正则表达式入门教程(二)

素颜马尾好姑娘i 2022-07-12 02:11 192阅读 0赞

在上一节的正则表达式中（**[正则表达式入门教程(一)][Link 1]**）我们学习了一下5个：

1）\\b：代表着单词的开头或结尾，也就是单词的分界处。

2） .  ：匹配除了换行符以外的任意字符。

3） \* ：数量——它指定\*前边的内容可以连续重复使用任意次以使整个表达式得到匹配。

4） \\d ：匹配一位数字(0，或1，或2，或……)。

5）\{2\}： 如：0\\d\{2\}-\\d\{8\}。这里\\d后面的\{2\}(\{8\})的意思是前面\\d必须连续重复匹配2次(8次)。

这一节我们来继续学习后面的知识：

1）\\s ：匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等。

2）\\w：匹配字母或数字或下划线或汉字等。

下面来看看更多的例子：

\\ba\\w\*\\b匹配以字母a开头的单词——先是某个单词开始处(\\b)，然后是字母a,然后是任意数量的字母或数字(\\w\*)，最后是单词结束处(\\b)。

\\d+ 匹配1个或更多连续的数字。这里的\+是和\*类似的元字符，不同的是:

\*匹配重复任意次(可能是0次)，而

+匹配重复1次或更多次。

\\b\\w\{6\}\\b匹配刚好6个字符的单词。

![Center][]

元字符^（和数字6在同一个键位上的符号）和 $都匹配一个位置，这和 \\b有点类似。^匹配你要用来查找的字符串的开头，$匹配结尾。

这两个代码在验证输入的内容时非常有用，比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用：^\\d\{5,12\}$。

这里的\{5,12\}和前面介绍过的\{2\}是类似的，只不过\{2\}匹配只能不多不少重复2次，\{5,12\}则是重复的次数不能少于5次，不能多于12次，否则都不匹配。

因为使用了^和$，所以输入的整个字符串都要用来和\\d\{5,12\}来匹配，也就是说整个输入必须是5到12个数字，因此如果输入的QQ号能匹配这个正则表达式的话，那就符合要求了。

和忽略大小写的选项类似，有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项，^和$的意义就变成了匹配行的开始处和结束处。

正则表达式引擎通常会提供一个“测试指定的字符串是否匹配一个正则表达式”的方法，如JavaScript里的RegExp.test()方法或.NET里的Regex.IsMatch()方法。这里的匹配是指是字符串里有没有符合表达式规则的部分。如果不使用^和$的话，对于\\d\{5,12\}而言，使用这样的方法就只能保证字符串里包含5到12连续位数字，而不是整个字符串就是5到12位数字。

3）：如果你想查找元字符本身的话，比如你查找点**.**,或者\*, 就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用 \\来取消这些字符的特殊意义。因此，你应该使用**\\.**和 **\\\***。当然，要查找\\本身，你也得用\\\\。

例如：deerchao\\.net匹配deerchao.net，C:\\\\Windows匹配C:\\Windows。

上面已经学习过\*,\+,\{2\},\{5,12\}这几个匹配重复的方式了。下面是正则表达式中所有的限定符(指定数量的代码，例如\*,\{5,12\}等)：

![Center 1][]

下面是一些使用重复的例子：

Windows\\d+匹配Windows后面跟1个或更多数字

^\\w+匹配一行的第一个单词(或整个字符串的第一个单词，具体匹配哪个意思得看选项设置)

4)：要想查找数字，字母或数字，空白是很简单的，因为已经有了对应这些字符集合的元字符，但是如果你想匹配没有预定义元字符的字符集合(比如元音字母a,e,i,o,u),应该怎么办？

很简单，你只需要在方括号里列出它们就行了，像\[aeiou\]就匹配任何一个英文元音字母，\[.?!\]匹配标点符号(.或?或!)。

我们也可以轻松地指定一个字符范围，像\[0-9\]代表的含意与\\d就是完全一致的：一位数字；同理\[a-z0-9A-Z\_\]也完全等同于\\w（如果只考虑英文的话）。

