完整版正則表達式和字符串處理全

1、正則表達式和字符串處理（全）第一章正則表達式概述正則表達式（RegularExpression）起源于人類神經(jīng)系統(tǒng)的研究。正則表達式的定義有以下幾種：用某種模式去匹配一類字符串的公式，它主要是用來描述字符串匹配的工具。描述了一種字符串匹配的模式?？梢杂脕頇z查字符串是否含有某種子串、將匹配的子串做替換或者從中取出符合某個條件的子串等。由普通字符（a-z）以及特殊字符（元字符）組成的文字模式，正則表達式作為一個模版，將某個字符模式與所搜索的字符串進行匹配。用于描述某些規(guī)則的的工具。這些規(guī)則經(jīng)常用于處理字符串中的查找或替換字符串。也就是說正則表達式就是記錄文本規(guī)則的代碼。用一個字符串來描述一個特征，

2、然后去驗證另一個字符串是否符合這個特征。以上這些定義其實也就是正則表達式的作用。第二章正則表達式基礎(chǔ)理論這些理論將為編寫正則表達式提供法則和規(guī)范，正則表達式主要包括以下基礎(chǔ)理論：元字符字符串字符轉(zhuǎn)義反義限定符替換分組反向引用零寬度斷言匹配選項注釋優(yōu)先級順序遞歸匹配2. 1元字符在正則表達式中，元字符（Metacharacter）是一類非常特殊的字符，它能夠匹配一個位置或字符集合中的一個字符，如：、w等。根據(jù)功能，元字符可以分為兩種類型：匹配位置的元字符和匹配字符的元字符。2.1 .1匹配位置的元字符包括：人、$、和b。其中人（脫字符號）和$（美元符號）都匹配一個位置，分別匹配行的開始和結(jié)尾。比

3、如，4string匹配以string開頭的行，string$匹配以string結(jié)尾的行。Astring$匹配以string開始和結(jié)尾的行。單個$匹配一個空行。單個人匹配任意行。b匹配單詞的開始和結(jié)尾，如：bstr匹配以str開始的單詞，但b不匹配空格、標點符號或換行符號，所以，bstr可以匹配string>stringfomat等單詞。bstr正則表達式匹配的字符串必須以str開頭,并且str以前是單詞的分界處，但此正則表達式不能限定str之后的字符串形式。以下正則表達式匹配以ing結(jié)尾的字符串，如string>Thisisastring等Ingb正則表達式ingb匹配的字符串必須

4、以ing結(jié)尾，并且ing后是分界符，以下正則表達式匹配一個完整的單詞：bstringb。2.2 .2匹配字符的元字符匹配字符的元字符有7個:.（點號）、w、W、S、d和D。其中點號匹配除換行之外的任意字符；w匹配單詞字符（包括字母、漢字、下劃線和數(shù)字）；W匹配任意非單詞字符、s匹配任意的空白字符，如空格、制表符、換行等；S匹配任意的非空白字符；d匹配任意數(shù)字字符；D匹配任意的非數(shù)字字符。如：'.$匹配一個非空行，在該行中可以包含除了換行符以外的任意字符。Nw$匹配一個非空行，并且該行中只能包含字母、數(shù)字、下劃線和漢字中的任意字符。ibawwwwwwb匹配以字母a開頭長度等于7的任意單詞

5、ibawwwdddDb匹配以字母a開頭后面有3個字符三個數(shù)字和1個非數(shù)字字符長度等于8的單詞2.3 字符類字符類是一個字符集合，如果該字符集合中的任何一個字符被匹配，則它會找到該匹配項。字符類可以在口（方括號）中定義。如：012345可以匹配數(shù)字0到5中的任意一個。<H123456>可以匹配HTML標簽中的H1至UH6。Jjack可以匹配字符串Jack或jack。但是，由于表達式0123456789書寫非常不方便，連字符（-）便應(yīng)用而生，0-9等價于0123456789。a-z匹配任何小寫字母，A-Z匹配任意大寫字母。如果要在字符類中包含連字符，則必須包含在第一位，如：卜a表示表達

