達式 "a.d"，在匹配 "aaa100" 時，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："aa1"；匹配到的位置是：開始于1，結(jié)束于4。1.4 自定義能夠匹配 '多種字符' 的表達式    使用方括號 包含一系列字符，能夠匹配其中任意一個字符。用 包含一系列字符，則能夠匹配其中字符之外的任意一個字符。同樣的道理，雖然可以匹配

8、其中任意一個，但是只能是一個，不是多個。表達式可匹配ab5匹配 "a" 或 "b" 或 "5" 或 ""abc匹配 "a","b","c" 之外的任意一個字符f-k匹配 "f""k" 之間的任意一個字母A-F0-3匹配 "A""F","0""3" 之外的任意一個字符    舉例1：表達式 "bcdb

9、cd" 匹配 "abc123" 時，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："bc"；匹配到的位置是：開始于1，結(jié)束于3。    舉例2：表達式 "abc" 匹配 "abc123" 時，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："1"；匹配到的位置是：開始于3，結(jié)束于4。1.5 修飾匹配次數(shù)的特殊符號    前面章節(jié)中講到的表達式，無論是只能匹配一種字符的表達式，還是可以匹配多種字符其中任意一個的表達式，都只能匹配一次。如果使用表達式再

10、加上修飾匹配次數(shù)的特殊符號，那么不用重復(fù)書寫表達式就可以重復(fù)匹配。    使用方法是："次數(shù)修飾"放在"被修飾的表達式"后邊。比如："bcdbcd" 可以寫成 "bcd2"。表達式作用n表達式重復(fù)n次，比如："w2" 相當(dāng)于 "ww"；"a5" 相當(dāng)于 "aaaaa"m,n表達式至少重復(fù)m次，最多重復(fù)n次，比如："ba1,3"可以匹配 "ba"或"baa&q

11、uot;或"baaa"m,表達式至少重復(fù)m次，比如："wd2,"可以匹配 "a12","_456","M12344".?匹配表達式0次或者1次，相當(dāng)于 0,1，比如："acd?"可以匹配 "a","ac","ad"+表達式至少出現(xiàn)1次，相當(dāng)于 1,，比如："a+b"可以匹配 "ab","aab","aaab".*表達式不出現(xiàn)或出現(xiàn)任意次，

12、相當(dāng)于 0,，比如："*b"可以匹配 "b","b".    舉例1：表達式 "d+.?d*" 在匹配 "It costs $12.5" 時，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："12.5"；匹配到的位置是：開始于10，結(jié)束于14。    舉例2：表達式 "go2,8gle" 在匹配 "Ads by goooooogle" 時，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："g

13、oooooogle"；匹配到的位置是：開始于7，結(jié)束于17。1.6 其他一些代表抽象意義的特殊符號    一些符號在表達式中代表抽象的特殊意義：表達式作用與字符串開始的地方匹配，不匹配任何字符$與字符串結(jié)束的地方匹配，不匹配任何字符b匹配一個單詞邊界，也就是單詞和空格之間的位置，不匹配任何字符    進一步的文字說明仍然比較抽象，因此，舉例幫助大家理解。    舉例1：表達式 "aaa" 在匹配 "xxx aaa xxx" 時，匹配結(jié)果是：失敗。因為 &q

14、uot;" 要求與字符串開始的地方匹配，因此，只有當(dāng) "aaa" 位于字符串的開頭的時候，"aaa" 才能匹配，比如："aaa xxx xxx"。    舉例2：表達式 "aaa$" 在匹配 "xxx aaa xxx" 時，匹配結(jié)果是：失敗。因為 "$" 要求與字符串結(jié)束的地方匹配，因此，只有當(dāng) "aaa" 位于字符串的結(jié)尾的時候，"aaa$" 才能匹配，比如："xxx xxx aaa&

15、quot;。    舉例3：表達式 ".b." 在匹配 "abc" 時，匹配結(jié)果是：成功；匹配到的內(nèi)容是："a"；匹配到的位置是：開始于2，結(jié)束于4。    進一步說明："b" 與 "" 和 "$" 類似，本身不匹配任何字符，但是它要求它在匹配結(jié)果中所處位置的左右兩邊，其中一邊是 "w" 范圍，另一邊是 非"w" 的范圍。    舉例4：表達式 &

