web基礎(chǔ)正則表達(dá)式教程

1、30 分鐘內(nèi)讓你明白正則表達(dá)式是什么，并對(duì)它有一些基本的了解，讓你可以在自己的程序或網(wǎng)頁(yè)里使用它。最重要的是請(qǐng)給我 30 分鐘，如果你沒(méi)有使用正則表達(dá)式的經(jīng)驗(yàn)，請(qǐng)不要試圖在 30 秒內(nèi)入門除非你是超人 :)別被下面那些復(fù)雜的表達(dá)式嚇倒，只要跟著我一步一步來(lái)，你會(huì)發(fā)現(xiàn)正則表達(dá)式其實(shí)并沒(méi)有想像中的那么。當(dāng)然，如果你看完了這篇之后，發(fā)現(xiàn)自己明白了很多，卻又幾乎什么都記不得，那也是很正常的我認(rèn)為，沒(méi)接觸過(guò)正則表達(dá)式的人在看完這篇后，能把提到過(guò)的語(yǔ)法記住 80%以上的可能性為零。這里只是讓你明白基本的原理，以后你還需要多練習(xí)，多使用，才能熟練掌握正則表達(dá)式。在編寫(xiě)處理字符串的程序或網(wǎng)頁(yè)時(shí)，經(jīng)常會(huì)有查找符

2、合某些復(fù)雜規(guī)則的字符串的需要。正則表達(dá)式就是用于描述這些規(guī)則的工具。換句話說(shuō)，正則表達(dá)式就是文本規(guī)則的代碼。很可能你使用過(guò) Windows/Dos 下用于文件查找的通配符(wildcard)，也就是*和?。如果你想查找某個(gè)目錄下的所有的 Word 文檔的話，你會(huì)搜索*.doc。在這里，*會(huì)被解釋成任意的字符串。和通配符類似，正則表達(dá)式也是用來(lái)進(jìn)行文本匹配的工具，只不過(guò)比起通配符，它能更精確地描述你的需求當(dāng)然，代價(jià)就是更復(fù)雜比如你可以編寫(xiě)一個(gè)正則表達(dá)式，用來(lái)查找所有以 0 開(kāi)頭，后面跟著 2-3 個(gè)數(shù)字，然后是字號(hào)“-”，最后是7 或 8 位數(shù)字的字符串(像0d2,3-d7,8或。字符是計(jì)算機(jī)處

3、理文字時(shí)最基本的，可能是字母，數(shù)字，標(biāo)點(diǎn)符號(hào)，空格，換行符，漢字等等。字符串是 0 個(gè)或個(gè)字符的序列。文本也就是文字，字符串。說(shuō)某個(gè)字符串匹配某個(gè)正則表達(dá)式，通常是指這個(gè)字符串里有一部分（或幾部分分別）能滿足表達(dá)式給出的條件。正則表達(dá)式到底是什么東西？如何使用本學(xué)習(xí)正則表達(dá)式的最好方法是從例子開(kāi)始，理解例子之后再自己對(duì)例子進(jìn)行修改，實(shí)驗(yàn)。下面給出了不少簡(jiǎn)單的例子，并對(duì)它們作了詳細(xì)的說(shuō)明。假設(shè)你在一篇英文小說(shuō)里查找 hi，你可以使用正則表達(dá)式 hi。這幾乎是最簡(jiǎn)單的正則表達(dá)式了，它可以精確匹配這樣的字符串：由兩 個(gè)字符組成，前一個(gè)字符是 h,后一個(gè)是i。通常，處理正則表達(dá)式的工具會(huì)提供一個(gè)忽略大

4、小寫(xiě)的選項(xiàng)，如果選中了這個(gè)選項(xiàng)，它可以匹配 hi,HI,Hi,hI 這四種情況中的任意一種。不幸的是，很多單詞里包含 hi 這兩個(gè)連續(xù)的字符，比如him,history,high 等等。用 hi 來(lái)查找的話，這里邊的 hi 也會(huì)被找出來(lái)。如果要精確地查找 hi 這個(gè)單詞的話，應(yīng)該使用bhib。b 是正則表達(dá)式規(guī)定的一個(gè)特殊代碼（好吧，某些人叫它元字符， metacharacter），代表著單詞的開(kāi)頭或結(jié)尾，也就是單詞的分界處。雖然通常英文的單詞是由空格，標(biāo)點(diǎn)符號(hào)或者換行來(lái)分隔的，但是b 并不匹配這些單詞分隔字符中的任何一個(gè)，它只匹配一個(gè)位置。假如你要找的是 hi 后面不遠(yuǎn)處跟著一個(gè) Lucy，

