正則表達式學習1

1. 正則表達式規則

普通字符

字母、數字、漢字、下劃線、以及後邊章節中沒有特殊定義的標點符號，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。

轉義字符

   一些不便書寫的字符，採用在前面加 "\" 的方法。這些字符其實我們都已經熟知了。

表達式	可匹配
\r, \n	代表回車和換行符
\t	製表符
\\	代表 "\" 本身

    還有其他一些在後邊章節中有特殊用處的標點符號，在前面加 "\" 後，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 "\^" 和 "\$"。

表達式	可匹配
\^	匹配 ^ 符號本身
\$	匹配 $ 符號本身
\.	匹配小數點（.）本身

    這些轉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。

與 '多種字符' 匹配的表達式

 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字。雖然可以匹配其中任意字符，但是隻能是一個，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，但是隻能代替一張牌。

表達式	可匹配
\d	任意一個數字，0~9 中的任意一個
\w	任意一個字母或數字或下劃線，也就是 A~Z,a~z,0~9,_ 中任意一個
\s	包括空格、製表符、換頁符等空白字符的其中任意一個
.	小數點可以匹配除了換行符（\n）以外的任意一個字符

   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，雖然可以匹配其中任意一個，但是隻能是一個，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

修飾匹配次數的特殊符號

  前面章節中講到的表達式，無論是隻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。如果使用表達式再加上修飾匹配次數的特殊符號，那麼不用重複書寫表達式就可以重複匹配。

    使用方法是："次數修飾"放在"被修飾的表達式"後邊。比如："[bcd][bcd]" 可以寫成 "[bcd]{2}"。

表達式	作用
{n}	表達式重複n次，比如： "\w{2}" 相當於 "\w\w"； "a{5}" 相當於 "aaaaa"
{m,n}	表達式至少重複m次，最多重複n次，比如： "ba{1,3}"可以匹配 "ba"或"baa"或"baaa"
{m,}	表達式至少重複m次，比如： "\w\d{2,}"可以匹配 "a12","_456","M12344"...
?	匹配表達式0次或者1次，相當於 {0,1}，比如： "a[cd]?"可以匹配 "a","ac","ad"
+	表達式至少出現1次，相當於 {1,}，比如： "a+b"可以匹配 "ab","aab","aaab"...
*	表達式不出現或出現任意次，相當於 {0,}，比如： "\^*b"可以匹配 "b","^^^b"...

其他一些代表抽象意義的特殊符號

表達式

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

    一些符號可以影響表達式內部的子表達式之間的關係：

表達式	作用
|	左右兩邊表達式之間 "或" 關係，匹配左邊或者右邊
( )	(1). 在被修飾匹配次數的時候，括號中的表達式可以作爲整體被修飾 (2). 取匹配結果的時候，括號中的表達式匹配到的內容可以被單獨得到

正則表達式中的一些高級規則

匹配次數中的貪婪與非貪婪

在使用修飾匹配次數的特殊符號時，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，比如："{m,n}", "{m,}", "?", "*", "+"，具體匹配的次數隨被匹配的字符串而定。這種重複匹配不定次數的表達式在匹配過程中，總是儘可能多的匹配。比如，針對文本 "dxxxdxxxd"，舉例如下：

表達式	匹配結果
(d)(\w+)	"\w+" 將匹配第一個 "d" 之後的所有字符 "xxxdxxxd"
(d)(\w+)(d)	"\w+" 將匹配第一個 "d" 和最後一個 "d" 之間的所有字符 "xxxdxxx"。雖然 "\w+" 也能夠匹配上最後一個 "d"，但是爲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後一個 "d"

    由此可見，"\w+" 在匹配的時候，總是儘可能多的匹配符合它規則的字符。雖然第二個舉例中，它沒有匹配最後一個 "d"，但那也是爲了讓整個表達式能夠匹配成功。同理，帶 "*" 和 "{m,n}" 的表達式都是儘可能地多匹配，帶 "?" 的表達式在可匹配可不匹配的時候，也是儘可能的 "要匹配"。這 種匹配原則就叫作 "貪婪" 模式 。

    非貪婪模式：

    在修飾匹配次數的特殊符號後再加上一個 "?" 號，則可以使匹配次數不定的表達式儘可能少的匹配，使可匹配可不匹配的表達式，儘可能的 "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	匹配結果
(d)(\w+?)	"\w+?" 將儘可能少的匹配第一個 "d" 之後的字符，結果是："\w+?" 只匹配了一個 "x"
(d)(\w+?)(d)	爲了讓整個表達式匹配成功，"\w+?" 不得不匹配 "xxx" 纔可以讓後邊的 "d" 匹配，從而使整個表達式匹配成功。因此，結果是："\w+?" 匹配 "xxx"