16、quot;bendb" 在匹配 "weekend,endfor,end" 時，匹配結(jié)果是：成功；匹配到的內(nèi)容是："end"；匹配到的位置是：開始于15，結(jié)束于18。    一些符號可以影響表達式內(nèi)部的子表達式之間的關(guān)系：表達式作用|左右兩邊表達式之間 "或" 關(guān)系，匹配左邊或者右邊( )(1). 在被修飾匹配次數(shù)的時候，括號中的表達式可以作為整體被修飾(2). 取匹配結(jié)果的時候，括號中的表達式匹配到的內(nèi)容可以被單獨得到    舉例5：表達式 "Tom|Ja

17、ck" 在匹配字符串 "I'm Tom, he is Jack" 時，匹配結(jié)果是：成功；匹配到的內(nèi)容是："Tom"；匹配到的位置是：開始于4，結(jié)束于7。匹配下一個時，匹配結(jié)果是：成功；匹配到的內(nèi)容是："Jack"；匹配到的位置時：開始于15，結(jié)束于19。    舉例6：表達式 "(gos*)+" 在匹配 "Let's go go go!" 時，匹配結(jié)果是：成功；匹配到內(nèi)容是："go go go"；匹配到的位置是：開始于6

18、，結(jié)束于14。    舉例7：表達式 "￥(d+.?d*)" 在匹配 "10.9,￥20.5" 時，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："￥20.5"；匹配到的位置是：開始于6，結(jié)束于10。單獨獲取括號范圍匹配到的內(nèi)容是："20.5"。2. 正則表達式中的一些高級規(guī)則2.1 匹配次數(shù)中的貪婪與非貪婪    在使用修飾匹配次數(shù)的特殊符號時，有幾種表示方法可以使同一個表達式能夠匹配不同的次數(shù)，比如："m,n", "m,"

19、, "?", "*", "+"，具體匹配的次數(shù)隨被匹配的字符串而定。這種重復(fù)匹配不定次數(shù)的表達式在匹配過程中，總是盡可能多的匹配。比如，針對文本 "dxxxdxxxd"，舉例如下：表達式匹配結(jié)果(d)(w+)"w+" 將匹配第一個 "d" 之后的所有字符 "xxxdxxxd"(d)(w+)(d)"w+" 將匹配第一個 "d" 和最后一個 "d" 之間的所有字符 "xxxdxxx"

20、;。雖然 "w+" 也能夠匹配上最后一個 "d"，但是為了使整個表達式匹配成功，"w+" 可以 "讓出" 它本來能夠匹配的最后一個 "d"    由此可見，"w+" 在匹配的時候，總是盡可能多的匹配符合它規(guī)則的字符。雖然第二個舉例中，它沒有匹配最后一個 "d"，但那也是為了讓整個表達式能夠匹配成功。同理，帶 "*" 和 "m,n" 的表達式都是盡可能地多匹配，帶 "?"

21、; 的表達式在可匹配可不匹配的時候，也是盡可能的 "要匹配"。這 種匹配原則就叫作 "貪婪" 模式 。    非貪婪模式：    在修飾匹配次數(shù)的特殊符號后再加上一個 "?" 號，則可以使匹配次數(shù)不定的表達式盡可能少的匹配，使可匹配可不匹配的表達式，盡可能的 "不匹配"。這種匹配原則叫作 "非貪婪" 模式，也叫作 "勉強" 模式。如果少匹配就會導(dǎo)致整個表達式匹配失敗的時候，與貪婪模式類似，非貪婪模式會最小限度的再匹配

22、一些，以使整個表達式匹配成功。舉例如下，針對文本 "dxxxdxxxd" 舉例：表達式匹配結(jié)果(d)(w+?)"w+?" 將盡可能少的匹配第一個 "d" 之后的字符，結(jié)果是："w+?" 只匹配了一個 "x"(d)(w+?)(d)為了讓整個表達式匹配成功，"w+?" 不得不匹配 "xxx" 才可以讓后邊的 "d" 匹配，從而使整個表達式匹配成功。因此，結(jié)果是："w+?" 匹配 "xxx" 

23、   更多的情況，舉例如下：    舉例1：表達式 "<td>(.*)</td>" 與字符串 "<td><p>aa</p></td> <td><p>bb</p></td>" 匹配時，匹配的結(jié)果是：成功；匹配到的內(nèi)容是 "<td><p>aa</p></td> <td><p>bb</p></t

