絮絮叨叨
首先爲什麼要寫這篇文章呢 ? 一次突發的機遇 , 需要在項目裏面編寫很多匹配路由的正則 , 讓我有點小小的慌忙 , 因爲這個網站所有的路由類型穿插了很多數字 , 字母大小寫 , 甚至還有被轉換過的url , 在編寫時 , 發現不能複用的正則表達式相當多 , 就是一個表達式可能只能匹配一條url , 這個是一個大忌 , 對於代碼是一個十分不友好的編寫習慣 , 所以有必要寫一篇關於正則的文章 , 這篇文章主要詳細的介紹了正則的使用和匹配規則 , 接下來這個系列會從遞歸 , 無限遞歸 , 捕獲 , 反向引用 , 回溯以及正則引擎內部六個方面 , 全面講解正則
前言
正則表達式 , 是計算機科學的一個概念 , 正則表達式使用單個字符串來描述 , 匹配一系列符合某個句法規則的字符串 , 常用於檢索替換
安利羞羞網站
一個查看正則軌道圖的網站 , 這個網站有助於我們寫的正則表達式是如何運行的
基本語法
大部分正則表達式都有以下語法
選擇
| 這就是一個類似於邏輯或語法 , 優先級處於最低級 , 如 a | b ;
關於數量限制
- 加號 + 表示前面的字符必須出現一次或多次 , 如 : ab*c 就是 abbc 或者abbbbc
- 問號 ? 表示前面的字符最多隻能出現一次 (0-1) , 如 ab?c ; 轉換 ac 或者abc
- 星號 * 貪婪模式 , 出現次數( 0 -1 )
- {start, end} 表示在什麼長度之間 , 例如 : {9,18} , 長度在9到18之間包括9和18 , 或者{11} , 長度在11以內包括11
匹配模式
圓括號(小括號) , 定義操作符的範圍和提升優先級 , 如 a(b?c)d , 轉換成 abc或者acd ;
a(a|b*)d 轉換 aad 或者 abd 或者abbd
對於固定的字符組選擇
說明 | ASCII環境 |
---|---|
字母字符和數字字符 | [a-zA-Z0-9] |
字母 | [a-zA-Z] |
ASCII字符 | [\x00-\x7F] |
空格字符和製表符 | [ \t] |
控制字符 | [\x00-\x1F\x7F] |
數字字符 | [0-9] |
空白字符之外的字符 | [\x21-\x7E] |
小寫字母字符 | [a-z] |
類似[:graph:],但包括空白字符 | [\x20-\x7E] |
標點符號 | [][!"#$%&'()*+,./:;<=>?@^_`{|}~-] |
空白字符 | [ \t\r\n\v\f] |
大寫字母字符 | [A-Z] |
字母字符 | [A-Za-z0-9_] |
十六進制字符 | [A-Fa-f0-9] |
關於優先級
優先權 | 符號 |
---|---|
最高 | \ |
高 | ()、(?:)、(?=)、[] |
中 | *、+、?、{n}、{n,}、{n,m} |
低 | ^、$、中介字符 |
次最低 | 串接,即相鄰字符連接在一起 |
最低 | | |
正則表達式全集
字符 | 描述 |
---|---|
\ | 將下一個字符標記爲一個特殊字符(File Format Escape,清單見本表)、或一個原義字符(Identity Escape,有^$()*+?.[{|共計12個)、或一個向後引用(backreferences)、或一個八進制轉義符。例如,“n”匹配字符“n”。“\n”匹配一個換行符。序列“\”匹配“\”而“(”則匹配“(”。 |
^ | 匹配輸入字符串的開始位置。如果設置了RegExp對象的Multiline屬性,^也匹配“\n”或“\r”之後的位置。 |
$ | 匹配輸入字符串的結束位置。如果設置了RegExp對象的Multiline屬性,$也匹配“\n”或“\r”之前的位置。 |
* | 匹配前面的子表達式零次或多次。例如,zo能匹配“z”、“zo”以及“zoo”。等價於{0,}。 |
+ | 匹配前面的子表達式一次或多次。例如,“zo+”能匹配“zo”以及“zoo”,但不能匹配“z”。+等價於{1,}。 |
? | 匹配前面的子表達式零次或一次。例如,“do(es)?”可以匹配“does”中的“do”和“does”。?等價於{0,1}。 |