6、式匹配-或者a。在字符類中如果人是字符類的第一個字符表示否定該字符串，也就是匹配該字符串外的任意字符，如：Fabc匹配除了abc以外的任意字符，F(xiàn)-匹配除了連字符以外的任意字符，aFb匹配a之后不是b的字符串。表2-1常用的字符類子符或表達式說明w匹配單詞字符（包括字母、數(shù)字、下劃線和漢字）W匹配任意的非單詞字符（包括字母、數(shù)字、下劃線和漢字）s匹配任意的空白字符，如空格、制表符、換行符、中文全角空格等S匹配任意的非空白字符d匹配任意數(shù)字D匹配任意的非數(shù)字字符abc匹配字符集中的任何字符Aabc匹配除了字符集中包含字符的任意字符0-9a-z_A-Z匹配任何數(shù)字、字母、下劃線。等同于wpname

7、匹配name指定的命名字符類中的任何字符Pname匹配除name指te的而名子付類中之外的任何子付.匹配除了換行符號之外的任意字符A0-9a-zA-Z等同于W2.4 字符轉(zhuǎn)義表2-2:常用的轉(zhuǎn)義字符表iA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)中有特殊用處的標點符號，在前面加""后，就代表該符號本身。比如：人,$都有特殊意義，如果要想匹配字符串中"人"和"$"字符，則表達式就需要寫成"A"和"$"。表iA式可匹配A匹配八符號本身$匹配$符號本身

8、.匹配小數(shù)點(.)本身2.5 反義在使用正則表達式時，如果需要匹配不在字符類指定的范圍內(nèi)的字符時，可以使用反義規(guī)則。其實我們已經(jīng)使用過反義表達式，如W、S、D、Fabc等。常用的反義表如下：表2-3:常用的反義表達式子符或表達式說明W匹配任意不是字母，數(shù)字，卜劃線，漢字的字符S匹配任意不是空白符的字符D匹配任意非數(shù)字的字符B匹配不是單詞開頭或結(jié)束的位置Ax匹配除了x以外的任意字符Aaeiou匹配除了aeiou這幾個字母以外的任意字符2.4限定符正則表達式的元字符一次只能匹配一個位置或一個字符，如果需要匹配零個一個或多個字符時，則需要使用限定符。限定符用于指定允許特定字符或字符集自身重復(fù)出現(xiàn)的次

9、數(shù)。如n表示出現(xiàn)n次；n,表示重復(fù)至少n次；n,m表示至少出現(xiàn)n次最多m次。常用限定符如下表：表2-4:常用限定符字符描述*匹配前面的子表達式零次或多次。例如，zo*能匹配"z"以及價于0,。"zoo"。*等+匹配前面的子表達式一次或多次。例如，但不能匹配"z"。+等價于1,。'zo+'能匹配"zo"以及"zoo",?匹配前面的子表達式零次或一次。例如，"does"中的"do"。?等價于0,1。"do(es)?"可以匹配

10、"do"或nn是一個非負整數(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"中的兩個o。n,n是一個非負整數(shù)。至少匹配n次。例如，'o2,不能匹配"Bob"中的'o',但能匹配"foooood"中的所有o。'o1,'等價于o+'。'o0,'則等價于'o*'。n,m)m和n均為非負整數(shù)，其中n<=mi最少匹配n次且最多匹配m次。劉，"o1,3&q

11、uot;將匹配"fooooood"中的前二個o。o0,1'等價于'o?'。請注意在逗號和兩個數(shù)之間不能有空格。*?盡可能少的使用重復(fù)的第一個匹配+?盡可能少的使用重復(fù)但至少使用一次?如果有PJ能使用零次重復(fù)或一次重復(fù)。n?等同于nn,?盡可能少的使用重復(fù)但至少重復(fù)n次n,m?介于n次和m次之間，盡可能少的使用重復(fù)。2.6 貪婪、惰性和支配性匹配惰性匹配：先看字符串中的第一個字母是不是一個匹配，如果單獨一個字符還不夠就讀入下一個字符，如果還沒有發(fā)現(xiàn)匹配，就不斷地從后續(xù)字符中讀取，只道發(fā)現(xiàn)一個合適的匹配，然后開始下一次的匹配。貪婪匹配：先看整個字符串是不

