正則表達(dá)式之基本概念
2018-07-20 來源：編程學(xué)習(xí)網(wǎng)
正則表達(dá)式之基本概念
在我們寫頁面時(shí)，往往需要對(duì)表單的數(shù)據(jù)比如賬號(hào)、身份證號(hào)等進(jìn)行驗(yàn)證，而最有效的、用的最多的便是使用正則表達(dá)式來驗(yàn)證。那什么是正則表達(dá)式呢？
正則表達(dá)式（Regular Expression） 是用于描述一組字符串特征的模式，用來匹配特定的字符串。 它的應(yīng)用非常廣泛，特別是在字符串處理方面。其常見的應(yīng)用如下：
- 驗(yàn)證字符串，即 驗(yàn)證給定的字符串或子字符串是否符合指定的特征， 例如，驗(yàn)證是否是合法的郵件地址、驗(yàn)證是否是合法的HTTP地址等等。
- 查找字符串，從給定的文本當(dāng)中 查找符合指定特征 的字符串，這樣比查找固定字符串更加靈活。
- 替換字符串，即查找到符合某特征的字符串之后將之替換。
- 提取字符串，即從給定的字符串中提取符合指定特征的子字符串。
第一部分：正則表達(dá)式之工具
正所謂工欲善其事必先利其器! 所以我們需要知道下面幾個(gè)主要的工具：
- http://www.regexpal.com/ 這個(gè)網(wǎng)站中，我們可以在線測(cè)試正則表達(dá)式。
- http://regexr.com/ 這個(gè)網(wǎng)站更為推薦，它自身還包括了一個(gè)實(shí)例使我們直接測(cè)試。
第二部分：正則表達(dá)式之元字符
正則表達(dá)式中元字符恐怕是我們聽得最多的了。 元字符 （Metacharacter）是一類非常特殊的字符，它 能夠匹配 一個(gè) 位置 或者字符集合中的一個(gè) 字符 。 如.、\w等都是元字符。
剛剛說到，元字符既可以匹配位置，也可以匹配字符，那么我們就可以通過此來將 元字符分為匹配位置的元字符 和 匹配字符的元字符 。
A 匹配位置的元字符--- ^ 、 $ 、 \b
即 匹配位置 的元字符只有^（ 脫字符號(hào) ）、$（ 美元符號(hào)） 和\b這三個(gè)字符。分別匹配 行的開始、行的結(jié)尾 以及 單詞的開始 或 結(jié)尾 。它們匹配的都只是位置。
1.^匹配行的開始位置
如 ^zzw匹配的是 以"zzw"為行開頭的 "zzw" (注意：我這里想要表達(dá)的是：盡管加了一個(gè)^，它匹配的仍是字符串，而不是一整行！) ,如果zzw不是作為行開頭的字符串，則它不會(huì)被匹配。
2.$匹配行的結(jié)尾位置
如 zzw$匹配的是 以"zzw"為行結(jié)尾的 "zzw" （同樣，這里$只是匹配的一個(gè)位置，那個(gè)位置是 零寬度， 而不是一整行），如果zzw不是作為行的結(jié)尾，那么它不會(huì)被匹配。
于是結(jié)合^和$我們就不難猜測(cè)^zzw$匹配的是某行中只有zzw這個(gè)字符串了。
而^$匹配的則是一個(gè)空行，這個(gè)空行中不包含任何字符串。
3. \b匹配單詞的開始或結(jié)束
如 \bzzw匹配的是zzw之前是空格符號(hào)、標(biāo)點(diǎn)符號(hào)或換行符號(hào)的zzw（注意：但\b匹配的僅是一個(gè) 零寬度的位置， 而不會(huì)匹配空格、標(biāo)點(diǎn)符號(hào)或換行符號(hào)）。
而zzw\b匹配的是zzw之后是空格符號(hào)、標(biāo)點(diǎn)符號(hào)或換行符號(hào)的zzw（同樣，\b匹配的是 一個(gè)零寬度的位置 ）。
顯然 \bzzw\b匹配的就是zzw的前后必須是空格符號(hào)、標(biāo)點(diǎn)符號(hào)或換行符號(hào)的zzw。
B 匹配字符的元字符--- . 、\ w 、\ W 、\ s 、\ S 、\ d 、\ D
即匹配字符的元字符共有七個(gè)。
其中 .（點(diǎn)號(hào)） 表示匹配 除換行符之外 的任意字符；
\w 匹配單詞字符（ 不僅僅是字母，還有下劃線、 數(shù)字 和 漢字 ）；\W匹配任意的非單詞字符（注意，與\w剛好相反） ；
\s匹配的是任意的空白字符（如空格、制表符、換行符、中文全角空格等）；
\S匹配的是任意的非空白字符（注意：剛好和\s相反）；
\d匹配任意的數(shù)字；
\D匹配任意的非數(shù)字字符（注意：剛好和\d相反）。
例子如下所示：
上面的四個(gè)例子從左到右依次表示：
- ^.$表示匹配一行中的唯一一個(gè)任意的非換行符的字符
- \ba\w\w\w\w\w\w\w\w\w\b表示匹配以字母a開始的后面有9個(gè)字母字符的單詞。 （ 注意：其中的a并不是元字符，就是一個(gè)普通的字符，我們稱之為字符串字面值（string literal)-所謂字符串字面值，就是字面上看起來是什么就是什么）
