正則表達式学习參考

正則表達式学习參考

1       概述

正則表達式(Regular Expression)是一种匹配模式,描写叙述的是一串文本的特征。

正如自然语言中“高大”、“牢固”等词语抽象出来描写叙述事物特征一样,正則表達式就是字符的高度抽象,用来描写叙述字符串的特征。

正則表達式(下面简称正则,Regex)通常不独立存在,各种编程语言和工具作为宿主语言提供对正则的支持,并依据自身语言的特点,进行一定的剪裁或扩展。

正则入门非常easy,有限的语法规则非常easy掌握,可是眼下正则的普及率并不高,主要是由于正则的流派众多,各种宿主语言提供的文档都过多的关注于自身的一些细节,而这些细节一般是刚開始学习的人并不须要关注的。

当然,假设想要深入的了解正則表達式,这些细节又是必须被关注的,这是后话,让我们先从正则的基础開始,进入正則表達式的世界。

2       正則表達式基础

2.1     基本概念

2.1.1  字符串组成

对于字符串“a5”,是由两个字符“a”、“5”以及三个位置组成的,这一点对于正則表達式的匹配原理理解非常重要。

2.1.2  占有字符和零宽度

正則表達式匹配过程中,假设子表达式匹配到的是字符内容,而非位置,并被保存到终于的匹配结果中,那么就觉得这个子表达式是占有字符的;假设子表达式匹配的不过位置,或者匹配的内容并不保存到终于的匹配结果中,那么就觉得这个子表达式是零宽度的。

占有字符还是零宽度,是针对匹配的内容是否保存到终于的匹配结果中而言的。

占有字符是相互排斥的,零宽度是非相互排斥的。也就是一个字符,同一时间仅仅能由一个子表达式匹配,而一个位置,却能够同一时候由多个零宽度的子表达式匹配。

2.1.3  正則表達式构成

正則表達式由两种字符构成。一种是在正則表達式中详细特殊意义的“元字符”,还有一种是普通的“文本字符”。

元字符能够是一个字符,如“^”,也能够是一个字符序列,如“\w”。

2.2     元字符(Meta Character)

2.2.1  […] 字符组(Character Classes)

字符组能够匹配[ ]中包括的随意一个字符。尽管能够是随意一个,但仅仅能是一个。

字符组支持由连字符“-”来表示一个范围。当“-”前后构成范围时,要求前面字符的码位小于后面字符的码位。

[^…] 排除型字符组。排除型字符组表示随意一个未列出的字符,相同仅仅能是一个。排除型字符组相同支持由连字符“-”来表示一个范围。


表达式


说明


[abc]


表示“a”或“b”或“c”


[0-9]


表示0~9中随意一个数字,等价于[0123456789]


[\u4e00-\u9fa5]


表示随意一个汉字


[^a1<]


表示除“a”、“1”、“<”外的其他随意一个字符


[^a-z]


表示除小写字母外的随意一个字符

举例:

[0-9][0-9]”在匹配“Windows 2003”时,匹配成功,匹配的结果为“20”。

[^inW]”在匹配“Windows 2003”时,匹配成功,匹配的结果为“d”。

2.2.2  常见字符范围缩写

对于一些经常使用的字符范围,如数字等,因为很经常使用,即使使用[0-9]这种字符组仍显得麻烦,所以定义了一些元字符,来表示常见的字符范围。


表达式


说明


\d


随意一个数字,相当于[0-9],即0~9 中的随意一个


\w


随意一个字母或数字或下划线,相当于[a-zA-Z0-9_]


\s


随意空白字符,相当于[ \r\n\f\t\v]


\D


随意一个非数字字符,\d取反,相当于[^0-9]


\W


\w取反,相当于[^a-zA-Z0-9_]


\S


随意非空白字符,\s取反,相当于[^ \r\n\f\t\v]

举例:

\w\s\d”在匹配“Windows 2003”时,匹配成功,匹配的结果为“s 2”。

2.2.3  . 小数点

小数点能够匹配除“\n”以外的随意一个字符。假设要匹配包含“\n”在内的全部字符,一般用[\s\S],或者是用“.”加(?s)匹配模式来实现。


表达式


说明


.


