正则表达式快速入门.doc

梁卓耀博客:正则表达式快速入门一正则表达式测试工具1二基本用法21.基本的名词解释22.本节涉及到的语法表23.用法举例说明3三中级用法51.分组52.反义63.后向引用64.零宽断言75.负向零宽断言86.注释：97.贪婪与懒惰9一 正则表达式的作用1. 正则表达式的英文是regular expression，意思是符合某种规则的表达式，可以将其理解为一种对文字进行模糊匹配的语言。正则表达式用一些特殊的符号（称为元字符）来代表具有某种特征（例如，某一字符必须是数字字符）的一组字符以及指定匹配的的次数，含有元字符的文本不再表示某一具体的文本内容，而是形成了一种文本模式，可以匹配符合该模式的所有文本串。例如，可以测试输入的字符串，以查看字符串内是否出现电话号码模式或身份证号码模式。即数据验证替换文本可以使用正则表达式来识别文档中的特定文本，完全删除该文本或者用其他文本替换它。事实上，正则表达式在很多语言中都会用到，其内容几乎是独立于具体语言。2. 正则表达式对字符串的操作主要包括：1.字符串匹配 2.指定字符串替换 3.指定字符串查找 4.字符串分割二 正则表达式测试工具1. 第一步：先确保你的电脑已经安装了“.Net Framework 2.0”，如果你的电脑没有安装，可以到这个网址下载并安装。网址：/downloads/details.aspx?displaylang=zh-cn&FamilyID=0856eacb-4362-4b0d-8edd-aab15c5e04f52. 第二步：安装Regex Tester测试工具，网址：/deerchao/downloads/RegexTester.zip3. 第三步：这是个绿色软件，下载完后打开压缩包,直接运行RegexTester.exe。4. 用法：1) 在Regex空白处输入正则表达式；2) 在Source空白处输入需要查找的内容3) 当输入完正则表达式和需要查找的内容后，按F5键，就会在Mateches空白处显示你匹配你所写的正则表达式的内容；5. 例子：1) 正则表达式“bcw*b”，这个表达式意思是匹配以字母c开头的单词先是某个单词开始处(b)，然后是字母c,然后是任意数量的字母或数字(w*)，最后是单词结束处(b)。2) 欲查找的内容：cbc,bda,bdamlkfdasfsd,cfdsafsdl,fdakldsaf3) 按F5键，在Mateches空白处显示结果cbc和cfdsafsdl；4) 如图1所示图1三 基本用法1. 基本的名词解释1) 字符：是指计算机软件处理文字时最基本的单位，可能是字母，数字，标点符号，空格，换行符，汉字等等。2) 字符串：是指0个或更多个字符的序列。3) 文本：也就是文字，字符串。4) 匹配：某个字符串匹配某个正则表达式，通常是指这个字符串里有一部分（或几部分分别）能满足表达式给出的条件。2. 本节涉及到的语法表代码说明.匹配除换行符以外包括空格和Tab键的任意字符*重复前一个字符或一组表达式零次或更多次 ?重复前一个字符或一组表达式零次或一次+重复前一个字符或一组表达式一次或更多次；-匹配除了换行符以外的任意字符转义符，将特殊字符转化为普通字符，取消后面跟着的字符的特殊意义；比如如果你想查找“.”,或者“*”,就需要用“”。因此，你应该使用“.”和“*”。当然，要查找本身，你也得用“.”|或的表达式，表示分支条件，匹配代码左侧的表达式或匹配代码右侧的表达式两者之一；注意：当左侧的表达式匹配条件相符的话，不再检测右侧的表达式匹配字符串的开始的一个位置，同时也表示否的表达式，表示不想被匹配的字符，一般和一起使用。也匹配输入字符串的开始$匹配字符串的结束的一个位置()匹配一组表达式，该表达式可以由其它特殊字符组成匹配包含在其中的单个字符w匹配任意一个字母或数字或下划线或汉字等 W匹配任意不是字母，数字，下划线，汉字的字符s匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等S匹配任意不是空白符的字符，等价于fnrtvd匹配任意一位数字，等价于09D匹配任意非数字的字符，等价于09b匹配一个单词的开始或结束，也就是指单词和空格间的位置B匹配不是单词开头或结束的位置f匹配一个换页符n匹配一个换行符r匹配一个回车符t匹配一个制表符v匹配一个垂直制表符n重复n次，只对邻近的字符或一组表达式起作用n,m重复n到m次，只对邻近的字符或一组表达式起作用(exp)匹配exp,并捕获文本到自动命名的组里(?exp)匹配exp,并捕获文本到名称为name的组里，也可以写成(?nameexp)(?:exp)匹配exp,不捕获匹配的文本，也不给此分组分配组号(?=exp)匹配exp前面的位置(?=exp)匹配exp后面的位置(?!exp)零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp。(?!exp)匹配前面不是exp的位置*?重复任意次，但尽可能少重复+?重复1次或更多次，但尽可能少重复?重复0次或1次，但尽可能少重复n,m?重复n到m次，但尽可能少重复n,?重复n次以上，但尽可能少重复3. 用法举例说明1) 表达式：bhib所需语法：b匹配一个单词的开始或结束，也就是指单词和空格间的位置；含义说明：精确地查找“hi”这个单词查找结果：能查找到类似“hi,how are you!”