正则表达式和字符串处理(全).docxVIP

正就表达式和字符串处理 (全) 第一章 正就表达式概述 正就表达式 (Regular Expression) 起源于人类神经系统的争论；正就表达式的定义有以下几种： |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | * | |欢. |迎. |下. |载. 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； 由一般字符 (a-z) 以及特殊字符（元字符）组成的文字模式，正就表达式作为一个模版， 将某个字符模式与所搜寻的字符串进行匹配； 用于描述某些规章的的工具；这些规章常常用于处理字符串中的查找或替换字符串；也就是说正就表达式就是记录文本规章的代码； 用一个字符串来描述一个特点，然后去验证另一个字符串是否符合这个特点；以上这些定义其实也就是正就表达式的作用； 其次章 正就表达式基础理论 这些理论将为编写正就表达式供应法就和规范，正就表达式主要包括以下基础理论： 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 优先级次序 递归匹配 2． 1 元字符 在正就表达式中，元字符（ Metacharacter ）是一类特别特殊的字符，它能够匹配一个位置或字符集合中的一个字符，如：、 \w 等；依据功能，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 开头和结尾的行；单个 $匹配一个空行；单个 ^匹配任意行； \b 匹配单词的开头和结尾，如： \bstr 匹配以 str 开头的单词，但 \b 不匹配空格、标点符号或换行符号，所以， \bstr 可以匹配 string 、string fomat 等单词； \bstr 正就表达式匹配的字符串必需以 str 开头， 并且 str 以前是单词的分界处，但此正就表达式不能限定 str 之后的字符串形式；以下正就 表达式匹配以 ing 结尾的字符串，如 string 、This is a string 等 Ing\b |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | * | |欢. |迎. |下. |载. 正就表达式 ing\b 匹配的字符串必需以 ing 结尾，并且 ing 后是分界符，以下正就表达式匹配一个完整的单词： \bstring\b ； 2.1.2 匹配字符的元字符 ^.$ 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 的单词匹配字符的元字符有 7 个:.( 点号)、\w 、\W 、、 、\S、 ^.$ 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，假如该字符集合中的任何一个字符被匹配，就它会找到该匹配项；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] 书写特别不便利，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；假如要在字符类中包含连字符，就必需包含在第一位，如： [-a] 表示表达式匹配 -或者 a；在字符类中假如 ^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