正則表達式總結

一、正則表達式基礎知識
 


1.1 句點符號
       假設你在玩英文拼字遊戲，想要找出三個字母的單詞，而且這些單詞必須以“t”字母開頭，以“n”字母結束。另外，假設有一本英文字典，你可以用正則表達式搜索它的全部內容。要構造出這個正則表達式，你可以使用一個通配符——句點符號“.”。這樣，完整的表達式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，還匹配“t#n”、“tpn”甚至“t n”，還有其他許多無意義的組合。這是因爲句點符號匹配所有字符，包括空格、Tab字符甚至換行符：
 


1.2 方括號符號
爲了解決句點符號匹配範圍過於廣泛這一問題，你可以在方括號（“[]”）裏面指定看來有意義的字符。此時，只有方括號裏面指定的字符才參與匹配。也就是說，正則表達式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因爲在方括號之內你只能匹配單


個字符：


1.3 “或”符號
      如果除了上面匹配的所有單詞之外，你還想要匹配“toon”，那麼，你可以使用“|”操作符。“|”操作符的基本意義就是“或”運算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正則表達式。這裏不能使用方擴號，因爲方括號只允許匹配單個字符；這裏必須使用圓括號“()”。圓括號還可以用來分組。


 


1.4 表示匹配次數的符號
下表顯示了正則表達式的語法：


表 1.1 正則表達式語法
元字符
說明
.
匹配任何單個字符。例如正則表達式“b.g”能匹配如下字符串：“big”、“bug”、“b g”，但是不匹配“buug”。 
$
匹配行結束符。例如正則表達式“EJB$”能夠匹配字符串“I like EJB”的末尾，但是不能匹配字符串“J2EE Without EJBs！”。 
^
匹配一行的開始。例如正則表達式“^Spring”能夠匹配字符串“Spring is a J2EE framework”的開始，但是不能匹配“I use Spring in my project”。
*
匹配0至多個在它之前的字符。例如正則表達式“zo*”能匹配“z”以及“zoo”；正則表達式“.*”意味着能夠匹配任意字符串。
/
轉義符，用來將元字符當作普通的字符來進行匹配。例如正則表達式/$被用來匹配美元符號，而不是行尾；正則表達式/.用來匹配點字符，而不是任何字符的通配符。
[]
匹配括號中的任何一個字符。例如正則表達式“b[aui]g”匹配bug、big和bug，但是不匹配beg。可以在括號中使用連字符“-”來指定字符的區間來簡化表示，例如正則表達式[0-9]可以匹配任何數字字符，這樣正則表達式“a[]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串；還可以制定多個區間，例如“[A-Za-z]”可以匹配任何大小寫字母。還有一個相配合使用的元字符“^”，用在這裏並不像前邊的那個“^”一樣表示匹配行開始，而是表示“排除”，要想匹配除了指定區間之外的字符，就可以在左邊的括號和第一個字符之間使用^字符，例如“[^163A-Z]”將能偶匹配除了1、6、3和所有大寫字母之外的任何字符。
( )
將 () 之間括起來的表達式定義爲“組”(group)，並且將匹配這個表達式的字符保存到一個臨時區域,這個元字符在字符串提取的時候非常有用。
|
將兩個匹配條件進行邏輯“或”運算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 則匹配 "zood" 或 "food"。
+
匹配前面的子表達式一次或多次。例如正則表達式9+匹配9、99、999等。
?
匹配前面的子表達式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。此元字符還有另外一個用途，就是表示非貪婪模式匹配，後邊將有介紹
{n}
匹配確定的 n 次。例如，“e{2}”不能匹配“bed”中的“d”，但是能匹配“seed”中的兩個“e”。
{n,}
至少匹配n次。例如，“e{2,}”不能匹配“bed”中的“e”，但能匹配“seeeeeeeed”中的所有“e”。
{n,m}
最少匹配 n 次且最多匹配 m 次。“e{1,3}”將匹配“seeeeeeeed”中的前三個“e”。
    假設我們要在文本文件中搜索美國的社會安全號碼。這個號碼的格式是999-99-9999。用來匹配它的正則表達式如圖一所示。在正則表達式中，連字符（“-”）有着特殊的意義，它表示一個範圍，比如從0到9。因此，匹配社會安全號碼中的連字符號時，它的前面要加上一個轉義字符“/”。


      假設進行搜索的時候，你希望連字符號可以出現，也可以不出現——即，999-99-9999和999999999都屬於正確的格式。這時，你可以在連字符號後面加上“？”數量限定符號。


      美國汽車牌照的一種格式是四個數字加上二個字母。它的正則表達式前面是數字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。


1.5 “否”符號
      “^”符號稱爲“否”符號。如果用在方括號內，“^”表示不想要匹配的字符。例如，圖四的正則表達式匹配所有單詞，但以“X”字母開頭的單詞除外。


1.6 圓括號和空白符號


     “/s”符號是空白符號，匹配所有的空白字符，包括Tab字符。如果字符串正確匹配，接下來如何提取出月份部分呢？只需在月份周圍加上一個圓括號創建一個組，然後用ORO API提取出它的值。


1.7 其它符號


     爲簡便起見，你可以使用一些爲常見正則表達式創建的快捷符號。如以下所示：


    


/t：製表符，等同於/u0009
/n：換行符，等同於/u000A
/d：代表一個數字，等同於[0-9]
/D：代表非數字，等同於[^0-9]
/s：代表換行符、Tab製表符等空白字符
/S：代表非空白字符
/w：字母字符，等同於[a-zA-Z_0-9]
/W：非字母字符，等同於[^/w]