24、d>" 整個字符串， 表達式中的 "</td>" 將與字符串中最后一個 "</td>" 匹配。     舉例2：相比之下，表達式 "<td>(.*?)</td>" 匹配舉例1中同樣的字符串時，將只得到 "<td><p>aa</p></td>"， 再次匹配下一個時，可以得到第二個 "<td><p>bb</p></td

25、>"。2.2 反向引用 1, 2.    表達式在匹配時，表達式引擎會將小括號 "( )" 包含的表達式所匹配到的字符串記錄下來。在獲取匹配結(jié)果的時候，小括號包含的表達式所匹配到的字符串可以單獨獲取。這一點，在前面的舉例中，已經(jīng)多次展示了。在實際應(yīng)用場合中，當(dāng)用某種邊界來查找，而所要獲取的內(nèi)容又不包含邊界時，必須使用小括號來指定所要的范圍。比如前面的 "<td>(.*?)</td>"。    其實，"小括號包含的表達式所匹配到的字符串"

26、 不僅是在匹配結(jié)束后才可以使用，在匹配過程中也可以使用。表達式后邊的部分，可以引用前面 "括號內(nèi)的子匹配已經(jīng)匹配到的字符串"。引用方法是 "" 加上一個數(shù)字。"1" 引用第1對括號內(nèi)匹配到的字符串，"2" 引用第2對括號內(nèi)匹配到的字符串以此類推，如果一對括號內(nèi)包含另一對括號，則外層的括號先排序號。換句話說，哪一對的左括號 "(" 在前，那這一對就先排序號。    舉例如下：    舉例1：表達式 "('|")

27、(.*?)(1)" 在匹配 " 'Hello', "World" " 時，匹配結(jié)果是：成功；匹配到的內(nèi)容是：" 'Hello' "。再次匹配下一個時，可以匹配到 " "World" "。    舉例2：表達式 "(w)14," 在匹配 "aa bbbb abcdefg ccccc 111121111 999999999" 時，匹配結(jié)果是：成功；匹配到的內(nèi)容是 "ccccc&q

28、uot;。再次匹配下一個時，將得到 999999999。這個表達式要求 "w" 范圍的字符至少重復(fù)5次，注意與 "w5," 之間的區(qū)別。    舉例3：表達式 "<(w+)s*(w+(=('|").*?4)?s*)*>.*?</1>" 在匹配 "<td id='td1' style="bgcolor:white"></td>" 時，匹配結(jié)果是成功。如果 "<td>

29、" 與 "</td>" 不配對，則會匹配失??；如果改成其他配對，也可以匹配成功。2.3 預(yù)搜索，不匹配；反向預(yù)搜索，不匹配    前面的章節(jié)中，我講到了幾個代表抽象意義的特殊符號：""，"$"，"b"。它們都有一個共同點，那就是：它們本身不匹配任何字符，只是對 "字符串的兩頭" 或者 "字符之間的縫隙" 附加了一個條件。理解到這個概念以后，本節(jié)將繼續(xù)介紹另外一種對 "兩頭" 或者 "縫隙&quo

30、t; 附加條件的，更加靈活的表示方法。    正向預(yù)搜索："(?=xxxxx)"，"(?!xxxxx)"    格式："(?=xxxxx)"，在被匹配的字符串中，它對所處的 "縫隙" 或者 "兩頭" 附加的條件是：所在縫隙的右側(cè)，必須能夠匹配上 xxxxx 這部分的表達式。因為它只是在此作為這個縫隙上附加的條件，所以它并不影響后邊的表達式去真正匹配這個縫隙之后的字符。這就類似 "b"，本身不匹配任何字符。"

31、b" 只是將所在縫隙之前、之后的字符取來進行了一下判斷，不會影響后邊的表達式來真正的匹配。    舉例1：表達式 "Windows (?=NT|XP)" 在匹配 "Windows 98, Windows NT, Windows 2000" 時，將只匹配 "Windows NT" 中的 "Windows "，其他的 "Windows " 字樣則不被匹配。    舉例2：表達式 "(w)(?=111)(1)+"