匹配除了换行符 \n 以外的随意一个字符

2.2.4  其他元字符


表达式


说明


^


匹配字符串開始的位置,不匹配不论什么字符


$


匹配字符串结束的位置,不匹配不论什么字符


\b


匹配单词边界,不匹配不论什么字符

举例:

^a”在匹配“cba”时,匹配失败,由于表达式要求開始位置后面是字符“a”,而“cba”显然是不满足的。

\d$”在匹配“123”时,匹配成功,匹配结果为“3”,这个表达式要求匹配结尾处的数字,假设结尾处不是数字,如“123abc”,则是匹配失败的。

2.2.5  转义字符

一些不可见字符,或是在正则中具有特殊意义的元字符,如想匹配字符本身,须要用“\”对其进行转义。


表达式


说明


\r,\n


回车和换行


\\


匹配“\”本身


\^,\$,\.


分别匹配“^”、“$”和“.”

下面字符在匹配其本身时,通常须要进行转义。在实际应用中,依据详细情况,须要转义的字符可能不止例如以下所列字符

 .  $  ^  {  [  (  |  )  *  +  ?  \

2.2.6  量词(Quantifier)

量词表示一个子表达式能够匹配的次数。量词能够用来修饰一个字符、字符组,或是用()括起来的子表达式。一些经常使用的量词被定义成独立的元字符。


表达式


说明


举例


{m}


表达式匹配m次


“\d{3}”相当于“\d\d\d ”

“(abc){2}”相当于“abcabc”


{m,n}


表达式匹配最少m次,最多n次


“\d{2,3}”能够匹配“12”或“321”等2到3位的数字


{m,}


表达式至少匹配m次


“[a-z]{8,}”表示至少8位以上的字母


?


表达式匹配0次或1次,相当于{0,1}


“ab?”能够匹配“a”或“ab”


*


表达式匹配0次或随意多次,相当于{0,}


“<[^>]*>”中“[^>]*”表示0个或随意多个不是“>”的字符


+


表达式匹配1次或意多次,至少1次,相当于{1,}


“\d\s+\d”表示两个数字中间,至少有一个以上的空白字符

注意:在不是动态生成的正則表達式中,不要出现“{1}”这种量词,如“\w{1}”在结果上等价于“\w”,可是会减少匹配效率和可读性,属于画蛇添足的做法。

2.2.7  分支结构(Alternation)

当一个字符串的某一子串具有多种可能时,採用分支结构来匹配,“|”表示多个子表达式之间“或”的关系,“|”是以()限定范围的,假设在“|”的左右两側没有()来限定范围,那么它的作用范围即为“|”左右两側总体。


表达式


说明


|


多个子表达式之间取“或”的关系

举例:

^aa|b$”在匹配“cccb”时,是能够匹配成功的,匹配的结果是“b”,由于这个表达式表示匹配“^aa”或“b$”,而“b$”在匹配“cccb ”时是能够匹配成功的。

^(aa|b)$”在区配“cccb”时,是匹配失败的,由于这个表达式表示在“開始”和“结束”位置之间仅仅能是“aa”或“b”,而“cccb”显然是不满足的。

3       正則表達式进阶

3.1     捕获组(Capture Group)

捕获组就是把正則表達式中子表达式匹配的内容,保存到内存中以数字编号或手动命名的组里,以供后面引用。


表达式


说明


(Expression)


普通捕获组,将子表达式Expression匹配的内容保存到以数字编号的组里


(?<name> Expression)


命名捕获组,将子表达式Expression匹配的内容保存到以name命名的组里

普通捕获组(在不产生歧义的情况下,简称捕获组)是以数字进行编号的,编号规则是以“(”从左到右出现的顺序,从1開始进行编号。通常情况下,编号为0的组表示整个表达式匹配的内容。

命名捕获组能够通过捕获组名,而不是序号对捕获内容进行引用,提供了更便捷的引用方式,不用关注捕获组的序号,也不用操心表达式部分变更会导致引用错误的捕获组。

3.2     非捕获组

一些表达式中,不得不使用( ),但又不须要保存( )中子表达式匹配的内容,这时能够用非捕获组来抵消使用( )带来的副作用。


表达式


说明


(?:Expression)


