正则表达式和字符串处理(全).docVIP

(完整word版)正那么表达式和字符串处理(全) (完整word版)正那么表达式和字符串处理(全) PAGE PAGE9 (完整word版)正那么表达式和字符串处理(全) PAGE 正那么表达式和字符串处理 (全) 第一章 正那么表达式概述 正那么表达式(RegularExpression)起源于人类神经系统的研究。正那么表达式的定义有以下几种： 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。 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。 由普通字符(a-z)以及特殊字符〔元字符〕组成的文字模式，正那么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。 用于描述某些规那么的的工具。这些规那么经常用于处理字符串中的查找或替换字符串。 也就是说正那么表达式就是记录文本规那么的代码。 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那么表达式的作用。 第二章正那么表达式根底理论 这些理论将为编写正那么表达式提供法那么和标准，正那么表达式主要包括以下根底理论： 元字符 字符串 字符转义 反义 限定符 替换 分组 反向引用 零宽度断言 匹配选项 注释 优先级顺序 递归匹配 2．1元字符 在正那么表达式中，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 $〔美元符号〕都匹配一个位置，分别匹配行的开 始和结尾。比方，^string匹配以string开头的行，string$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、stringfomat等单词。\bstr正那么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，但此正那么表达式不能限定str之后的字符串形式。以下正那么表达式匹配以 ing结尾的字符串，如 string、Thisisastring等 Ing\b正那么表达式 ing\b匹配的字符串必须以 ing结尾，并且 ing后是分界符，以下正那么表达式匹配一个完整的单词：\bstring\b。 匹配字符的元字符匹配字符的元字符有 7个:.(点号)、\w、\W、、、\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 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，那么它会找到该匹配项。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，那么必须包含在第一位，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认该字符串，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 \w\W\s\S\d\D[abc][^abc][0-9a-z_A-Z_]\p{name}\P{name} .[^0-9a-zA-Z_] 说明匹配单词字符 (包括字母、数字、下划线和汉字)匹配任意的非单词字符(包括字母、数字、下划线和汉字)匹配任意的空白字符，如空格、制