【转】正则表达式基础知识

阳光穿透心脏的1/2处 2021-11-23 07:14 262阅读 0赞

# [正则表达式基础知识][Link 1] #

一个正则表达式就是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。如：

<table> 
 <tbody> 
 <tr> 
 <th>JScript</th> 
 <th>VBScript</th> 
 <th>匹配</th> 
 </tr> 
 <tr> 
 <td>/^\[ \t]*$/</td> 
 <td>"^\[ \t]*$"</td> 
 <td>匹配一个空白行。</td> 
 </tr> 
 <tr> 
 <td>/\d{2}-\d{5}/</td> 
 <td>"\d{2}-\d{5}"</td> 
 <td>验证一个ID 号码是否由一个2位数字，一个连字符以及一个5位数字组成。</td> 
 </tr> 
 <tr> 
 <td>/&lt;(.*)&gt;.*&lt;\/\1&gt;/</td> 
 <td>"&lt;(.*)&gt;.*&lt;\/\1&gt;"</td> 
 <td>匹配一个 HTML 标记。</td> 
 </tr> 
 </tbody> 
</table>

下表是元字符及其在正则表达式上下文中的行为的一个完整列表：

<table> 
 <tbody> 
 <tr> 
 <th>字符</th> 
 <th>描述</th> 
 </tr> 
 <tr> 
 <td>\</td> 
 <td>将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。</td> 
 </tr> 
 <tr> 
 <td>^</td> 
 <td>匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 '\n' 或 '\r' 之后的位置。</td> 
 </tr> 
 <tr> 
 <td>$</td> 
 <td>匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置。</td> 
 </tr> 
 <tr> 
 <td>*</td> 
 <td>匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。</td> 
 </tr> 
 <tr> 
 <td>+</td> 
 <td>匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。</td> 
 </tr> 
 <tr> 
 <td>?</td> 
 <td>匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。</td> 
 </tr> 
 <tr> 
 <td>{ n}</td> 
 <td>n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。</td> 
 </tr> 
 <tr> 
 <td>{ n,}</td> 
 <td>n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。</td> 
 </tr> 
 <tr> 
 <td>{ n,m}</td> 
 <td>m 和 n 均为非负整数，其中n &lt;= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。</td> 
 </tr> 
 <tr> 
 <td>?</td> 
 <td>当该字符紧跟在任何一个其他限制符 (*, +, ?, { n}, { n,}, { n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。</td> 
 </tr> 
 <tr> 
 <td>.</td> 
 <td>匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。</td> 
 </tr> 
 <tr> 
 <td>(pattern)</td> 
 <td>匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '$' 或 '$'。</td> 
 </tr> 
 <tr> 
 <td>(?:pattern)</td> 
 <td>匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。</td> 
 </tr> 
 <tr> 
 <td>(?=pattern)</td> 
 <td>正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。</td> 
 </tr> 
 <tr> 
 <td>(?!pattern)</td> 
 <td>负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始 </td> 
 </tr> 
 <tr> 
 <td>x|y</td> 
 <td>匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。</td> 
 </tr> 
 <tr> 
 <td>[xyz]</td> 
 <td>字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。</td> 
 </tr> 
 <tr> 
 <td>[^xyz]</td> 
 <td>负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。</td> 
 </tr> 
 <tr> 
 <td>[a-z]</td> 
 <td>字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。</td> 
 </tr> 
 <tr> 
 <td>[^a-z]</td> 
 <td>负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。</td> 
 </tr> 
 <tr> 
 <td>\b</td> 
 <td>匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。</td> 
 </tr> 
 <tr> 
 <td>\B</td> 
 <td>匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。</td> 
 </tr> 
 <tr> 
 <td>\cx</td> 
 <td>匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。</td> 
 </tr> 
 <tr> 
 <td>\d</td> 
 <td>匹配一个数字字符。等价于 [0-9]。</td> 
 </tr> 
 <tr> 
 <td>\D</td> 
 <td>匹配一个非数字字符。等价于 [^0-9]。</td> 
 </tr> 
 <tr> 
 <td>\f</td> 
 <td>匹配一个换页符。等价于 \x0c 和 \cL。</td> 
 </tr> 
 <tr> 
 <td>\n</td> 
 <td>匹配一个换行符。等价于 \x0a 和 \cJ。</td> 
 </tr> 
 <tr> 
 <td>\r</td> 
 <td>匹配一个回车符。等价于 \x0d 和 \cM。</td> 
 </tr> 
 <tr> 
 <td>\s</td> 
 <td>匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [&nbsp;\f\n\r\t\v]。</td> 
 </tr> 
 <tr> 
 <td>\S</td> 
 <td>匹配任何非空白字符。等价于 [^&nbsp;\f\n\r\t\v]。</td> 
 </tr> 
 <tr> 
 <td>\t</td> 
 <td>匹配一个制表符。等价于 \x09 和 \cI。</td> 
 </tr> 
 <tr> 
 <td>\v</td> 
 <td>匹配一个垂直制表符。等价于 \x0b 和 \cK。</td> 
 </tr> 
 <tr> 
 <td>\w</td> 
 <td>匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。</td> 
 </tr> 
 <tr> 
 <td>\W</td> 
 <td>匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。</td> 
 </tr> 
 <tr> 
 <td>\xn</td> 
 <td>匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' &amp; "1"。正则表达式中可以使用 ASCII 编码。.</td> 
 </tr> 
 <tr> 
 <td>\num</td> 
 <td>匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。</td> 
 </tr> 
 <tr> 
 <td>\n</td> 
 <td>标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。</td> 
 </tr> 
 <tr> 
 <td>\nm</td> 
 <td>标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。</td> 
 </tr> 
 <tr> 
 <td>\nml</td> 
 <td>如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。</td> 
 </tr> 
 <tr> 
 <td>\un</td> 
 <td>匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (©)。</td> 
 </tr> 
 </tbody> 
</table>

