第十三章正则表达式.pptVIP

Logo Logo Logo Logo Logo Logo Logo Logo Logo Logo Logo 正则表达式 正则表达式是什么 正则表达式是一种描述字符串结构的语法规则，是一个特定的格式化模式。它可以匹配、替换、截取匹配的字串。对于用户来说，可能以前接触过DOS，如果想匹配当前文件夹下所有的文本文件，可以输入“dir *.txt”命令，按Enter键后，所有“.txt”文件将会被列出来。这里的“*.txt”就可以理解为一个简单的正则表达式。 正则表达式常用术语 grep：最初是ED编辑器中的一条命令，用来显示文件中特定的内容。后来成为一个独立的工具grep。 egrep：grep虽然不断地更新升级，但仍然无法跟上技术的脚步。为此，贝尔实验室写出了egrep，意为“扩展的grep”。这大大增强了正则表达式的能力。 POSIX（Portable Operating System Interface of UNIX）：可移植操作系统接口。在grep发展的同时，其他一些开发人员也根据自己的喜好开发出了具有独特风格的版本。但问题也随之而来。有的程序支持某个元字符，而有的程序则不支持。因此，就有了POSIX。POSIX是一系列标准，确保了操作系统之间的移植性。不过POSIX和SQL一样，没有成为最终的标准而只能作为一个参考。 Perl（Practical?Extraction?and?Reporting?Language）：实际抽取与汇报语言。1987年，Larry?Wall发布了Perl。在随后的7年时间里，从Perl1到现在的Perl5，最终成为了POSIX之后的另一个标准。 PCRE：Perl的成功，让其他的开发人员在某种程度上要兼容“Perl”，包括C/C++、Java、Python等都有自己的正则表达式。1997年，Philip Hazel开发了PCRE库，这是兼容Perl正则表达式的一套正则引擎，其他开发人员可以将PCRE整合到自己的语言中，为用户提供丰富的正则功能。许多软件都使用PCRE，PHP正是其中的一员。 正则表达式语法规则 行定位符用于描述字串的边界。“^”表示行的开始；“$”表示行的结尾。例如： ^mr 该表达式表示要匹配字串mr的开始位置是行头，如“mrsoft”、“Mr book”都可以匹配，而“Tomorrow mr”则不能匹配。如果要匹配“Tomorrow mr”，则可以使用下面的行结尾定位符“$”。 mr$ 这可以匹配以mr结尾的字符，而不能匹配以mr开头的字符，如果要匹配的字串可以出现在字符串的任意部分，那么可以直接写成： mr 这样两个字符串就都可以匹配。 行定位符（^和$） 正则表达式语法规则 正则表达式是区分大小写的，如果想要忽略大小写，可以通过方括号表达式“[]”来完成。只要匹配的字符出现在方括号内，即表示匹配成功。但需要注意的是，一个方括号只能匹配一个字符。例如，要匹配字串“mr”不区分大小写，其表达式的格式如下。 [Mm][Rr] 这样，就可以匹配字串“mr”的所有写法。POSIX和PCRE都使用了一些预定义字符类，但表示方法略有不同。POSIX风格的预定义字符类如表所示。 字符类（[]） 正则表达式语法规则 要忽略字串的大小写，还可以通过选择字符“|”来完成。该字符可以理解为“或”，如上例也可以写成： (M|m)(R|r) 该表达式的意思是以字母M或m开头，后面接一个字母R或r。 选择字符（|） 变量的命名规则是只能以字母和下划线开头。如果要使用正则表达式来匹配变量名的第一个字母，难道要写成如下格式： [a,b,c,d…A,B,C,D…_] 不用担心，正则表达式提供了连字符“-”来解决这个问题。连字符可以表示字符的范围。如上例可以写成： [a-zA-Z_] 连字符（-） 正则表达式语法规则 上面的例子是匹配符合命名规则的变量。反过来，匹配不符合命名规则的变量。这时该怎么做呢？正则表达式提供了“^”字符。这里将其放到方括号中，则表示排除的意思。例如： [^a-zA-Z_] 该表达式匹配的是不以字母和下划线开头的变量名。 排除字符（[^]） 正则表达式语法规则 经常使用google的用户可能会发现，在搜索结果页的下方，“google”中间字母“o”的个数会随着搜索页的改变而变化。那么要匹配该字串的正则表达式该如何实现呢？ 对于这类重复出现的字母或字串，可以使用限定符来实现匹配。限定符主要有6种，如表所示。 限定符（? * + {n,m}） 通过对google应用的观察发现，当搜索结果只有一页时，不显示google标志；只有大于等于2时，才显示google。这说明字母“o”最少为两个，