正则表达式——（一）

朱雀 2022-09-25 11:24 163阅读 0赞

# 正则表达式 - 语法 #

正则表达式(regular expression)描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。

*  列目录时，　dir \*.txt或ls \*.txt中的\*.txt就不是一个正则表达式,因为这里\*与正则式的\*的含义是不同的。
 *  构造正则表达式的方法和创建数学表达式的方法一样。也就是用多种元字符与运算符可以将小的表达式结合在一起来创建更大的表达式。正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。

正则表达式是由普通字符（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。模式描述在搜索文本时要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。

## 普通字符 ##

普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。

## 非打印字符 ##

非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列：

<table> 
 <tbody> 
  <tr> 
   <th>字符</th> 
   <th>描述</th> 
  </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>\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 [ \f\n\r\t\v]。</td> 
  </tr> 
  <tr> 
   <td>\S</td> 
   <td>匹配任何非空白字符。等价于 [^ \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> 
 </tbody> 
</table>

## 特殊字符 ##

所谓特殊字符，就是一些有特殊含义的字符，如上面说的"\*.txt"中的\*，简单的说就是表示任何字符串的意思。如果要查找文件名中有\*的文件，则需要对\*进行转义，即在其前加一个\\。ls \\\*.txt。

许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符，必须首先使字符"转义"，即，将反斜杠字符 (\\) 放在它们前面。下表列出了正则表达式中的特殊字符：

<table> 
 <tbody> 
  <tr> 
   <th>特别字符</th> 
   <th>描述</th> 
  </tr> 
  <tr> 
   <td>$</td> 
   <td>匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身，请使用 \$。</td> 
  </tr> 
  <tr> 
   <td>( )</td> 
   <td>标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 $ 和 $。</td> 
  </tr> 
  <tr> 
   <td>*</td> 
   <td>匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 \*。</td> 
  </tr> 
  <tr> 
   <td>+</td> 
   <td>匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 \+。</td> 
  </tr> 
  <tr> 
   <td>.</td> 
   <td>匹配除换行符 \n之外的任何单字符。要匹配 .，请使用 \。</td> 
  </tr> 
  <tr> 
   <td>[</td> 
   <td>标记一个中括号表达式的开始。要匹配 [，请使用 \[。</td> 
  </tr> 
  <tr> 
   <td>?</td> 
   <td>匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 \?。</td> 
  </tr> 
  <tr> 
   <td>\</td> 
   <td>将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， 'n' 匹配字符 'n'。'\n' 匹配换行符。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，除非在方括号表达式中使用，此时它表示不接受该字符集合。要匹配 ^ 字符本身，请使用 \^。</td> 
  </tr> 
  <tr> 
   <td>{ </td> 
   <td>标记限定符表达式的开始。要匹配 {，请使用 \{。</td> 
  </tr> 
  <tr> 
   <td>|</td> 
   <td>指明两项之间的一个选择。要匹配 |，请使用 \|。</td> 
  </tr> 
 </tbody> 
</table>

## 限定符 ##

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有\*或+或?或\{n\}或\{n,\}或\{n,m\}共6种。

正则表达式的限定符有：

<table> 
 <tbody> 
  <tr> 
   <th>字符</th> 
   <th>描述</th> 
  </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> 
 </tbody> 
</table>

# 正则表达式 - 元字符 #

下表包含了元字符的完整列表以及它们在正则表达式上下文中的行为：

<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'、'l'、'i'、'n'。</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 [ \f\n\r\t\v]。</td> 
  </tr> 
  <tr> 
   <td>\S</td> 
   <td>匹配任何非空白字符。等价于 [^ \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>

# 正则表达式 - 运算符优先级 #

正则表达式从左到右进行计算，并遵循优先级顺序，这与算术表达式非常类似。

相同优先级的从左到右进行运算，不同优先级的运算先高后低。下表从最高到最低说明了各种正则表达式运算符的优先级顺序：

<table> 
 <tbody> 
  <tr> 
   <th>运算符</th> 
   <th>描述</th> 
  </tr> 
  <tr> 
   <td>\</td> 
   <td>转义符</td> 
  </tr> 
  <tr> 
   <td>(), (?:), (?=), []</td> 
   <td>圆括号和方括号</td> 
  </tr> 
  <tr> 
   <td>*, +, ?, {n}, {n,}, {n,m}</td> 
   <td>限定符</td> 
  </tr> 
  <tr> 
   <td>^, $, \任何元字符、任何字符</td> 
   <td>定位点和序列（即：位置和顺序）</td> 
  </tr> 
  <tr> 
   <td>|</td> 
   <td>替换，"或"操作<br> 字符具有高于替换运算符的优先级，使得"m|food"匹配"m"或"food"。若要匹配"mood"或"food"，请使用括号创建子表达式，从而产生"(m|f)ood"。</td> 
  </tr> 
 </tbody> 
</table>