5、你應(yīng)該用bhib.*bLucyb。這里，.是另一個(gè)元字符，匹配除了換行符以外的任意字符。*同樣是元字符，不過(guò)它代表的不是字符，也不是位置，而是數(shù)量它指定*前邊的 內(nèi)容可以連續(xù)重復(fù)使用任意次以使整個(gè)表達(dá)式得到匹配。因此，.*連在一起就意味著任意數(shù)量的不包含換行的字符?，F(xiàn)在bhib.*bLucyb 的意思就很明顯了：先是一個(gè)單詞 hi,然后是任意個(gè)任意字符(但不能是換行)，最后是 Lucy 這個(gè)單詞。如果同時(shí)使用其它元字符，比如下面這個(gè)例子：就能構(gòu)造出功能更強(qiáng)大的正則表達(dá)式。換行符就是n,ASCII 編碼為 10(十六進(jìn)制 0 x0A)的字符。如果需要更精確的說(shuō)法，b 匹配這樣的位置：它的前一個(gè)字

6、符和后一個(gè)字符不全是(一個(gè)是,一個(gè)不是或不存在)w。入門0dd-dddddddd 匹配這樣的字符串：以 0 開(kāi)頭，然后是兩個(gè)數(shù)字，然后是字號(hào)“-”，最后是 8 個(gè)數(shù)字(也就當(dāng)然，這個(gè)例子只能匹配區(qū)號(hào)為 3 位的情形)。的號(hào)碼。這里的d 是個(gè)新的元字符，匹配一位數(shù)字(0，或 1，或 2，或)。-不是元字符，只匹配它本身連字符(或者減號(hào)，或者中橫線，或者隨你怎么稱呼它)。為了避免那么多煩人的重復(fù)，也可以這樣寫(xiě)這個(gè)表達(dá)式：0d2-d8。這里d 后面的2(8)的意思是前面d 必須連續(xù)重復(fù)匹配2 次(8 次)?，F(xiàn)在你已經(jīng)知道幾個(gè)很有用的元字符了，如b,.,*，還有d.正則表達(dá)式里還有的元字符，比如s 匹

7、配任意的空白符，包括空格，制表符(Tab)，換行符，中文全角空格等。w 匹配字母或數(shù)字或下劃線等。下面來(lái)看看的例子：baw*b 匹配以字母a 開(kāi)頭的單詞先是某個(gè)單詞開(kāi)始處(b)，然后是字母a,然后是任意數(shù)量的字母或數(shù)字(w*)，最后是單詞結(jié)束處(b)。d+匹配 1 個(gè)或連續(xù)的數(shù)字。這里的+是和*類似的元字符，不同的是*匹配重復(fù)任意次(可能是 0 次)，而+則匹配重復(fù) 1 次或次。bw6b 匹配剛好 6 個(gè)字符的單詞。表 1.常用的元字符代碼說(shuō)明.匹配除換行符以外的任意字符w匹配字母或數(shù)字或下劃線好吧，現(xiàn)在說(shuō)說(shuō)正則表達(dá)式里的單詞是什么意思吧：就是不少于一個(gè)的連續(xù)的w。不錯(cuò)，這與學(xué)習(xí)英文時(shí)要背的成

