正则表达式与字符串处理.doc

第一章????????正则表达式概述 正则表达式(Regular Expression)起源于人类神经系统的研究。正则表达式的定义有以下几种： l?????????用某种模式去匹配一类字符串的公式，它主要是用来描述字符串匹配的工具。 l?????????描述了一种字符串匹配的模式。可以用来检查字符串是否含有某种子串、将匹配的子串做替换或者从中取出符合某个条件的子串等。 l?????????由普通字符(a-z)以及特殊字符（元字符）组成的文字模式，正则表达式作为一个模版，将某个字符模式与所搜索的字符串进行匹配。 l?????????用于描述某些规则的的工具。这些规则经常用于处理字符串中的查找或替换字符串。也就是说正则表达式就是记录文本规则的代码。 l?????????用一个字符串来描述一个特征，然后去验证另一个字符串是否符合这个特征。 以上这些定义其实也就是正则表达式的作用。 第二章?正则表达式基础理论 这些理论将为编写正则表达式提供法则和规范，正则表达式主要包括以下基础理论： l?????????元字符 l?????????字符串 l?????????字符转义 l?????????反义 l?????????限定符 l?????????替换 l?????????分组 l?????????反向引用 l?????????零宽度断言 l?????????匹配选项 l?????????注释 l?????????优先级顺序 l?????????递归匹配 2．1?元字符 在正则表达式中，元字符（Metacharacter）是一类非常特殊的字符，它能够匹配一个位置或字符集合中的一个字符，如：、?\w等。根据功能，元字符可以分为两种类型：匹配位置的元字符和匹配字符的元字符。 2．1．1?匹配位置的元字符 包括：^、$、和\b。其中^（脱字符号）和$（美元符号）都匹配一个位置，分别匹配行的开始和结尾。比如，^string匹配以string开头的行，string$匹配以string结尾的行。^string$匹配以string开始和结尾的行。单个$匹配一个空行。单个^匹配任意行。\b匹配单词的开始和结尾，如：\bstr匹配以str开始的单词，但\b不匹配空格、标点符号或换行符号，所以，\bstr可以匹配string、string fomat等单词。\bstr正则表达式匹配的字符串必须以str开头，并且str以前是单词的分界处，但此正则表达式不能限定str之后的字符串形式。以下正则表达式匹配以ing结尾的字符串，如string、This is a string等 Ing\b 正则表达式ing\b匹配的字符串必须以ing结尾，并且ing后是分界符，以下正则表达式匹配一个完整的单词：\bstring\b。 2.1.2?匹配字符的元字符 匹配字符的元字符有7个:.(点号)、\w、\W、、s\、\S、\d和\D。其中点号匹配除换行之外的任意字符；\w匹配单词字符（包括字母、汉字、下划线和数字）；\W匹配任意非单词字符、\s匹配任意的空白字符，如空格、制表符、换行等；\S匹配任意的非空白字符；\d匹配任意数字字符；\D匹配任意的非数字字符。如： ^.$匹配一个非空行，在该行中可以包含除了换行符以外的任意字符。 ? ^\w$匹配一个非空行，并且该行中只能包含字母、数字、下划线和汉字中的任意字符。 ? \ba\w\w\w\w\w\w\\b匹配以字母a开头长度等于7的任意单词 ? \ba\w\w\w\d\d\d\D\b匹配以字母a开头后面有3个字符三个数字和1个非数字字符长度等于8的单词 ? 2.2?字符类 字符类是一个字符集合，如果该字符集合中的任何一个字符被匹配，则它会找到该匹配项。字符类可以在[]（方括号）中定义。如： [012345]可以匹配数字0到5中的任意一个。 H[123456]可以匹配HTML标签中的H1到H6。 [Jj]ack可以匹配字符串Jack或jack。 但是，由于表达式[0123456789]书写非常不方便，连字符(-)便应用而生,[0-9]等价于[0123456789]。[a-z]匹配任何小写字母，[A-Z]匹配任意大写字母。如果要在字符类中包含连字符，则必须包含在第一位，如：[-a]表示表达式匹配-或者a。在字符类中如果^是字符类的第一个字符表示否定该字符串，也就是匹配该字符串外的任意字符，如：[^abc]匹配除了abc以外的任意字符，[^-]匹配除了连字符以外的任意字符，a[^b]匹配a之后不是b的字符串。 表2-1?常用的字符类 字符或表达式 说明 \w 匹配单词字符(包括字母、数字、下划线和汉字) \W 匹配任意的非单词字符(包括字母、数字、下划线和汉字) \s 匹配任意的空白字符，如空格、制表符、换行符、中文全角空格等 \S 匹