下面看几个例子：  
"^The"：表示所有以"The"开始的字符串（"There"，"The cat"等）；  
"of despair$"：表示所以以"of despair"结尾的字符串；  
"^abc$"：表示开始和结尾都是"abc"的字符串——呵呵，只有"abc"自己了；  
"notice"：表示任何包含"notice"的字符串。  
  
'\*'，'+'和'?'这三个符号，表示一个或一序列字符重复出现的次数。它们分别表示“没有或  
更多”，“一次或更多”还有“没有或一次”。下面是几个例子：

"ab\*"：表示一个字符串有一个a后面跟着零个或若干个b。（"a", "ab", "abbb",……）；  
"ab+"：表示一个字符串有一个a后面跟着至少一个b或者更多；  
"ab?"：表示一个字符串有一个a后面跟着零个或者一个b；  
"a?b+$"：表示在字符串的末尾有零个或一个a跟着一个或几个b。

也可以使用范围，用大括号括起，用以表示重复次数的范围。

"ab\{2\}"：表示一个字符串有一个a跟着2个b（"abb"）；  
"ab\{2,\}"：表示一个字符串有一个a跟着至少2个b；  
"ab\{3,5\}"：表示一个字符串有一个a跟着3到5个b。

请注意，你必须指定范围的下限（如："\{0,2\}"而不是"\{,2\}"）。还有，你可能注意到了，'\*'，'+'和  
'?'相当于"\{0,\}"，"\{1,\}"和"\{0,1\}"。  
还有一个'¦'，表示“或”操作：

"hi¦hello"：表示一个字符串里有"hi"或者"hello"；  
"(b¦cd)ef"：表示"bef"或"cdef"；  
"(a¦b)\*c"：表示一串"a""b"混合的字符串后面跟一个"c"；

'.'可以替代任何字符：

"a.\[0-9\]"：表示一个字符串有一个"a"后面跟着一个任意字符和一个数字；  
"^.\{3\}$"：表示有任意三个字符的字符串（长度为3个字符）；

方括号表示某些字符允许在一个字符串中的某一特定位置出现：

"\[ab\]"：表示一个字符串有一个"a"或"b"（相当于"a¦b"）；  
"\[a-d\]"：表示一个字符串包含小写的'a'到'd'中的一个（相当于"a¦b¦c¦d"或者"\[abcd\]"）；  
"^\[a-zA-Z\]"：表示一个以字母开头的字符串；  
"\[0-9\]%"：表示一个百分号前有一位的数字；  
",\[a-zA-Z0-9\]$"：表示一个字符串以一个逗号后面跟着一个字母或数字结束。

你也可以在方括号里用'^'表示不希望出现的字符，'^'应在方括号里的第一位。（如："%\[^a-zA-Z\]%"表  
示两个百分号中不应该出现字母）。

为了逐字表达，必须在"^.$()¦\*+?\{\\"这些字符前加上转移字符'\\'。

请注意在方括号中，不需要转义字符。

转载于:https://www.cnblogs.com/stone\_lv/articles/1974807.html

[Link 1]: http://www.cnblogs.com/fineboy/archive/2005/09/08/232410.html