8、千上萬(wàn)個(gè)同名的東西的確關(guān)系不大 :)對(duì)中文/漢字的特殊處理是由.Net 提供的正則表達(dá)式引擎支持的，其它環(huán)境下的具體情況請(qǐng)查看相關(guān)文檔。元字符元字符（和數(shù)字 6 在同一個(gè)鍵位上的符號(hào)）和$都匹配一個(gè)位置，這和b 有點(diǎn)類似。匹配你要用來(lái)查找的字符串的開(kāi)頭，$匹配結(jié)尾。這兩個(gè)代碼在驗(yàn)證輸入的內(nèi)容時(shí)非常有用，比如一個(gè)如果要求你填寫(xiě)的必須為 5 位到 12 位數(shù)字時(shí)，可以使用：d5,12$。d5,12w+.(com|cn)$這里的5,12和前面介紹過(guò)的2是類似的，只不過(guò)2匹配只能不多不 少重復(fù) 2 次，5,12則是重復(fù)的次數(shù)不能少于 5 次，不能多于 12 次，否則都不匹配。因?yàn)槭褂昧撕?，所以輸入的

9、整個(gè)字符串都要用來(lái)和d5,12來(lái)匹配，也就是說(shuō)整個(gè)輸入必須是 5 到 12 個(gè)數(shù)字，因此如果輸入的正則表達(dá)式的話，那就符合要求了。能匹配這個(gè)和忽略大小寫(xiě)的選項(xiàng)類似，有些正則表達(dá)式處理工具還有一個(gè)處理多行的選項(xiàng)。如果選中了這個(gè)選項(xiàng)，和$的意義就變成了匹配行的開(kāi)始處和結(jié)束處。如果你想查找元字符本身的話，比如你查找.,或者*,就出現(xiàn)了問(wèn)題：你沒(méi)辦法指定它們，因?yàn)樗鼈儠?huì)被解釋成別的意思。這時(shí)你就得使用來(lái)取消字符轉(zhuǎn)義正則表達(dá)式引擎通常會(huì)提供一個(gè)“測(cè)試指定的字符串是否匹配一個(gè)正則表達(dá)式”的方法，如 JavaScript 里的 RegExp.test()方法或.NET 里的Regex.IsMatch()方法

10、。這里的匹配是指是字符串里有沒(méi)有符合表達(dá)式規(guī)則的部分。如果不使用和$的話，對(duì)于d5,12而言，使用這樣的方法就只能保證字符串里包含 5 到 12 連續(xù)位數(shù)字，而不是整個(gè)字符串就是 5 到 12 位數(shù)字。表 1.常用的元字符代碼說(shuō)明s匹配任意的空白符d匹配數(shù)字b匹配單詞的開(kāi)始或結(jié)束匹配字符串的開(kāi)始$匹配字符串的結(jié)束這些字符的特殊意義。因此，你應(yīng)該使用.和*。當(dāng)然，要查找本身，你也得用.例如： 匹配 ，C:Windows 匹配C:Windows。你已經(jīng)看過(guò)了前面的*,+,2,5,12這幾個(gè)匹配重復(fù)的方式了。下面是正則表達(dá)式中所有的限定符(指定數(shù)量的代碼，例如*,5,12等)：下面是一些使用重復(fù)的例

11、子：Windowsd+匹配 Windows 后面跟 1 個(gè)或數(shù)字w+匹配一行的第一個(gè)單詞(或整個(gè)字符串的第一個(gè)單詞，具體匹配哪個(gè)意思得看選項(xiàng)設(shè)置)要想查找數(shù)字，字母或數(shù)字，空白是很簡(jiǎn)單的，因?yàn)橐呀?jīng)有了對(duì)應(yīng)這些字符集合的元字符，但是如果你想匹配沒(méi)有預(yù)定義元字符的字符集合(比如元音字母 a,e,i,o,u),應(yīng)該怎么辦？很簡(jiǎn)單，你只需要在方括號(hào)里列出它們就行了，像aeiou就匹配任何 一個(gè)英文元音字母，.?!匹配標(biāo)點(diǎn)符號(hào)(.或?或!)。也可以輕松地指定一個(gè)字符范圍，像0-9代表的含意與d 就是完全一致的：一位數(shù)字；同理a-z0-9A-Z_也完全等同于w（如果只考慮英文的話）。下面是一個(gè)更復(fù)雜的表達(dá)

