正則表達式30分鐘入門教程
版本：v2.33 (2013-1-10) 作者：deerchao轉載請註明來源
目錄
- 本文目標
- 如何使用本教程
- 正則表達式到底是什麼東西？
- 入門
- 測試正則表達式
- 元字符
- 字符轉義
- 重複
- 字符類
- 分枝條件
- 反義
- 分組
- 後向引用
- 零寬斷言
- 負向零寬斷言
- 註釋
- 貪婪與懶惰
- 處理選項
- 平衡組/遞歸匹配
- 還有些什麼東西沒提到
- 聯繫作者
- 網上的資源及本文參考文獻
- 更新紀錄
本文目標
30分鐘內讓你明白正則表達式是什麼，並對它有一些基本的瞭解，讓你可以在自己的程序或網頁裏使用它。
如何使用本教程
最重要的是——請給我30分鐘，如果你沒有使用正則表達式的經驗，請不要試圖在30秒內入門——除非你是超人 :)
別被下面那些複雜的表達式嚇倒，只要跟着我一步一步來，你會發現正則表達式其實並沒有想像中的那麼困難。當然，如果你看完了這篇教程之後，發現自己明白了很多，卻又幾乎什麼都記不得，那也是很正常的——我認爲，沒接觸過正則表達式的人在看完這篇教程後，能把提到過的語法記住80%以上的可能性爲零。這裏只是讓你明白基本的原理，以後你還需要多練習，多使用，才能熟練掌握正則表達式。
除了作爲入門教程之外，本文還試圖成爲可以在日常工作中使用的正則表達式語法參考手冊。就作者本人的經歷來說，這個目標還是完成得不錯的——你看，我自己也沒能把所有的東西記下來，不是嗎？
清除格式 文本格式約定：專業術語 元字符/語法格式 正則表達式 正則表達式中的一部分(用於分析) 對其進行匹配的源字符串 對正則表達式或其中一部分的說明
隱藏邊注 本文右邊有一些註釋，主要是用來提供一些相關信息，或者給沒有程序員背景的讀者解釋一些基本概念，通常可以忽略。
正則表達式到底是什麼東西？
字符是計算機軟件處理文字時最基本的單位，可能是字母，數字，標點符號，空格，換行符，漢字等等。字符串是0個或更多個字符的序列。文本也就是文字，字符串。說某個字符串匹配某個正則表達式，通常是指這個字符串裏有一部分（或幾部分分別）能滿足表達式給出的條件。
在編寫處理字符串的程序或網頁時，經常會有查找符合某些複雜規則的字符串的需要。正則表達式就是用於描述這些規則的工具。換句話說，正則表達式就是記錄文本規則的代碼。
很可能你使用過Windows/Dos下用於文件查找的通配符(wildcard)，也就是*和?。如果你想查找某個目錄下的所有的Word文檔的話，你會搜索*.doc。在這裏，*會被解釋成任意的字符串。和通配符類似，正則表達式也是用來進行文本匹配的工具，只不過比起通配符，它能更精確地描述你的需求——當然，代價就是更復雜——比如你可以編寫一個正則表達式，用來查找所有以0開頭，後面跟着2-3個數字，然後是一個連字號“-”，最後是7或8位數字的字符串(像010-12345678或0376-7654321)。
入門
學習正則表達式的最好方法是從例子開始，理解例子之後再自己對例子進行修改，實驗。下面給出了不少簡單的例子，並對它們作了詳細的說明。
假設你在一篇英文小說裏查找hi，你可以使用正則表達式hi。
這幾乎是最簡單的正則表達式了，它可以精確匹配這樣的字符串：由兩個字符組成，前一個字符是h,後一個是i。通常，處理正則表達式的工具會提供一個忽略大小寫的選項，如果選中了這個選項，它可以匹配hi,HI,Hi,hI這四種情況中的任意一種。
不幸的是，很多單詞裏包含hi這兩個連續的字符，比如him,history,high等等。用hi來查找的話，這裏邊的hi也會被找出來。如果要精確地查找hi這個單詞的話，我們應該使用\bhi\b。
\b是正則表達式規定的一個特殊代碼（好吧，某些人叫它元字符，metacharacter），代表着單詞的開頭或結尾，也就是單詞的分界處。雖然通常英文的單詞是由空格，標點符號或者換行來分隔的，但是\b並不匹配這些單詞分隔字符中的任何一個，它只匹配一個位置。
如果需要更精確的說法，\b匹配這樣的位置：它的前一個字符和後一個字符不全是(一個是,一個不是或不存在)\w。
假如你要找的是hi後面不遠處跟着一個Lucy，你應該用\bhi\b.*\bLucy\b。
這裏，.是另一個元字符，匹配除了換行符以外的任意字符。*同樣是元字符，不過它代表的不是字符，也不是位置，而是數量——它指定*前邊的內容可以連續重複使用任意次以使整個表達式得到匹配。因此，.*連在一起就意味着任意數量的不包含換行的字符。現在\bhi\b.*\bLucy\b的意思就很明顯了：先是一個單詞hi,然後是任意個任意字符(但不能是換行)，最後是Lucy這個單詞。