12、是一個匹配，如果沒有發(fā)現(xiàn)匹配，它去掉字符串中最后一個字符并再次嘗試，如果還沒有發(fā)現(xiàn)匹配，那么再次去掉最后一個字符，這個過程會一直重復(fù)直到發(fā)現(xiàn)一個匹配或字符串不剩一個字符為止。支配性匹配：只嘗試匹配整個字符串，如果整個字符串不能產(chǎn)生一個匹配，則不再進行嘗試。我們普通的字符類均是貪婪匹配，如果在字符類后加個問號（?）則表示懶惰匹配，要成為支配性匹配則在懶惰匹配后加個問號（?）.2.7 替換正則表達式0d2-d8和0d3-d7分別匹配區(qū)號為3位和4位的固定電話號碼，如果需要同時匹配區(qū)號為3位和4位的固定電話號碼，可以使用替換滿足這一需求。最簡單的替換是使用豎線（|）表示。以下表達式匹配了區(qū)號為3位號

13、碼為8位和區(qū)號為4位號碼為7位的的電話號碼，區(qū)號和號碼均使用-連接，0d2-d8|0d3-d7表2-5常用替換子符或表達式說明I匹配豎線（|）左側(cè)或右側(cè)(?(表達式)yes|no)表達式要么與yes部分匹配要么與no部分匹配，其中no部分可以省略。(?(name)yes|no)以name命名的字符串要么與yas部分匹配，要么與no部分pp,其中no部分可以省略2.8 分組分組又稱為子表達式，即把一個正則表達式的全部或部分分成一個或多個組。其中分組使用圓括號0,分組后把圓括號中的表達式看做一個整體來處理，比如：(abc)1,2表示abc出現(xiàn)一次或兩次的字符串，其中把abc看做一個整體來進行匹配。

14、2.9 后向引用當一個正則表達式被分組后，每一個組將自動被賦予一個組號，該組號可以代表該組的表達式。其中，組號的編制規(guī)則為：從左到右，以分組的左括號為標志，第一個組號為1,第二個分組號為2,以此類推。如：(A?(B?(C?)將產(chǎn)生3個組號，第一組為：(A?(B?(C?);第二組為：(B?(C?);第三組為：(C?)。反向引用提供了查找重復(fù)字符組的方便方法，反向引用可以使用數(shù)字命名(默認名稱)的組號，也可以使用指定命名的組號。比如：b(w)1b匹配兩個字符一樣的單詞，此表達式和b(w)wb不一樣，后者兩個字符可以不一樣。再看，b(w)(d)12b,匹配一個字符和一個數(shù)字然后重復(fù)字符和數(shù)字。bw*

15、(w+)1b匹配以至少兩個字符一樣結(jié)尾的單詞。b(w+)bs+1b此正則表達式匹配的具體過程如下：a.表達式b(w+)b匹配一個單詞并且單詞的長度至少為1b.表達式s+匹配一個或多個空白字符c.表達式1將重復(fù)子表達式(w+)匹配的內(nèi)容，及匹配重復(fù)的單詞d.匹配單詞的結(jié)束位置。分組不僅可以使用數(shù)字作為組號，還可以使用自定義名稱作為組號。以下兩個正則表達式都是將分組后的子表達式w+命名為word.(?<word>w+)(?'wordw+)因此b(w+)bs+1b和以下正則表達式是等價的，都匹配重復(fù)的單詞：b(?<word>w+)bs+k<word>b表2

16、-5后向引用說明表表達式說明數(shù)字使用數(shù)字命名的后向引用k<name>使用指定命名的后向引用表2-6常用分組說明字符說明(expression)匹配子符串expression,并將匹配的文本保存到自動而名的組里(?<nane>expression)匹配子符串expression,并將匹配的文本保存到以name命名的變量中，該名稱不能包含標點符號，不能以數(shù)字開頭。(?:expression)匹配子符串expression,不保存匹配的文本,也不分配組號(?!expression)匹配后面不是子符串expression的位直(?=expression)匹配子符串express

17、ion前回的位直(?<=expression)匹配子符串expression后面的位置(?<!expression)匹配前面不是字符串expression的位直(?>expression)只匹配expression次2.10 寬度斷言元字符人、b、$都匹配一個位置，并且這個位置滿足一定條件。在此把滿足一個條件稱為斷言或零寬度斷言。正則表達式中零寬度斷言說明如下表：表2-6零寬度斷言字符(斷言)說明A匹配行的開始位置$匹配行的結(jié)束位置A匹配必須出現(xiàn)在字符串的開頭Z匹配必須出現(xiàn)在字符串的結(jié)尾或字符串結(jié)尾處的換行符(n)前z匹配必須出現(xiàn)在字符串的結(jié)尾G匹配必須出現(xiàn)在上個匹配結(jié)束的地