进行子表达式Expression的匹配,并将匹配内容保存到终于的整个表达式的区配结果中,但Expression匹配的内容不单独保存到一个组内

3.3     反向引用

捕获组匹配的内容,能够在正則表達式的外部程序中进行引用,也能够在表达式中进行引用,表达式中引用的方式就是反向引用。

反向引用通经常使用来查找反复的子串,或是限定某一子串成对出现。


表达式


说明


\1,\2


对序号为1和2的捕获组的反向引用


\k<name>


对命名为name的捕获组的反向引用

举例:

(a|b)\1”在匹配“abaa”时,匹配成功,匹配到的结果是“aa”。“(a|b)”在尝试匹配时,尽管既能够匹配“a”,也能够匹配“b”,可是在进行反向引用时,相应()中匹配的内容已经是固定的了。

3.4     环视(Look Around)

环视仅仅进行子表达式的匹配,匹配内容不计入终于的匹配结果,是零宽度的。

环视依照方向划分有顺序和逆序两种,依照是否匹配有肯定和否定两种,组合起来就有四种环视。环视相当于对所在位置加了一个附加条件。


表达式


说明


(?<=Expression)


逆序肯定环视,表示所在位置左側可以匹配Expression


(?<!Expression)


逆序否定环视,表示所在位置左側不能匹配Expression


(?=Expression)


顺序肯定环视,表示所在位置右側可以匹配Expression


(?!Expression)


顺序否定环视,表示所在位置右側不能匹配Expression

举例:

(?<=Windows )\d+”在匹配“Windows 2003”时,匹配成功,匹配结果为“2003”。我们知道“\d+”表示匹配一个以上的数字,而“(?<=Windows )”相当于一个附加条件,表示所在位置左側必须为“Windows ”,它所匹配的内容并不计入匹配结果。相同的正则在匹配“Office 2003”时,匹配失败,由于这里随意一串数字子串的左側都不是“Windows ”。

(?!1)\d+”在匹配“123”时,匹配成功,匹配的结果为“23”。“\d+”匹配一个以上数字,可是附加条件“(?!1)”要求所在位置右側不能是“1”,所以匹配成功的位置是“2”前面的位置。

3.5     忽略优先和匹配优先

或者叫做正則表達式匹配的贪婪与非贪婪模式。

标准量词修饰的子表达式,在可匹配可不匹配的情况下,总会先尝试进行匹配,称这样的方式为匹配优先,或者贪婪模式。此前介绍的一些量词,“{m}”、“{m,n}”、“{m,}”、“?”、“*”和“+”都是匹配优先的。

一些NFA正则引擎支持忽略优先量词,也就是在标准量词后加一个“?”,此时,在可匹配可不匹配的情况下,总会先忽略匹配,仅仅有在由忽略优先量词修饰的子表达式,必须进行匹配才干使整个表达式匹配成功时,才会进行匹配,称这样的方式为忽略优先,或者非贪婪模式。忽略优先量词包含“{m}?”、“{m,n}?”、“{m,}?”、“??”、“*?”和“+?”。

举例:

源字符串:<div>aaa</div><div>bbb</div>

正則表達式1:<div>.*</div>      匹配结果:<div>aaa</div><div>bbb</div>

正則表達式2:<div>.*?</div>     匹配结果:<div>aaa</div>

时间: 2024-10-08 21:40:47

正則表達式学习參考的相关文章

正則表達式学习资料

正則表達式入门具体教程:http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html 假设嫌上面的汉字太多,能够直接看代码:http://jqsl2012.iteye.com/blog/1262756

vim中使用正則表達式

一.使用正則表達式的命令 使用正則表達式的命令最常见的就是 / (搜索)命令. 其格式例如以下: /正則表達式 还有一个非常实用的命令就是 :s(替换)命令,将第一个//之间的正則表達式替换成第二个//之间的字符串. :s/正則表達式/替换字符串/选项 在学习正則表達式时能够利用 / 命令来练习. 二.元字符 元字符是具有特殊意义的字符.使用元字符能够表达随意字符.行首.行 尾.某几个字符等意义. 元字符一览 元字符 说明 . 匹配随意一个字符 [abc] 匹配方括号里的随意一个字符. 能够使用