{n} | n是一個非負整數。匹配確定的n次。例如,“o{2}”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。至少匹配n次。例如,“o{2,}”不能匹配“Bob”中的“o”,但能匹配“foooood”中的所有o。“o{1,}”等價於“o+”。“o{0,}”則等價於“o*”。 |
{n,m} | m和n均爲非負整數,其中n<=m。最少匹配n次且最多匹配m次。例如,“o{1,3}”將匹配“fooooood”中的前三個o。“o{0,1}”等價於“o?”。請注意在逗號和兩個數之間不能有空格。 |
? | 非貪心量化(Non-greedy quantifiers):當該字符緊跟在任何一個其他重複修飾符(*,+,?,{n},{n,},{n,m})後面時,匹配模式是非貪婪的。非貪婪模式儘可能少的匹配所搜索的字符串,而默認的貪婪模式則儘可能多的匹配所搜索的字符串。例如,對於字符串“oooo”,“o+?”將匹配單個“o”,而“o+”將匹配所有“o”。 |
. | 匹配除“\r”“\n”之外的任何單個字符。要匹配包括“\r”“\n”在內的任何字符,請使用像“(.|\r|\n)”的模式。 |
(pattern) | 匹配pattern並獲取這一匹配的子字符串。該子字符串用於向後引用。所獲取的匹配可以從產生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中則使用轉存失敗重新上傳取消9屬性。要匹配圓括號字符,請使用“(”或“)”。可帶數量後綴。 |
(?:pattern) | 匹配pattern但不獲取匹配的子字符串(shy groups),也就是說這是一個非獲取匹配,不存儲匹配的子字符串用於向後引用。這在使用或字符“(|)”來組合一個模式的各個部分是很有用。例如“industr(?:y|ies)”就是一個比“industry|industries”更簡略的表達式。 |
(?=pattern) | 正向肯定預查(look ahead positive assert),在任何匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如,“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”,但不能匹配“Windows3.1”中的“Windows”。預查不消耗字符,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜索,而不是從包含預查的字符之後開始。 |
(?!pattern) | 正向否定預查(negative assert),在任何不匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”,但不能匹配“Windows2000”中的“Windows”。預查不消耗字符,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜索,而不是從包含預查的字符之後開始 |
(?<=pattern) | 反向(look behind)肯定預查,與正向肯定預查類似,只是方向相反。例如,“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”,但不能匹配“3.1Windows”中的“Windows”。 |
(?<!pattern) | 反向否定預查,與正向否定預查類似,只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”,但不能匹配“2000Windows”中的“Windows”。 |
x | y |沒有包圍在()裏,其範圍是整個正則表達式。例如,“z|food”能匹配“z”或“food”。“(?:z|f)ood”則匹配“zood”或“food”。 |
[xyz] | 字符集合(character class)。匹配所包含的任意一個字符。例如,“[abc]”可以匹配“plain”中的“a”。特殊字符僅有反斜線\保持特殊含義,用於轉義字符。其它特殊字符如星號、加號、各種括號等均作爲普通字符。脫字符^如果出現在首位則表示負值字符集合;如果出現在字符串中間就僅作爲普通字符。連字符 - 如果出現在字符串中間表示字符範圍描述;如果如果出現在首位(或末尾)則僅作爲普通字符。右方括號應轉義出現,也可以作爲首位字符出現。 |