18、方b匹配單詞的開始或結(jié)束的位置B匹配不是單詞的開始或結(jié)束的位置表達式(?=expression)、(?!expression)、(?<=expression)、和(?<!expression)者B是匹配個位置。下面將詳細介紹表達式(?=expression)和(?<=expression)。(?=expression)又稱為零寬度正預(yù)測先行斷言，它斷言自身位置的前面能夠匹配表達式expression。以下正則表達式匹配以ed結(jié)尾的單詞的前面部分：bw+(?=edb)。(?<=expression)又稱為零寬度正回顧后發(fā)斷言，它斷言自身位置的后面能夠匹配表達式expres

19、sion,以下正則表達式匹配以an開頭的單詞的后面部分，即匹配單詞除了字符串a(chǎn)n之外的部分：(?<=ban)w+b2.11 負向零寬度斷言零寬度斷言只能指定或匹配一個位置，而負向零寬度斷言與零寬度斷言正好相反，它能指定或匹配不是一個位置，即所說的反義。特別是在匹配字符串中不包含指定的字符時，負向零寬度斷言特別有用，比如要匹配斷言字符a之后不能是字符b的表達式為：bw*a(?!b)w*b因此該表達式匹配一個單詞，并且這個包含字符a并且a后面不是緊隨著b表達式(？!expression)稱為負向零寬度斷言，它斷言自身位置后不能包含expression。以下正則表達式匹配一個z字符串，字符串前

20、三位為字符并且后邊不是緊隨著數(shù)字：bw3(?!d+);表達式(?<!expression)稱為零寬度回顧后發(fā)斷言，它斷言自身位置的前面不能匹配字符串expression。以下表達式匹配不以數(shù)字開頭、并且字符串中只包含大寫字母、小寫字母或下劃線。(?<!d+)a-z-A-Z+2.12 匹配選項匹配選項可以指定正則表達式匹配中的行為，如忽略大小寫、處理多行、處理單行、從右到左開始匹配等。常用的匹配選項如下：表2-7常用匹配選項RegexOptions枚舉值內(nèi)聯(lián)標志簡單說明ExplicitCapturen只有定義了命名或編號的組才捕獲gnoreCasei小區(qū)分大小寫gnorePatter

21、nWhitespacex消除模式中的非轉(zhuǎn)義空白并啟用由#標記的注釋。MultiLinem多行模式，其原理是修改了A和$的含義SingleLines單行模式，和MultiLine相對應(yīng)2.13 優(yōu)先級正則表達式從左到右進行計算，并遵循優(yōu)先級順序，這與算術(shù)表達式非常類似。下表從最高到最低說明了各種正則表達式運算符的優(yōu)先級順序：表2-8:優(yōu)先級說明運算符說明轉(zhuǎn)義符(),(?：),(?=),括號和中括號*,+,?,n,n,n,m限定符anymetacharacter,anycharacter定位點和序列1替換字符的優(yōu)先級比替換運算符高，替換運算符允許m|food與m或food匹配。右嚶匹配"mood'或"food，”請使用括號創(chuàng)建子表達式，從而產(chǎn)生"(m|f)00d2.12遞歸匹配遞歸匹配在匹配具有嵌套結(jié)構(gòu)的字符串時特別有效。比如算術(shù)表達式(1+2)*(3+4)具有嵌套結(jié)構(gòu)，如果要使用正則表達式檢查該表達式是否正確，則可以使用遞歸匹配解決該問題。這里介紹的平衡組語法是由.NetFramework支持的；其它語言/庫不一定支持這種功能，或者支持此功能但需要使用不同的語法。有時我們需要匹配像(100*(50+15)這樣的可嵌套的層次性結(jié)構(gòu)，這時簡單地使用(.+)則只會匹配到最左邊的左括號和最右邊的右括號之間的內(nèi)容(這里我們討論的是貪婪模式，懶惰模式也有