正则表达式学习参考.docVIP

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，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0~9中任意一个数字，等价于[0123456789] [\u4e00-\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： “[0-9][0-9]”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0~9 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[ \r\n\f\t\v] \D 任意一个非数字字符，\d取反，相当于[^0-9] \W \w取反，相当于[^a-zA-Z0-9_] \S 任意非空白字符，\s取反，相当于[^ \r\n\f\t\v] 举例： “\w\s\d”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[\s\S]，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 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