《正则表达式完整教程》由会员分享，可在线阅读，更多相关《正则表达式完整教程（13页珍藏版）》请在金锄头文库上搜索。
1、正则表达式教程玉堂资料汇编1正则表达式到底是什么东西？正则表达式到底是什么东西？字符字符是计算机软件处理文字时最基本的单位，可能是字母，数字，标点符号，空格，换行符，汉字等等。字符串字符串是 0 个或更多个字符的序列。文本文本也就是文字，字符串。说某个字符串匹配匹配某个正则表达式，通常是指这个字符串里有一部分（或几部分分别）能满足表达式给出的条件。在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则正则表达式表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。很可能你使用过 Windows/Dos 下用于文件查找的通配符通配符(wildca
2、rd)(wildcard)，也就是*和?。如果你想查找某个目录下的所有的 Word 文档的话，你会搜索*.doc。在这里，*会被解释成任意的字符串。和通配符类似，正则表达式也是用来进行文本匹配的工具，只不过比起通配符，它能更精确地描述你的需求当然，代价就是更复杂比如你可以编写一个正则表达式，用来查找所有以 0开头，后面跟着 2-3 个数字，然后是一个连字号“-”，最后是 7 或 8 位数字的字符串(像010-12345678或0376-7654321)。入门入门学习正则表达式的最好方法是从例子开始，理解例子之后再自己对例子进行修改，实验。下面给出了不少简单的例子，并对它们作了详细的说明。假设你
3、在一篇英文小说里查找 hi，你可以使用正则表达式 hi。这几乎是最简单的正则表达式了，它可以精确匹配这样的字符串：由两个字符组成，前一个字符是 h,后一个是 i。通常，处理正则表达式的工具会提供一个忽略大小写的选项，如果选中了这个选项，它可以匹配hi,HI,Hi,hI这四种情况中的任意一种。不幸的是，很多单词里包含hi这两个连续的字符，比如him,history,high等等。用 hi 来查找的话，这里边的hi也会被找出来。如果要精确地查找 hi 这个单词的话，我们应该使用bhib。b 是正则表达式规定的一个特殊代码（好吧，某些人叫它元字符，元字符，metacharactermetachara
4、cter），代表着单词的开头或结尾，也就是单词的分界处。虽然通常英文的单词是由空格，标点符号或者换行来分隔的，但是b 并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置只匹配一个位置。如果需要更精确的说法，b 匹配这样的位置：它的前一个字符和后一个字符不全是(一个是,一个不是或不存在)w。假如你要找的是 hi 后面不远处跟着一个 Lucy，你应该用bhib.*bLucyb。正则表达式教程玉堂资料汇编2这里，.是另一个元字符，匹配除了换行符以外的任意字符。*同样是元字符，不过它代表的不是字符，也不是位置，而是数量它指定*前边的内容可以连续重复出现任意次以使整个表达式得到匹配。因此，.*连在一
5、起就意味着任意数量的不包含换行的字符。现在bhib.*bLucyb的意思就很明显了：先是一个单词 hi,然后是任意个任意字符(但不能是换行)，最后是 Lucy 这个单词。换行符就是n,ASCII 编码为 10(十六进制 0x0A)的字符。如果同时使用其它元字符，我们就能构造出功能更强大的正则表达式。比如下面这个例子：0dd-dddddddd 匹配这样的字符串：以 0 开头，然后是两个数字，然后是一个连字号“-”，最后是 8 个数字(也就是中国的电话号码。当然，这个例子只能匹配区号为 3 位的情形)。这里的d 是个新的元字符，匹配一位数字(0，或 1，或 2，或)。-不是元字符，只匹配它本身连字
6、符或者减号。为了避免那么多烦人的重复，我们也可以这样写这个表达式：0d2-d8。 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)。测试正则表达式测试正则表达式其它可用的测试工具:RegexBuddy Javascript 正则表达式在线测试工具 如果你不觉得正则表达式很难读写的话，要么你是一个天才，要么，你不是地球人。正则表达式的语法很令人头疼，即使对经常使用它的人来说也是如此。由于难于读写，容易出错，所以找一种工具对正则表达式进行测试是很有必要的。由于在不同的环境下正则表达式的一些细节是不相同的，本教程介绍的是微软 .Net Framework 2.0 下正则表达式
7、的行为，所以，我向你介绍一个.Net 下的工具 Regex Tester。首先你确保已经安装了.Net Framework 2.0，然后下载 Regex Tester。这是个绿色软件，下载完后打开压缩包,直接运行 RegexTester.exe 就可以了。下面是 Regex Tester 运行时的截图：正则表达式教程玉堂资料汇编3元字符元字符现在你已经知道几个很有用的元字符了，如b,.,*，还有d.正则表达式里还有更多的元字符，比如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。w 匹配字母或数字或下划线或汉字等。对中文/汉字的特殊处理是由.Net 提供的正则表达式引