如图：

![Center 2][]

下面是一个更复杂的表达式：\\(?0\\d\{2\}\[) -\]?\\d\{8\}。

“(” 和 “)”也是元字符，后面的[分组节][Link 2]里会提到，所以在这里需要使用[转义][Link 3]。

这个表达式可以匹配几种格式的电话号码，像(010)88886666，或022-22334455，或02912345678等。

我们对它进行一些分析吧：

首先是一个转义字符 \\(,它能出现0次或1次,由问号决定(?), 然后是一个0 ，后面跟着2个数字(\\d\{2\})，然后是)或\-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\\d\{8\})。

如图：

![Center 3][]

5)：分枝条件

不幸的是，刚才那个表达式也能匹配010)12345678或(022-87654321这样的“不正确”的格式。要解决这个问题，我们需要用到分枝条件。正则表达式里的分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开。听不明白？没关系，看例子：

0\\d\{2\}-\\d\{8\}|0\\d\{3\}-\\d\{7\}这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)。

\$?0\\d\{2\}\$?\[- \]?\\d\{8\}|0\\d\{2\}\[- \]?\\d\{8\}这个表达式匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔。你可以试试用分枝条件把这个表达式扩展成也支持4位区号的。

\\d\{5\}-\\d\{4\}|\\d\{5\} 这个表达式用于匹配美国的邮政编码。美国邮编的规则是5位数字，或者用连字号间隔的9位数字。之所以要给出这个例子是因为它能说明一个问题：**使用分枝条件时，要注意各个条件的顺序**。如果你把它改成\\d\{5\}|\\d\{5\}-\\d\{4\}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。

6）：分组

我们已经提到了怎么重复单个字符（直接在字符后面加上限定符就行了）；但如果想要重复多个字符又该怎么办？你可以用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了，你也可以对子表达式进行其它一些操作(后面会有介绍)。

(\\d\{1,3\}\\.)\{3\}\\d\{1,3\}是一个简单的IP地址匹配表达式。要理解这个表达式，请按下列顺序分析它：

\\d\{1,3\}匹配1到3位的数字，(\\d\{1,3\}\\.)\{3\}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\\d\{1,3\})。

IP地址中每个数字都不能大于255. 经常有人问我,  01.02.03.04 这样前面带有0的数字, 是不是正确的IP地址呢?

答案是: 是的, IP 地址里的数字可以包含有前导 0 (leading zeroes).

不幸的是，它也将匹配256.300.888.999这种不可能存在的IP地址。如果能使用算术比较的话，或许能简单地解决这个问题，但是正则表达式中并不提供关于数学的任何功能，所以只能使用冗长的分组，选择，字符类来描述一个正确的IP地址：((2\[0-4\]\\d|25\[0-5\]|\[01\]?\\d\\d?)\\.)\{3\}(2\[0-4\]\\d|25\[0-5\]|\[01\]?\\d\\d?)。

理解这个表达式的关键是理解2\[0-4\]\\d|25\[0-5\]|\[01\]?\\d\\d?，这里我就不细说了，你自己应该能分析得出来它的意义。

参考博客：http://deerchao.net/tutorials/regex/regex.htm\#mission

[Link 1]: http://blog.csdn.net/u011159417/article/details/54895637
[Center]: /images/20220711/d6017d5ed60f4f9fa27a6f78985a7933.png
[Center 1]: /images/20220711/a9fc6f99b9804a6598069bcf16bdae02.png
[Center 2]: /images/20220711/f532422e53d6473bab44072645b2c55f.png
[Link 2]: http://deerchao.net/tutorials/regex/regex.htm#grouping
[Link 3]: http://deerchao.net/tutorials/regex/regex.htm#escape
[Center 3]: /images/20220711/8f19714212c54287bb2ed826ca6c9d5a.png