这样的单词；如图2所示图22) 表达式：bhib.*bLucyb所需语法：b匹配一个单词的开始或结束，也就是指单词和空格间的位置；. 匹配除换行符以外包括空格和Tab键的任意字符；*重复前一个字符或一组表达式零次或更多次；含义说明：先是一个单词hi（前后用“b”来匹配为一个单词）,然后是任意个任意字符但不能是换行（用“.”来匹配），最后是“Lucy”这个单词。查找结果：能查找到类似“hi,i am Lucy”这样的字符串；如图3所示图33) 表达式：0d2-d8所需语法：d匹配一位数字；dn匹配n位数字；含义说明：这是一个查找电话号码的正则表达式，“0”代表以0开头的字符串，d后面的2(8)的意思是前面d必须连续重复匹配2次或8次；查找结果：能查找到类似这样的字符串；如图4所示图44) 表达式：baw*b所需语法：b匹配一个单词的开始或结束，也就是指单词和空格间的位置；w匹配字母或数字或下划线或汉字等；*匹配的是数量，也就是匹配前边的内容可以连续重复使用任意次；含义说明：匹配以字母a开头的单词先是某个单词开始处(b)，然后是字母a,然后是任意数量的字母或数字(w*)，最后是单词结束处(b)。查找结果：能查找到类似“abc”这样的字符串；所图5所示图55) 表达式：d+所需语法：d匹配一位数字；+重复前一个字符或一组表达式一次或更多次；含义说明：d+匹配1个或更多连续的数字。这里的+是和*类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次。查找结果：能查找到类似“989”这样的字符串；如图6所示图66) 表达式：bw6b所需语法：b匹配一个单词的开始或结束，也就是指单词和空格间的位置；w匹配任意一个字母或数字或下划线或汉字等；n重复n次，只对邻近的字符或一组表达式起作用；含义说明：匹配刚好6个字符的单词查找结果：能查找到类似“strong”这样的字符串；如图7所示图77) 表达式：d5,12$所需语法：匹配字符串的开始的一个位置；$匹配字符串的结束的一个位置；d匹配一位数字；n,m重复n到m次；含义说明：匹配长度在5至12位的数字串。“5,12”的意思是重复的次数不能少于5次，不能多于12次，否则都不匹配。这个表达式常用在验证输入的内容，比如用于一个网站要求你填写的QQ号必须是5位到12位数字时。查找结果：能查找到类似“87122234”这样的字符串；如图8所示图88) 表达式：Windowsd+所需语法：d匹配任意一位数字，等价于09；+重复前一个字符或一组表达式一次或更多次；含义说明：匹配Windows后面跟1个或更多数字查找结果：能查找到类似“Windows2003”这样的字符串；如图9所示图99) 表达式：所需语法：转义符，将特殊字符转化为普通字符，取消后面跟着的字符的特殊意义；含义说明：匹配查找结果：能查找到 “”这样的字符串；如图10所示图1010) 表达式：cdefg所需语法：匹配括号里任何一个字符或字符串；含义说明：查找符合任何一个字母“c”或“d”或“e”或“f”或“g”的字符串；查找结果：能从类似“dffasdfac”这样的字符串里查找出单个的“d”、“f”、“c”字母；拓展：0-9代表的含意与d就是完全一致的，也就是匹配一位数字；同理a-z0-9A-Z_也完全等同于w（如果只考虑英文的话）。如图11所示图1111) 表达式：(?0d2) -?d8所需语法：转义符，将特殊字符转化为普通字符，取消后面跟着的字符的特殊意义；?重复前一个字符或一组表达式零次或一次；d匹配任意一位数字，等价于09；n重复n次，只对邻近的字符或一组表达式起作用；匹配包含在其中的单个字符；含义说明：这个表达式看似复杂，但其实是分为以下几部分的“(?”、“0”、“d2”、“) -?”、“d8”。首先是一个转义字符(,然后是表示出现0次或1次(?),然后是一个0，后面跟着2个数字(d2)，然后是)或-或空格中的一个，紧跟的是出现1次或不出现(?)，最后是8个数字(d8)。查找结果：可匹配像(010)88886666，或02912345678等号码；如图12所示图1212) 表达式：0d2-d8|0d3-d7所需语法：d匹配任意一位数字，等价于09；n重复n次，只对邻近的字符或一组表达式起作用；|或的表达式，表示分支条件，匹配代码左侧的表达式或匹配代码右侧的表达式两者之一；注意：当左侧的表达式匹配条件相符的话，不再检测右侧的表达式；含义说明：匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(，一种是4位区号，7位本地号。查找结果：查找到类0736-5587952的电话号码；如图13所示图13四 中级用法1. 分组前面介绍了如果需要重复单个字符，直接在字符后面加上限定符（例如*或?）就行了，但是如果要重复多个字符的话，你就需要用到小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了。比如(d1,3.)3d1,3就是一个不太准确的简单的查找IP地址的表达式。