原文地址點擊打開鏈接
正則表達式(regular expression )就是用一個“ 字符串” 來描述一個特徵,然後去驗證另一個“ 字符串” 是否符合這個特徵。比如 表達式“ab+” 描述的特徵是“ 一個 'a' 和 任意個 'b' ” ,那麼 'ab', 'abb', 'abbbbbbbbbb' 都符合這個特徵。
正則表達式可以用來:(1 )驗證字符串是否符合指定特徵,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徵的字符串,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。
正則表達式學習起來其實是很簡單的,不多的幾個較爲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複雜,一方面是因爲大多數的文檔沒有做到由淺 入深地講解,概念上沒有注意先後順序,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並不是我們首 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。閒話少說,開始。
1. 正則表達式規則
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。
舉例1 :表達式 "c" ,在匹配字符串 "abcde" 時 ,匹配結果是:成功;匹配到的內容是:"c" ;匹配到的位置是:開始於2 ,結束於3 。(注:下標從0 開始還是從1 開始,因當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 ,匹配結果是:成功;匹配到的內容是:"bcd" ;匹配到的位置是:開始於1,結束於4 。
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。
舉例1 :表達式 "/$d" ,在匹配字符串 "abc$de" 時 ,匹配結果是:成功;匹配到的內容是:"$d" ;匹配到的位置是:開始於3,結束於5 。
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 |
舉例1 :表達式 " /d/d " ,在匹配
"abc123" 時 ,匹配的結果是:成功;匹配到的內容是:"12" ;匹配到的位置是:開始於3,結束於5 。
舉例2 :表達式 " a ./d " ,在匹配
"aaa100" 時 ,匹配的結果是:成功;匹配到的內容是:"aa1" ;匹配到的位置是:開始於1 ,結束於4 。
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 |
舉例1 :表達式 " [bcd][bcd] " 匹配
"abc123" 時 ,匹配的結果是:成功;匹配到的內容是:"bc" ;匹配到的位置是:開始於1 ,結束於3 。
舉例2 :表達式 " [^abc] " 匹配
"abc123" 時 ,匹配的結果是:成功;匹配到的內容是:"1" ;匹配到的位置是:開始於3 ,結束於4 。
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"... |
舉例1 :表達式 " /d + /. ? /d * " 在匹配
"It costs $12.5" 時 ,匹配的結果是:成功;匹配到的內容是:"12.5" ;匹配到的位置是:開始於10 ,結束於14 。
舉例2 :表達式 " go {2,8} gle " 在匹配
"Ads by goooooogle" 時 ,匹配的結果是:成功;匹配到的內容是:"goooooogle";匹配到的位置是:開始於7 ,結束於17 。
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 ,匹配結果是:失敗。因爲 "^" 要求與字符串開始的地方匹配,因此,只有當 "aaa" 位於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 ,匹配結果是:失敗。因爲 "$" 要求與字符串結束的地方匹配,因此,只有當 "aaa" 位於字符串的結尾的時候,"aaa$" 才能匹配,比如:"xxx
xxx aaa" 。
舉例3 :表達式 " /b end /b " 在匹配
"weekend,endfor,end" 時 ,匹配結果是:成功;匹配到的內容是:"end" ;匹配到的位置是:開始於15 ,結束於18 。
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 |
舉例5 :表達式 " Tom | Jack " 在匹配字符串
"I'm Tom, he is Jack" 時 ,匹配結果是:成功;匹配到的內容是:"Tom" ;匹配到的位置是:開始於4 ,結束於7 。匹配下一個時,匹配結果是:成功;匹配到的內容是:"Jack" ;匹配到的位置時:開始於15 ,結束於19 。
舉例6 :表達式 " ( go /s * ) + " 在匹配
"Let's go go go!" 時 ,匹配結果是:成功;匹配到內容是:"go go go" ;匹配到的位置是:開始於6 ,結束於14 。
舉例7 :表達式 " ¥ ( /d + /. ? /d * ) " 在匹配
" $10.9, ¥20.5" 時 ,匹配的結果是:成功;匹配到的內容是:"¥20.5" ;匹配到的位置是:開始於6 ,結束於10 。單獨獲取括號範圍匹配到的內容是:"20.5" 。
2. 正則表達式中的一些高級規則
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 |
"/w+" 將匹配第一個 "d" 之後的所有字符 "xxxdxxxd" |
|
"/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 |
"/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" |
|
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" |
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 ,匹配的結果是:成功;匹配到的內容是 "<td><p>aa</p></td> <td><p>bb</p></td>" 整個字符串, 表達式中的 "</td>" 將與字符串中最後一個 "</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>" 。
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。
舉例如下:
舉例1 :表達式 " ( ' | " )( . *? )( /1 ) " 在匹配
" 'Hello', "World" " 時 ,匹配結果是:成功;匹配到的內容是:" 'Hello' " 。再次匹配下一個時,可以匹配到 " "World" " 。
舉例2 :表達式
" < ( /w + ) /s * ( /w + ( = ( ' | " ) . *? /4 ) ? /s * ) * > . *? </ /1 > " 在匹配
"<td id='td1' style="bgcolor:white"></td>" 時 ,匹配結果是成功。如果 "<td>" 與 "</td>" 不配對,則會匹配失敗;如果改成其他配對,也可以匹配成功。
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。
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。
格式:"(?!xxxxx)" ,所在縫隙的右側,必須不能匹配 xxxxx 這部分表達式。
舉例2 :表達式 " ( (?! /b stop /b ) . ) + " 在匹配
"fdjka 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。
舉例3 :表達式 " do (?! /w ) " 在匹配字符串
"done, do, dog" 時 ,只能匹配 "do" 。在本條舉例中,"do" 後邊使用 "(?!/w)" 和使用 "/b" 效果是一樣的。
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4 :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 。
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 |
|
/D |
|
/W |
|
/B |
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
舉例1 :表達式 " (?: ( /w ) /1 ) + " 匹配 "a bbccdd efg" 時 ,結果是 "bbccdd" 。括號 "(?:)" 範圍的匹配結果不進行記錄,因此 "(/w)" 使用 "/1" 來引用。
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 "$" 只匹配字符串的開始 ① 和結尾 ④ 位置。如: |
Global |
主要在將表達式用來替換時起作用,配置爲 Global 表示替換所有的匹配。 |
4.1 如果想要了解高級的正則引擎還支持那些複雜的正則語法,可參見DEELX 正則引擎的說明文檔 。
4.2 如果要要求表達式所匹配的內容是整個字符串,而不是從字符串中找一部分,那麼可以在表達式的首尾使用 "^" 和 "$" ,比如:"^ /d + $ " 要求整個字符串只有數字。
4.3 如果要求匹配的內容是一個完整的單詞,而不會是單詞的一部分,那麼在表達式首尾使用 "/b" ,比如:使用 " /b ( if | while| else | void | int…… ) /b " 來匹配程序中的關鍵字 。
4.4 表達式不要匹配空字符串。否則會一直得到匹配成功,而結果什麼都沒有匹配到。比如:準備寫一個匹配 "123" 、"123."、"123.5" 、".5" 這幾種形式的表達式時,整數、小數點、小數數字都可以省略,但是不要將表達式寫成:"/d * /. ? /d * " ,因爲如果什麼都沒有,這個表達式也可以匹配成功。更好的寫法是:" /d + /. ? /d * | /. /d + " 。
4.5 或 "|" 的左右兩邊,對某個字符最好只有一邊可以匹配,這樣,不會因爲 "|" 兩邊的表達式因爲交換位置而有所不同。