換行符就是'\n',ASCII編碼爲10(十六進制0x0A)的字符。
如果同時使用其它元字符，我們就能構造出功能更強大的正則表達式。比如下面這個例子：
0\d\d-\d\d\d\d\d\d\d\d匹配這樣的字符串：以0開頭，然後是兩個數字，然後是一個連字號“-”，最後是8個數字(也就是中國的電話號碼。當然，這個例子只能匹配區號爲3位的情形)。
這裏的\d是個新的元字符，匹配一位數字(0，或1，或2，或……)。-不是元字符，只匹配它本身——連字符(或者減號，或者中橫線，或者隨你怎麼稱呼它)。
爲了避免那麼多煩人的重複，我們也可以這樣寫這個表達式：0\d{2}-\d{8}。這裏\d後面的{2}({8})的意思是前面\d必須連續重複匹配2次(8次)。
測試正則表達式
其它可用的測試工具:
如果你不覺得正則表達式很難讀寫的話，要麼你是一個天才，要麼，你不是地球人。正則表達式的語法很令人頭疼，即使對經常使用它的人來說也是如此。由於難於讀寫，容易出錯，所以找一種工具對正則表達式進行測試是很有必要的。
不同的環境下正則表達式的一些細節是不相同的，本教程介紹的是微軟 .Net Framework 4.0 下正則表達式的行爲，所以，我向你推薦我編寫的.Net下的工具 正則表達式測試器。請參考該頁面的說明來安裝和運行該軟件。
下面是Regex Tester運行時的截圖：
元字符
現在你已經知道幾個很有用的元字符了，如\b,.,*，還有\d.正則表達式裏還有更多的元字符，比如\s匹配任意的空白符，包括空格，製表符(Tab)，換行符，中文全角空格等。\w匹配字母或數字或下劃線或漢字等。
對中文/漢字的特殊處理是由.Net提供的正則表達式引擎支持的，其它環境下的具體情況請查看相關文檔。
下面來看看更多的例子：
\ba\w*\b匹配以字母a開頭的單詞——先是某個單詞開始處(\b)，然後是字母a,然後是任意數量的字母或數字(\w*)，最後是單詞結束處(\b)。
好吧，現在我們說說正則表達式裏的單詞是什麼意思吧：就是不少於一個的連續的\w。不錯，這與學習英文時要背的成千上萬個同名的東西的確關係不大 :)
\d+匹配1個或更多連續的數字。這裏的+是和*類似的元字符，不同的是*匹配重複任意次(可能是0次)，而+則匹配重複1次或更多次。
\b\w{6}\b 匹配剛好6個字符的單詞。
| 代碼 | 說明 |
|---|---|
| . | 匹配除換行符以外的任意字符 |
| \w | 匹配字母或數字或下劃線或漢字 |
| \s | 匹配任意的空白符 |
| \d | 匹配數字 |
| \b | 匹配單詞的開始或結束 |
| ^ | 匹配字符串的開始 |
| $ | 匹配字符串的結束 |
正則表達式引擎通常會提供一個“測試指定的字符串是否匹配一個正則表達式”的方法，如JavaScript裏的RegExp.test()方法或.NET裏的Regex.IsMatch()方法。這裏的匹配是指是字符串裏有沒有符合表達式規則的部分。如果不使用^和$的話，對於\d{5,12}而言，使用這樣的方法就只能保證字符串裏包含5到12連續位數字，而不是整個字符串就是5到12位數字。
元字符^（和數字6在同一個鍵位上的符號）和$都匹配一個位置，這和\b有點類似。^匹配你要用來查找的字符串的開頭，$匹配結尾。這兩個代碼在驗證輸入的內容時非常有用，比如一個網站如果要求你填寫的QQ號必須爲5位到12位數字時，可以使用：^\d{5,12}$。
這裏的{5,12}和前面介紹過的{2}是類似的，只不過{2}匹配只能不多不少重複2次，{5,12}則是重複的次數不能少於5次，不能多於12次，否則都不匹配。
因爲使用了^和$，所以輸入的整個字符串都要用來和\d{5,12}來匹配，也就是說整個輸入必須是5到12個數字，因此如果輸入的QQ號能匹配這個正則表達式的話，那就符合要求了。
和忽略大小寫的選項類似，有些正則表達式處理工具還有一個處理多行的選項。如果選中了這個選項，^和$的意義就變成了匹配行的開始處和結束處。
字符轉義
如果你想查找元字符本身的話，比如你查找.,或者*,就出現了問題：你沒辦法指定它們，因爲它們會被解釋成別的意思。這時你就得使用\來取消這些字符的特殊意義。因此，你應該使用\.和\*。當然，要查找\本身，你也得用\\.
例如：deerchao\.net匹配deerchao.net，C:\\Windows匹配C:\Windows。
重複