以下举例说明：1) 表达式：(d1,3.)3d1,3所需语法：d匹配任意一位数字，等价于09；n,m重复n到m次，只对邻近的字符或一组表达式起作用；转义符，将特殊字符转化为普通字符，取消后面跟着的字符的特殊意义；n重复n次，只对邻近的字符或一组表达式起作用；含义说明：d1,3匹配1到3位的数字，(d1,3.)3匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(d1,3)。查找结果：能查找到类似“”这样的IP地址；如图14所示图142) 表达式：(20-4d|250-5|01?dd?).)3(20-4d|250-5|01?dd?)所需语法：匹配包含在其中的单个字符；d匹配任意一位数字，等价于09；?重复前一个字符或一组表达式零次或一次；n重复n次，只对邻近的字符或一组表达式起作用；|或的表达式，表示分支条件，匹配代码左侧的表达式或匹配代码右侧的表达式两者之一；注意：当左侧的表达式匹配条件相符的话，不再检测右侧的表达式；含义说明：这才是一个每个IP列都不超过255,准确匹配正确IP地址的表达式，理解这个表达式的关键是利用分枝条件的知识理解20-4d|250-5|01?dd?这个表达式，也就是拆成“20-4d”、“250-5”、“01?dd?”三部分来分析；查找结果：能查找到类似“19”这样的IP地址；如图15所示图152. 反义有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义。1) 常用的反义代码：W 匹配任意不是字母，数字，下划线，汉字的字符 S 匹配任意不是空白符的字符 D 匹配任意非数字的字符 B 匹配不是单词开头或结束的位置 x 匹配除了x以外的任意字符 aeiou 匹配除了aeiou这几个字母以外的任意字符2) 表达式：D+所需语法：D匹配任意非数字的字符，等价于09；+重复前一个字符或一组表达式一次或更多次；含义说明：匹配任意不包含数字的字符串。查找结果：能查找类似“admin88”这样的字符串里的单个字母“a”、“d”、“m”、“i”、“n”；如图16所示图163) 表达式：+所需语法：匹配包含在其中的单个字符；表示否的表达式，表示不想被匹配的字符，一般和一起使用。也匹配输入字符串的开始；+重复前一个字符或一组表达式一次或更多次；含义说明：匹配用尖括号括起来的以c开头的字符串；查找结果：能查找到类似“”这样的字符串；如图17所示图173. 后向引用使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。后向引用用于重复搜索前面某个分组匹配的文本。1) 常用后向引用语法：1.1）(exp) 匹配exp,并捕获文本到自动命名的组里1.2）(?exp) 匹配exp,并捕获文本到名称为name的组里，也可以写成(?nameexp)1.3）(?:exp) 匹配exp,不捕获匹配的文本，也不给此分组分配组号2) 表达式：b(w+)bs+1b所需语法：b匹配一个单词的开始或结束，也就是指单词和空格间的位置；w匹配任意一个字母或数字或下划线或汉字等；+重复前一个字符或一组表达式一次或更多次；s匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等；含义说明：这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(b(w+)b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(1)。查找结果：可以查找到类似“bye bye”或“go go”这样的单词；如图18所示图183) 表达式：(?w+)所需语法：(?exp)匹配exp,并捕获文本到名称为name的组里，也可以写成(?nameexp)；w匹配任意一个字母或数字或下划线或汉字等；+重复前一个字符或一组表达式一次或更多次；含义说明：查找以字母或数字或下划线或汉字的一个字符串，并且把这个字符串捕获到命名为“word”的分组里（注：把尖括号换成也行：(?Wordw+)）查找结果： 以查找字符串“”为例，查找结果为“com”；如图19所示图194) 表达式：b(?w+)bs+kb所需语法：b匹配一个单词的开始或结束，也就是指单词和空格间的位置；(?exp)匹配exp,并捕获文本到名称为name的组里，也可以写成(?nameexp)；s匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等；+重复前一个字符或一组表达式一次或更多次；含义说明：参照上例，其实这个表达式的重点的内容是代码“kb”，表示引用“wrod”分组里面的内容；查找结果：查找类似“abc abc”这样的字符串，能找到“abc abc”这样的结果；如图20所示图204. 零宽断言1) 常用零宽断言语法(?=exp) 匹配exp前面的位置(?=exp) 匹配exp后面的位置(?!exp) 匹配后面跟的不是exp的位置(?!exp) 匹配前面不是exp的位置2) 这四个语法是用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像b,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。 (?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。(?=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。注：断言用来声明一个应该为真的事实。正则表达式中只有当断言为真时才会继续进行匹配。以下举例说明3) 表达式：bw+(?=ingb)所需语法：b匹配一个单词的开始或结束，也就是指单词和空格间的位置；w匹配任意一个字母或数字或下划线或汉字等；+重复前一个字符或一组表达式一次或更多次；(?=exp)匹配exp前面的位置；含义说明：匹配以ing结尾的单词的前面部分(除了ing以外的部分)， 查找结果：比如查找Im singing while youre dancing.时，它会匹配sing和danc。如图21所示图214) 表达式：(?=bre)w+b所需语法：(?=exp)；w匹配任意一个字母或数字或下划线或汉字等；+重复前一个字符或一组表达式一次或更多次；b匹配一个单词的开始或结束，也就是指单词和空格间的位置；含义说明：匹配以re开头的单词的后半部分(除了re以外的部分)， 查找结果：比如在查找reading a book时，它匹配ading。如图22所示图225) 表达式：(?=d)d3)+b所需语法：(?=exp)匹配exp后面的位置；d匹配任意一位数字，等价于09；n重复n次，只对邻近的字符或一组表达式起作用；+重复前一个字符或一组表达式一次或更多次；b匹配一个单词的开始或结束，也就是指单词和空格间的位置；含义说明：假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，你可以这样查找需要在前面和里面添加逗号的部分：(?=d)d3)+b，用它对1234567890进行查找时结果是234567890。查找结果：比如对“1234567890”进行查找时结果是“234567890”；如图23所示图236) 表达式：(?=s)d+(?=s)所需语法：(?=exp)匹配exp后面的位置；d匹配任意一位数字，等价于09；+重复前一个字符或一组表达式一次或更多次；(?=exp)匹配exp前面的位置；含义说明：匹配以空白符间隔的数字(注：不包括这些空白符)。查找结果：查找类似“556 99 886333”这样的字符串，结果为“99”；如图24所示图245. 负向零宽断言宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。主要用于确保某个字符没有出现，但并不想去匹配它的时候。以下是负向零宽断言的例子：1) 表达式：bw*q(?!u)w*b所需语法：b匹配一个单词的开始或结束，也就是指单词和空格间的位置；w匹配任意一个字母或数字或下划线或汉字等；*重复前一个字符或一组表达式零次或更多次；(?!exp)零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp； 含义说明：匹配包含后面不是字母u的字母q的单词（注意：不能使用bw*quw*b这样的表达式，因为u一定要占据一个字符，如果碰到以q结尾的像“benq”这样的单词，就会出错，而负向零宽断言(?!u)就不会占有任何字符）。查找结果：查找到类似“benq，open”的字符串；如图25所示图252) 表达式：d3(?!d)所需语法：d匹配任意一位数字，等价于09；n重复n次，只对邻近的字符或一组表达式起作用；(?!exp)零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp；含义说明：匹配三位数字，而且这三位数字的后面不能是数字； 查找结果：查找类似“556g,dd334”这样的字符串，能找到“556”和“334”的结果；如图26所示图263) 表达式：b(?!abc)w)+b所需语法：b匹配一个单词的开始或结束，也就是指单词和空格间的位置；(?!exp)零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp；w匹配任意一个字母或数字或下划线或汉字等；+重复前一个字符或一组表达式一次或更多次；含义说明：匹配不包含连续字符串abc的单词。查找结果：查找类似“fdsafsdg,fabcadfda”，找到“fdsafsdg”这样的结果；如图27所示图274) 表达式：(?!a-z)d7所需语法：(?!exp)匹配前面不是exp的位置；d匹配任意一位数字，等价于09；n重复n次，只对邻近的字符或一组表达式起作用；含义说明：匹配前面不是小写字母的七位数字。查找结果：查找类似“B1234567,c9876543”这样的字符串，能找到“1234567”这样的结果；如图28所示图285) 表达式：(?=).*(?=)所需语法：(?=exp)匹配exp后面的位置；w匹配任意一个字母或数字或下划线或汉字等；+重复前一个字符或一组表达式一次或更多次；.匹配除换行符以外包括空格和Tab键的任意字符；*重复前一个字符或一组表达式零次或更多次；(?=exp)匹配exp前面的位置；转义符，将特殊字符转化为普通字符，取消后面跟着的字符的特殊意义；含义说明：匹配不包含属性的简单HTML标签内里的内容。()指定了这样的前缀：被尖括号括起来的单词(比如可能是)