正则表达式入门教程

《正则表达式入门教程》由会员分享，可在线阅读，更多相关《正则表达式入门教程（76页珍藏版）》请在金锄头文库上搜索。

1、文档供参考，可复制、编制，期待您的好评与关注！ 正则表达式30分钟入门教程目录跳过目录1本文目标2如何使用本教程3正则表达式到底是什么东西？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 分枝条件11 反义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 网上的资源及本文参考文献24 更新纪录本文目标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分钟，如果你没

2、有使用正则表达式的经验，请不要试图在30秒内入门除非你是超人 :)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，我自己 也没能把所有的东西记下

3、来，不是吗？清除格式 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) 对其进行匹配的源字符串 对正则表达式或其中一部分的说明隐藏边注 本文右边有一些注释，主要是用来提供一些相关信息，或者给没有程序员背景的读者解释一些基本概念，通常可以忽略。正则表达式到底是什么东西？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。字符串是0个或更多个字符的序列。文本也就是文字，字符串。说某个字符串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

4、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 Window s/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

5、或0376-7654321)。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 h

6、i 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，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。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

7、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使用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。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

8、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， 只匹配它本身连字符(或者减号，或者中横线，或者随你怎么称呼它)。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)。测试正则表达式其它可用的测试工具: Regex Buddy 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

9、达式进行测试是很有必要的。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 Framew ork 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.Net Framew ork 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：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

10、，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：就是不少于一个的连续的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。bw 6

11、b 匹配刚好6个字符的单词。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d5,12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。元字符（和数字

12、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

13、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:Window s 匹配 C:Window s。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

14、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：Window sd+匹配 Window s 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)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）。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