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，已經多次展示了。在實際應用場合中，當用某種邊界來查找，而所要獲取的內容又不包含邊界時，必須使用小括號來指定所要的範圍。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" 不僅是在匹配結束後纔可以使用，在匹配過程中也可以使用。表達式後邊的部分，可以引用前面 "括號內的子匹配已經匹配到的字符串"。引用方法是 "\" 加上一個數字。"\1" 引用第1對括號內匹配到的字符串，"\2" 引用第2對括號內匹配到的字符串……以此類推，如果一對括號內包含另一對括號，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。

預搜索，不匹配；反向預搜索，不匹配

前面的章節中，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。理解到這個概念以後，本節將繼續介紹另外一種對 "兩頭" 或者 "縫隙" 附加條件的，更加靈活的表示方法。

    正向預搜索："(?=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，必須能夠匹配上 xxxxx 這部分的表達式。因爲它只是在此作爲這個縫隙上附加的條件，所以它並不影響後邊的表達式去真正匹配這個縫隙之後的字符。這就類似 "\b"，本身不匹配任何字符。"\b" 只是將所在縫隙之前、之後的字符取來進行了一下判斷，不會影響後邊的表達式來真正的匹配。

  反向預搜索："(?<=xxxxx)"，"(?<!xxxxx)"

    這兩種格式的概念和正向預搜索是類似的，反向預搜索要求的條件是：所在縫隙的 "左側"，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。與 "正向預搜索" 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 "(?<=\d{4})\d+(?=\d{4})" 在匹配 "1234567890123456" 時，將匹配除了前4個數字和後4個數字之外的中間8個數字。由於 JScript.RegExp 不支持反向預搜索，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. 其他通用規則

還有一些在各個正則表達式引擎之間比較通用的規則，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（"X" 表示一個十六進制數）

形式	字符範圍
\xXX	編號在 0 ~ 255 範圍的字符，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	匹配所有的非數字字符
\W	匹配所有的字母、數字、下劃線以外的字符
\B	匹配非單詞邊界，即左右兩邊都是 "\w" 範圍或者左右兩邊都不是 "\w" 範圍時的字符縫隙

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彙總

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尾位置。要匹配 "$" 字符本身，請使用 "\$"
( )	標記一個子表達式的開始和結束位置。要匹配小括號，請使用 "\(" 和 "\)"
[ ]	用來自定義能夠匹配 '多種字符' 的表達式。要匹配中括號，請使用 "\[" 和 "\]"
{ }	修飾匹配次數的符號。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。要匹配小數點本身，請使用 "\."
?	修飾匹配次數爲 0 次或 1 次。要匹配 "?" 字符本身，請使用 "\?"
+	修飾匹配次數爲至少 1 次。要匹配 "+" 字符本身，請使用 "\+"
*	修飾匹配次數爲 0 次或任意次。要匹配 "*" 字符本身，請使用 "\*"
|	左右兩邊表達式之間 "或" 關係。匹配 "|" 本身，請使用 "\|"

3.4 括號 "( )" 內的子表達式，如果希望匹配結果不進行記錄供以後使用，可以使用 "(?:xxxxx)" 格式

3.5 常用的表達式屬性設置簡介：Ignorecase，Singleline，Multiline，Global

表達式屬性	說明
Ignorecase	默認情況下，表達式中的字母是要區分大小寫的。配置爲 Ignorecase 可使匹配時不區分大小寫。有的表達式引擎，把 "大小寫" 概念延伸至 UNICODE 範圍的大小寫。
Singleline	默認情況下，小數點 "." 匹配除了換行符（\n）以外的字符。配置爲 Singleline 可使小數點可匹配包括換行符在內的所有字符。
Multiline	默認情況下，表達式 "^" 和 "$" 只匹配字符串的開始 ① 和結尾 ④ 位置。如： ①xxxxxxxxx②\n ③xxxxxxxxx④ 配置爲 Multiline 可以使 "^" 匹配 ① 外，還可以匹配換行符之後，下一行開始前 ③ 的位置，使 "$" 匹配 ④ 外，還可以匹配換行符之前，一行結束 ② 的位置。
Global	主要在將表達式用來替換時起作用，配置爲 Global 表示替換所有的匹配。