[^xyz] | 排除型字符集合(negated character classes)。匹配未列出的任意字符。例如,“[^abc]”可以匹配“plain”中的“plin”。 |
[a-z] | 字符範圍。匹配指定範圍內的任意字符。例如,“[a-z]”可以匹配“a”到“z”範圍內的任意小寫字母字符。 |
[^a-z] | 排除型的字符範圍。匹配任何不在指定範圍內的任意字符。例如,“[^a-z]”可以匹配任何不在“a”到“z”範圍內的任意字符。 |
[:name:] | 增加命名字符類(named character class)[注 1]中的字符到表達式。只能用於方括號表達式。 |
[=elt=] | 增加當前locale下排序(collate)等價於字符“elt”的元素。例如,[=a=]可能會增加ä、á、à、ă、ắ、ằ、ẵ、ẳ、â、ấ、ầ、ẫ、ẩ、ǎ、å、ǻ、ä、ǟ、ã、ȧ、ǡ、ą、ā、ả、ȁ、ȃ、ạ、ặ、ậ、ḁ、ⱥ、ᶏ、ɐ、ɑ 。只能用於方括號表達式。 |
[.elt.] | 增加排序元素(collation element)elt到表達式中。這是因爲某些排序元素由多個字符組成。例如,29個字母表的西班牙語, "CH"作爲單個字母排在字母C之後,因此會產生如此排序“cinco, credo, chispa”。只能用於方括號表達式。 |
\b | 匹配一個單詞邊界,也就是指單詞和空格間的位置。例如,“er\b”可以匹配“never”中的“er”,但不能匹配“verb”中的“er”。 |
\B | 匹配非單詞邊界。“er\B”能匹配“verb”中的“er”,但不能匹配“never”中的“er”。 |
\cx | 匹配由x指明的控制字符。x的值必須爲A-Z或a-z之一。否則,將c視爲一個原義的“c”字符。控制字符的值等於x的值最低5比特(即對3210進制的餘數)。例如,\cM匹配一個Control-M或回車符。\ca等效於\u0001, \cb等效於\u0002, 等等… |
\d | 匹配一個數字字符。等價於[0-9]。注意Unicode正則表達式會匹配全角數字字符。 |
\D | 匹配一個非數字字符。等價於[^0-9]。 |
\f | 匹配一個換頁符。等價於\x0c和\cL。 |
\n | 匹配一個換行符。等價於\x0a和\cJ。 |
\r | 匹配一個回車符。等價於\x0d和\cM。 |
\s | 匹配任何空白字符,包括空格、製表符、換頁符等等。等價於[ \f\n\r\t\v]。注意Unicode正則表達式會匹配全角空格符。 |
\S | 匹配任何非空白字符。等價於[^ \f\n\r\t\v]。 |
\t | 匹配一個製表符。等價於\x09和\cI。 |
\v | 匹配一個垂直製表符。等價於\x0b和\cK。 |
\w | 匹配包括下劃線的任何單詞字符。等價於“[A-Za-z0-9_]”。注意Unicode正則表達式會匹配中文字符。 |
\W | 匹配任何非單詞字符。等價於“[^A-Za-z0-9_]”。 |
\xnn | 十六進制轉義字符序列。匹配兩個十六進制數字nn表示的字符。例如,“\x41”匹配“A”。“\x041”則等價於“\x04&1”。正則表達式中可以使用ASCII編碼。. |
\num | 向後引用(back-reference)一個子字符串(substring),該子字符串與正則表達式的第num個用括號圍起來的捕捉羣(capture group)子表達式(subexpression)匹配。其中num是從1開始的十進制正整數,其上限可能是9[注 2]、31[注 3]、99甚至無限[注 4]。例如:“(.)\1”匹配兩個連續的相同字符。 |
\n | 標識一個八進制轉義值或一個向後引用。如果\n之前至少n個獲取的子表達式,則n爲向後引用。否則,如果n爲八進制數字(0-7),則n爲一個八進制轉義值。 |
\nm | 3位八進制數字,標識一個八進制轉義值或一個向後引用。如果\nm之前至少有nm個獲得子表達式,則nm爲向後引用。如果\nm之前至少有n個獲取,則n爲一個後跟文字m的向後引用。如果前面的條件都不滿足,若n和m均爲八進制數字(0-7),則\nm將匹配八進制轉義值nm。 |
\nml | 如果n爲八進制數字(0-3),且m和l均爲八進制數字(0-7),則匹配八進制轉義值nml。 |
\un | Unicode轉義字符序列。其中n是一個用四個十六進制數字表示的Unicode字符。例如,\u00A9匹配著作權符號(©)。 |