8、擎支持的，其它环境下的具体情况请查看相关文档。下面来看看更多的例子：baw*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)。好吧，现在我们说说正则表达式里的单词是什么意思吧：就是多于一个的连续的w。不错，这与学习英文时要背的成千上万个同名的东西的确关系不大 :)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+则匹配重复 1 次或更多次。bw6b 匹配刚好 6 个字母/数字的单词。表表 1.1.常用的元字符常用的元字符正则表达式教程玉堂资料汇编4代码代
9、码说明说明.匹配除换行符以外的任意字符w匹配字母或数字或下划线或汉字s匹配任意的空白符d匹配数字b匹配单词的开始或结束匹配字符串的开始$匹配字符串的结束元字符（和数字 6 在同一个键位上的符号）和$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，$匹配结尾。这两个代码在验证输入的内容时非常有用，比如一个网站如果要求你填写的 QQ 号必须为 5 位到 12 位数字时，可以使用：d5,12$。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$，所以输入的整个字符串都
10、要用来和d5,12来匹配，也就是说整个输入必须是 5 到 12 个数字，因此如果输入的 QQ 号能匹配这个正则表达式的话，那就符合要求了。和忽略大小写的选项类似，有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项，和$的意义就变成了匹配行的开始处和结束处。字符转义字符转义如果你想查找元字符本身的话，比如你查找.,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： 匹配 ，C:Windows 匹配 C:Windows。重复重复你已经看过了前面的*,+,2,5,12这几
11、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)：表表 2.2.常用的限定符常用的限定符代码代码/ /语法语法说明说明*重复零次或更多次+重复一次或更多次?重复零次或一次n重复 n 次n,重复 n 次或更多次n,m重复 n 到 m 次正则表达式教程玉堂资料汇编5下面是一些使用重复的例子：Windowsd+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)字符类字符类要想查找数字，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
12、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）。下面是一个更复杂的表达式：(?0d2) -?d8。“(”和“)”也是元字符，后面的分组节里会提到，所以在这里需要使用转义。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
13、一个转义字符(,它能出现 0 次或 1 次(?),然后是一个 0，后面跟着 2 个数字(d2)，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(d8)。分枝条件分枝条件不幸的是，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分枝条件。正则表达式里的分枝条件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：0d2-d8|0d3-d7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(
14、如 010-12345678)，一种是 4 位区号，7 位本地号(0376-2233445)。(0d2)- ?d8|0d2- ?d8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。d5-d4|d5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，使用分枝条件时，要注意各个条件的顺序要注意各个条件的顺序。如果你把它改成d5|d5-d4的话，那么就只会
15、匹配 5 位的邮编正则表达式教程玉堂资料汇编6(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。分组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子表达式(也叫做分组分组)，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)。(d1,3.)3d1,3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：d1,3匹配 1 到 3 位的数字，(d1,3.)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分组)重复 3 次，最后再加上一个一到三位的数字(d1,3)。IP 地址中每个数字都不能大于 255，大家千万不要被24第三季的编剧给忽悠了.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：(20-4d|250-5|01?dd?).)3(20-4