32、 在匹配字符串 "aaa ffffff 999999999" 時，將可以匹配6個"f"的前4個，可以匹配9個"9"的前7個。這個表達式可以讀解成：重復(fù)4次以上的字母數(shù)字，則匹配其剩下最后2位之前的部分。當(dāng)然，這個表達式可以不這樣寫，在此的目的是作為演示之用。    格式："(?!xxxxx)"，所在縫隙的右側(cè)，必須不能匹配 xxxxx 這部分表達式。    舉例3：表達式 "(?!bstopb).)+" 在匹配 "fdjka

33、ljfdl stop fjdsla fdj" 時，將從頭一直匹配到 "stop" 之前的位置，如果字符串中沒有 "stop"，則匹配整個字符串。    do(?!w)" 在匹配字符串 "done, do, dog" 時，只能匹配 "do"。在本條舉例中，"do" 后邊使用 "(?!w)" 和使用 "b" 效果是一樣的。    反向預(yù)搜索："(?<=xxxxx)&

34、quot;，"(?<!xxxxx)"    這兩種格式的概念和正向預(yù)搜索是類似的，反向預(yù)搜索要求的條件是：所在縫隙的 "左側(cè)"，兩種格式分別要求必須能夠匹配和必須不能夠匹配指定表達式，而不是去判斷右側(cè)。與 "正向預(yù)搜索" 一樣的是：它們都是對所在縫隙的一種附加條件，本身都不匹配任何字符。    舉例5：表達式 "(?<=d4)d+(?=d4)" 在匹配 "1234567890123456" 時，將匹配除了前4個數(shù)字和后4個數(shù)

35、字之外的中間8個數(shù)字。由于 JScript.RegExp 不支持反向預(yù)搜索，因此，本條舉例不能夠進行演示。很多其他的引擎可以支持反向預(yù)搜索，比如：Java 1.4 以上的 java.util.regex 包，.NET 中System.Text.RegularExpressions 命名空間，以及本站推薦的最簡單易用的 DEELX 正則引擎。3. 其他通用規(guī)則    還有一些在各個正則表達式引擎之間比較通用的規(guī)則，在前面的講解過程中沒有提到。3.1 表達式中，可以使用 "xXX" 和 "uXXXX" 表示一個字符（"

36、X" 表示一個十六進制數(shù)）形式字符范圍xXX編號在 0 255 范圍的字符，比如：空格可以使用 "x20" 表示uXXXX任何字符可以使用 "u" 再加上其編號的4位十六進制數(shù)表示，比如："u4E2D"3.2 在表達式 "s"，"d"，"w"，"b" 表示特殊意義的同時，對應(yīng)的大寫字母表示相反的意義表達式可匹配S匹配所有非空白字符（"s" 可匹配各個空白字符）D匹配所有的非數(shù)字字符W匹配所有的字母、數(shù)字、下劃線以外的字符B匹配

37、非單詞邊界，即左右兩邊都是 "w" 范圍或者左右兩邊都不是 "w" 范圍時的字符縫隙3.3 在表達式中有特殊意義，需要添加 "" 才能匹配該字符本身的字符匯總字符說明匹配輸入字符串的開始位置。要匹配 "" 字符本身，請使用 ""$匹配輸入字符串的結(jié)尾位置。要匹配 "$" 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。要匹配小括號，請使用 "(" 和 ")" 用來自定義能夠匹配 '多種字符&#

38、39; 的表達式。要匹配中括號，請使用 "" 和 "" 修飾匹配次數(shù)的符號。要匹配大括號，請使用 "" 和 "".匹配除了換行符（n）以外的任意一個字符。要匹配小數(shù)點本身，請使用 "."?修飾匹配次數(shù)為 0 次或 1 次。要匹配 "?" 字符本身，請使用 "?"+修飾匹配次數(shù)為至少 1 次。要匹配 "+" 字符本身，請使用 "+"*修飾匹配次數(shù)為 0 次或任意次。要匹配 "*" 字符本身，請使用

39、"*"|左右兩邊表達式之間 "或" 關(guān)系。匹配 "|" 本身，請使用 "|"3.4 括號 "( )" 內(nèi)的子表達式，如果希望匹配結(jié)果不進行記錄供以后使用，可以使用 "(?:xxxxx)" 格式    舉例1：表達式 "(?:(w)1)+" 匹配 "a bbccdd efg" 時，結(jié)果是 "bbccdd"。括號 "(?:)" 范圍的匹配結(jié)果不進行記錄，因此 "(w)" 使用 "1" 來引用。3.