《30分钟学会正则表达式基础教程》由会员分享，可在线阅读，更多相关《30分钟学会正则表达式基础教程（25页珍藏版）》请在金锄头文库上搜索。
1、目录1. 本文目标2. 如何使用本教程3. 正则表达式到底是什么？4. 入门5. 测试正则表达式6. 元字符7. 字符转义8. 重复9. 字符类10. 反义11. 替换12. 分组13. 后向引用14. 零宽断言15. 负向零宽断言16. 注释17. 贪婪与懒惰18. 处理选项19. 平衡组/递归匹配20. 还有些什么东西没提到21. 联系作者22. 最后,来点广告.23. 一些我认为你可能已经知道的术语的参考24. 网上的资源及本文参考文献25. 更新说明本文目标30分钟内让你明白正则表达式是什么，并对它有一些基本的了解，让你可以在自己的程序或网页里使用它。如何使用本教程最重要的是请给我30
2、分钟，如果你没有使用正则表达式的经验，请不要试图在30秒内入门。当然，如果你是超人，那自然得另当别论。别被下面那些复杂的表达式吓倒，只要跟着我一步一步来，你会发现正则表达式其实并没有你想像中的那么困难。当然，如果你看完了这篇教程之后，发现自己明白了很多，却又几乎什么都记不得，那也是很正常的我认为，没接触过正则表达式的人在看完这篇教程后，能把提到过的语法记住80%以上的可能性为零。这里只是让你明白基本的原理，以后你还需要多练习，多使用，才能熟练掌握正则表达式。除了作为入门教程之外，本文还试图成为可以在日常工作中使用的正则表达式语法参考手册。就作者本人的经历来说，这个目标还是完成得不错的你看，我自
3、己也没能把所有的东西记下来，不是吗？文本格式约定：专业术语 元字符/语法格式 正则表达式 正则表达式中的一部分(用于分析) 用于在其中搜索的字符串 对正则表达式或其中一部分的说明清除格式正则表达式到底是什么？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(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
4、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)。正则表达式是用于进行文本匹配的工具，所以本文里多次提到了在字符串里搜索/查找，这种说法的意思是在给定的字符串中，寻找与给定的正则表达式相匹配的部分。有可能字符串里有不止一个部分满足给定的正则表达式，这时每一个这样的部分被称为一个匹配。匹配在本文里可能会有三种意思：一种是形容词性的，比如说一个字符串匹配一个表达式；一种是动词性的，比如说在字符
5、串里匹配正则表达式；还有一种是名词性的，就是刚刚说到的“字符串中满足给定的正则表达式的一部分”。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。假设你在一篇英文小说里查找hi，你可以使用正则表达式hi。这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
6、。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，metacharacter），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或标点符号或换行来分隔的，但是b并不匹配这些单词分隔符中的任何一个，它只匹配一个位置。（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。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
7、，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。如果同时使用其它的一些元字符，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是一个新的元字符，匹配任意的数字(0，或1，或
8、2，或)。-不是元字符，只匹配它本身连字号。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，所以很有必要创建一种工具来测试正则表达式。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Microsoft .Net 2.0下正则表达式的行为，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.N
9、et 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：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.当然还有更多的元字符可用，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。下面来试试更多的例子：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：
10、就是几个连续的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1.常用的元字符代码说明.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$匹配字符串的结束元字符（和数字6在同一个键位上的符号）以及$和b有点类似，都匹配一个位置。匹配你要用来查找的字符串的开头，$匹配结尾。这两个代码在验证输入的内容时非常有用，比如一个网站如果要求你填写的Q
11、Q号必须为5位到12位数字时，可以使用：d5,12$。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：你没法指定它们，因为它们会被解释成其它
12、的意思。这时你就必须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。重复你已经看过了前面的*,+,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)：表2.常用的限定符代码/语法说明*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13d9匹配13后面跟9个数字(中国的手机号)w+匹配一行的第一个单词(或整个字符串的第一个单
13、词，具体匹配哪个意思得看选项设置)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，你只需要在中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!)(英文语句通常只以这三个标点结束)。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）。下面是一个更复杂的表达式：(?0d2) -?d8。这个表达式可以匹配几种格式的电话号码，像(01
14、0)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(?),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)。不幸的是，它也能匹配010)12345678或(022-87654321这样的“不正确”的格式。要解决这个问题，请在本教程的下面查找答案。反义有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义：表3.常用的反义代码代码/语法说明W匹配任意不是字母，数字，下划线，汉字的字符S匹配任意不是空白符的字符D匹配任意非数字的字符B匹配不是单词开头或结束的位置x匹配除了x以外的任意字符aeiou匹配除了aeiou这几个字母以外的任意字符例子：S+匹配不包含空白符的字符串。+匹配用尖括号括起来的以a开头的字符串。替换好了，现在终于到了解决3位或4位区号问题的时间了。正则表达式里的替换指的是有几种规则，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(如010-1234