12、式：(?0d2) -?d8。字符類表 2.常用的限定符代碼/語(yǔ)法說(shuō)明*重復(fù)零次或次+重復(fù)一次或次?重復(fù)零次或一次n重復(fù)n 次n,重復(fù)n 次或次n,m重復(fù)n 到 m 次重復(fù)這個(gè)表達(dá)式可以匹配幾種格式的號(hào)碼，像(010)88886666，或或 02912345678 等。對(duì)它進(jìn)行一些分析吧：首先是一個(gè)轉(zhuǎn)義字符(,它能出現(xiàn) 0 次或 1 次(?),然后是一個(gè) 0，后面跟著 2 個(gè)數(shù)字(d2)，然后是)或-或空格中的一個(gè)，它出現(xiàn) 1 次或不出現(xiàn)(?)，最后是 8個(gè)數(shù)字(d8)。不幸的是，剛才那個(gè)表達(dá)式也能匹配 010)12345678 或這樣的“不正確”的格式。要解決這個(gè)問(wèn)題，需要用到分枝條件。正則表

13、達(dá)式里的分枝條件指的是有幾種規(guī)則，如果滿足其中任意一種規(guī)則都應(yīng)該當(dāng)成匹配，具體方法是用|把不同的規(guī)則分隔開(kāi)。聽(tīng)不明白？沒(méi)關(guān)系，看例子：0d2-d8|0d3-d7這個(gè)表達(dá)式能匹配兩種以連字號(hào)分隔的電話號(hào)碼：一種是三位區(qū)號(hào)，8 位本地號(hào)(如)，一種是 4 位區(qū)號(hào)，7 位本地號(hào)()。(?0d2)?- ?d8|0d2- ?d8這個(gè)表達(dá)式匹配 3 位區(qū)號(hào) 的 號(hào)碼，其中區(qū)號(hào)可以用小括號(hào)括起來(lái)，也可以不用，區(qū)號(hào)與本地號(hào)間可以用連字號(hào)或空格間隔，也可以沒(méi)有間隔。你可以試試用分枝條件把這個(gè)表達(dá)式擴(kuò)展成也支持 4 位區(qū)號(hào)的。d5-d4|d5這個(gè)表達(dá)式用于匹配的。的規(guī)則是 5 位數(shù)字，或者用連字號(hào)間隔的 9 位數(shù)

14、字。之所以要給出這個(gè)例子是因?yàn)樗苷f(shuō)明一個(gè)問(wèn)題：使用分枝條件時(shí)，要注意各個(gè)條件的順序。如果你把它改成d5|d5-d4的話，那么就只會(huì)匹配 5 位的(以及 9 位郵編的前 5 位)。原因是匹配分枝條件時(shí)，將會(huì)從左到右地測(cè)試每個(gè)條件，如果滿足了某個(gè)分枝的話，就不會(huì)去再管其它的條件了。分組分枝條件“(”和“)”也是元字符，后面的分組節(jié)里會(huì)提到，所以在這里需要使用轉(zhuǎn)義。已經(jīng)提到了怎么重復(fù)單個(gè)字符（直接在字符后面加上限定符就行了）；但如果想要重復(fù)多個(gè)字符又該怎么辦？你可以用小括號(hào)來(lái)指定子表達(dá)式(也叫做分組)，然后你就可以指定這個(gè)子表達(dá)式的重復(fù)次數(shù)了，你也可以對(duì)子表達(dá)式進(jìn)行其它一些操作(后面會(huì)有介紹)。(d1,3.)3d1,3是一個(gè)簡(jiǎn)單的 IP 地址匹配表達(dá)式。要理解這個(gè)表達(dá)式，請(qǐng)按下列順序分析它：d1,3匹配1 到3 位的數(shù)字，(d1,3.)3匹配三位數(shù)字加上一個(gè)英文(這個(gè)整體也就是這個(gè)分組)重復(fù) 3 次，最后再加上一個(gè)一到三位的數(shù)字(d1,3)。不幸的是，它也將匹配 256.300.888.999 這種不可能存在的 IP 地址。如果能使用算術(shù)比較的話，或許能簡(jiǎn)單地解決這個(gè)問(wèn)題，但是正則表達(dá)式中并不提供關(guān)于數(shù)學(xué)的任何功能，所以只能使用冗長(zhǎng)的分組，選