JavaScript正則表達式知识汇总

Js 正則表達式知识汇总 正則表達式: 1.什么是RegExp?RegExp是正則表達式的缩写.RegExp 对象用于规定在文本中检索的内容. 2.定义RegExp:var +变量名=new RegExp(); 3.RegExp 对象有 3 个方法: 1)test()检索字符串中的指定值,返回值是true或false. var p1=new Reg("e"); document.write(Reg.test("welcome to China!")); 2)exec

JAVA学习第六十五课 — 正則表達式

正則表達式:主要应用于操作字符串.通过一些特定的符号来体现 举例: QQ号的校验 6~9位.0不得开头.必须是数字 String类中有matches方法 matches(String regex) 告知此字符串是否匹配给定的正則表達式. regex,就是给定的正則表達式 public static void checkQQ() { //第一位是数字1-9,第二位以后是0-9,除去第一位数剩下数字位数范围是5到8位 String regex = "[1-9][0-9]{5,8}";//正

shell脚本学习笔记 (正則表達式)

正則表達式一般有三个部分组成,他们各自是:字符类,数量限定符,位置限定符. 规定一些特殊语法表示字符类.数 量限定符和位置关系,然后用这些特殊语法和普通字符一起表示一个模式,这就是正則表達式(Regular Expression). 我们以一 个样例開始吧.假如给你一个文件,里面存放的是IP地址,可是有一些不是合格的.请你找出合格的IP地址.我想不知道正 则表达式的人一定会认为好陌生,我拿一个循环去实现,我之前也被问到过这个问题,也是想着拿循环来完毕.写出一个函 数来实现这个查找功能实在是不简单

Python——正則表達式(2)

本文译自官方文档:Regular Expression HOWTO 參考文章:Python--正則表達式(1) 全文下载 :Python正則表達式基础 ====================================================================================== 3.使用正則表達式 如今.我们已经学习了一些简单的正則表達式,但我们应该怎么在Python中使用它们呢?re模块提供了一个连接正則表達式引擎的接口,同意你将RE编译成对象并利

js正則表達式语法

1. 正則表達式规则 1.1 普通字符 字母.数字.汉字.下划线.以及后边章节中没有特殊定义的标点符号,都是"普通字符".表达式中的普通字符,在匹配一个字符串的时候,匹配与之同样的一个字符. 举例1:表达式 "c",在匹配字符串 "abcde" 时,匹配结果是:成功:匹配到的内容是:"c":匹配到的位置是:開始于2,结束于3.(注:下标从0開始还是从1開始,因当前编程语言的不同而可能不同) 举例2:表达式 "bcd&

Java正則表達式入门

众所周知,在程序开发中,难免会遇到须要匹配.查找.替换.推断字符串的情况发生,而这些情况有时又比較复杂,假设用纯编码方式解决,往往会浪费程序猿的时间及精力.因此,学习及使用正則表達式,便成了解决这一矛盾的主要手段. 大 家都知道,正則表達式是一种能够用于模式匹配和替换的规范,一个正則表達式就是由普通的字符(比如字符a到z)以及特殊字符(元字符)组成的文字模式,它 用以描写叙述在查找文字主体时待匹配的一个或多个字符串.正則表達式作为一个模板,将某个字符模式与所搜索的字符串进行匹配.  自从jdk1

IP地址正則表達式

正則表達式对字符进行格式化匹配.一句指令完毕推断. IP地址格式   x.x.x.x x 表示0~255的数字 分三种情况 A.          250-255:特点:三位数,百位是2,十位是5,个位是0~5,用正則表達式能够写成:25[0-5] B.          200-249:特点:三位数.百位是2,十位是0~4,个位是0~9,用正則表達式能够写成:2[0-4]\d C.          0-199:这个能够继续分拆,这样写起来更加简单明了. C.a.    0-9:    特点: