正则表达式学习参考

1、正则表达式学习参考1 概述正则表达式(Regular Expression)是一种匹配模式，描述的是一串文本的特征。正如自然语言中“高大”、“坚固”等词语抽象出来描述事物特征一样，正则表达式就是字符的高度抽象，用来描述字符串的特征。正则表达式（以下简称正则，Regex）通常不独立存在，各种编程语言和工具作为宿主语言提供对正则的支持，并根据自身语言的特点，进行一定的剪裁或扩展。正则入门很容易，有限的语法规则很容易掌握，但是目前正则的普及率并不高，主要是因为正则的流派众多，各种宿主语言提供的文档都过多的关注于自身的一些细节，而这些细节通常是初学者并不需要关注的。当然，如果想要深入的了解正则表达式，

2、这些细节又是必须被关注的，这是后话，让我们先从正则的基础开始，进入正则表达式的世界。2 正则表达式基础2.1 基本概念2.1.1 字符串组成对于字符串“a5”，是由两个字符“a”、“5”以及三个位置组成的，这一点对于正则表达式的匹配原理理解很重要。2.1.2 占有字符和零宽度正则表达式匹配过程中，如果子表达式匹配到的是字符内容，而非位置，并被保存到最终的匹配结果中，那么就认为这个子表达式是占有字符的；如果子表达式匹配的仅仅是位置，或者匹配的内容并不保存到最终的匹配结果中，那么就认为这个子表达式是零宽度的。占有字符还是零宽度，是针对匹配的内容是否保存到最终的匹配结果中而言的。占有字符是互斥的，零

3、宽度是非互斥的。也就是一个字符，同一时间只能由一个子表达式匹配，而一个位置，却可以同时由多个零宽度的子表达式匹配。2.1.3 正则表达式构成正则表达式由两种字符构成。一种是在正则表达式中具体特殊意义的“元字符”，另一种是普通的“文本字符”。元字符可以是一个字符，如“”，也可以是一个字符序列，如“w”。2.2 元字符（Meta Character）2.2.1 字符组(Character Classes) 字符组可以匹配 中包含的任意一个字符。虽然可以是任意一个，但只能是一个。字符组支持由连字符“-”来表示一个范围。当“-”前后构成范围时，要求前面字符的码位小于后面字符的码位。 排除型字符组。排除

4、型字符组表示任意一个未列出的字符，同样只能是一个。排除型字符组同样支持由连字符“-”来表示一个范围。表达式说明abc表示“a”或“b”或“c”0-9表示09中任意一个数字，等价于0123456789u4e00-u9fa5表示任意一个汉字a1表示除“a”、“1”、“”外的其它任意一个字符a-z表示除小写字母外的任意一个字符举例：“0-90-9”在匹配“Windows 2003”时，匹配成功，匹配的结果为“20”。“inW”在匹配“Windows 2003”时，匹配成功，匹配的结果为“d”。2.2.2 常见字符范围缩写对于一些常用的字符范围，如数字等，由于非常常用，即使使用0-9这样的字符组仍显得

5、麻烦，所以定义了一些元字符，来表示常见的字符范围。表达式说明d任意一个数字，相当于0-9，即09 中的任意一个w任意一个字母或数字或下划线，相当于a-zA-Z0-9_s任意空白字符，相当于 rnftv D任意一个非数字字符，d取反，相当于0-9 Ww取反，相当于a-zA-Z0-9_ S任意非空白字符，s取反，相当于 rnftv 举例：“wsd”在匹配“Windows 2003”时，匹配成功，匹配的结果为“s 2”。2.2.3 . 小数点小数点可以匹配除“n”以外的任意一个字符。如果要匹配包括“n”在内的所有字符，一般用sS，或者是用“.”加(?s)匹配模式来实现。表达式说明.匹配除了换行符 n

6、 以外的任意一个字符 2.2.4 其它元字符表达式说明匹配字符串开始的位置，不匹配任何字符$匹配字符串结束的位置，不匹配任何字符b匹配单词边界，不匹配任何字符 举例：“a”在匹配“cba”时，匹配失败，因为表达式要求开始位置后面是字符“a”，而“cba”显然是不满足的。“d$”在匹配“123”时，匹配成功，匹配结果为“3”，这个表达式要求匹配结尾处的数字，如果结尾处不是数字，如“123abc”，则是匹配失败的。2.2.5 转义字符一些不可见字符，或是在正则中具有特殊意义的元字符，如想匹配字符本身，需要用“”对其进行转义。表达式说明r，n回车和换行匹配“”本身，$，.分别匹配“”、“$”和“.”

7、以下字符在匹配其本身时，通常需要进行转义。在实际应用中，根据具体情况，需要转义的字符可能不止如下所列字符 . $ ( | ) * + ? 2.2.6 量词（Quantifier）量词表示一个子表达式可以匹配的次数。量词可以用来修饰一个字符、字符组，或是用()括起来的子表达式。一些常用的量词被定义成独立的元字符。表达式说明举例m表达式匹配m次 “d3”相当于“ddd ”“(abc)2”相当于“abcabc”m,n表达式匹配最少m次，最多n次“d2,3”可以匹配“12”或“321”等2到3位的数字 m,表达式至少匹配m次 “a-z8,”表示至少8位以上的字母?表达式匹配0次或1次，相当于0,1 “

8、ab?”可以匹配“a”或“ab”*表达式匹配0次或任意多次，相当于0,“*”中“*”表示0个或任意多个不是“”的字符+表达式匹配1次或意多次，至少1次，相当于1, “ds+d”表示两个数字中间，至少有一个以上的空白字符注意：在不是动态生成的正则表达式中，不要出现“1”这样的量词，如“w1”在结果上等价于“w”，但是会降低匹配效率和可读性，属于画蛇添足的做法。2.2.7 分支结构（Alternation）当一个字符串的某一子串具有多种可能时，采用分支结构来匹配，“|”表示多个子表达式之间“或”的关系，“|”是以()限定范围的，如果在“|”的左右两侧没有()来限定范围，那么它的作用范围即为“|”左右两侧整体。表达式说明|多个子表达式之间取“或”的关系举例：“aa|b$”在匹配“cccb”时，是可以匹配成功的，匹配的结