- \ b\w\w\w\d\d\d\d\D\b表示匹配以3個(gè)字母字符開始后面緊跟著四個(gè)數(shù)字字符且最后一個(gè)不是數(shù)字字符的單詞。
第三部分：正則表達(dá)式之文字匹配
這一部分我們將通過字符類、字符轉(zhuǎn)義、反義這幾個(gè)部分來學(xué)習(xí)。
A、字符類
字符類是正則表達(dá)式中的“迷你”語言，可以在[]中定義。
最簡(jiǎn)單的字符類可以由[]和幾個(gè)簡(jiǎn)單的字母組成。比如[aeiou]可以匹配aeiou五個(gè)字母中的 任意一個(gè) 。[0123456]可以匹配0123456這七個(gè)數(shù)字中的 任意一個(gè)。 而<H[123456]>可以匹配到HTML標(biāo)記中的<H1><H2><H3><H4><H5><H6>中的 任意一個(gè) 標(biāo)記。而[bhc]at就會(huì)匹配字符串bat、hat、cat。 也就是說字符類[]中的多個(gè)字符只會(huì)匹配其中一個(gè)。
但是顯然[0123456]、<H[123456]>這樣的表示太麻煩，需要寫的很多，所以我們 可以使用 -連字符）來簡(jiǎn)寫之 ，如[0-6]和<H[1-6]>。于是可知[0-9]和\d的作用是一樣的。[a-z]可以表示所有的小寫字母，[A-Z]可以表示所有的大寫字母。[a-zA-Z]可以表示所有的大寫字母和小寫字母。
值得注意的是 -(連字符) 只有在字符類中的中間位置時(shí)才是“到”的意思。而[-b]5中-沒有在兩個(gè)字符之間，所以它表示的是-5或者b5。
除此之外，我們知道^時(shí)只匹配行的開頭，但是 如果^出現(xiàn)在字符類中的第一個(gè)位置，那么它表示否定該字符類。 如[^123]表示匹配不是數(shù)字1或2或3的其他任意字符。[^-]表示匹配不是-的任意字符。
由此我們也可以發(fā)現(xiàn)： 在字符類中使用元字符（-、^等）時(shí)，不需要進(jìn)行轉(zhuǎn)義運(yùn)算。
更常用的有[^aeiou]匹配元音之外的字符、[0-9a-zA-Z_]匹配任何數(shù)字、字母（大寫和小寫）和下劃線，這等同于\w、[^ 0-9a-zA-Z_]匹配任何非數(shù)字、字母（大寫和小寫）和下劃線，這等同于\W。
B、字符轉(zhuǎn)義
我們知道元字符如&、^、.等都表示著特殊的涵義，如果我們希望把他們看作一般的字符去匹配字符串，并且恰好他們又都不在字符類(如[&]中)，我們就需要使用\(反斜杠)進(jìn)行轉(zhuǎn)義了。
如我們可以使用www.cnblogs.com來匹配www.cnblogs.com。 我們可以用\*來匹配字符串中的*(通配符)。 我們還可以通過\\來匹配\。舉例如下所示：
C.反義
實(shí)際上我們?cè)谇懊嬉呀?jīng)說過了，這里再說一遍是因?yàn)橄Ｍ梢砸鹱⒁猓碸再字符類中的最前面時(shí)表示對(duì)這個(gè)字符類中的字符表示否定。如a[^b]匹配a和a后面不是b的字符。又如<asp[^>]>表示匹配<asp和其后面的字符不是>的字符。舉例如下：
第四部分：正則表達(dá)式之限定符
什么是限定符呢? 我們知道，在前面的例子中，我曾經(jīng)使用過\ba\w\w\w\w\w\w\w\w\w\b表示匹配以字母a開始的后面有9個(gè)字母字符的單詞，顯然這樣寫是十分麻煩的，如果我們能把\w這些重復(fù)的用簡(jiǎn)單的形式來寫就好了~ 沒錯(cuò)，限定符就是干這個(gè)的，利用限定符我們可以重新寫成\ba\w{9}\b。對(duì)，就是這么簡(jiǎn)單！ 下面讓我們了解更多吧。
- {n} 表示重復(fù)n次，如\w{5}表示匹配個(gè)單詞字符。
- {n,} 表示重復(fù)至少n次，如\w{5}表示匹配至少5個(gè)單詞字符,也可以是6個(gè)，7個(gè)……
- {n,m} 表示重復(fù)至少n次，最多m次，如\w{5,10} 表示匹配至少5個(gè)，最多10個(gè)單詞字符。
- * 表示重復(fù)至少0次。 等同于{0,} ,即hu*t可以匹配ht或hut或huut或huuut……
- + 表示重復(fù)至少1次。 等同于{1,}，即hu+t可以匹配 hut或huut或huuut……
- ? 表示重復(fù)0次或1次。等同于{0,1},即colou?r表示匹配color或者是colour。
顯然，上面的限定符所指的i安定都是限定的前面的某一個(gè)字符。
但是，如果我們?cè)谏厦娴南薅ǚ蠹由弦粋�(gè)?呢 ,這時(shí)我們稱之為 懶惰限定符 。 相應(yīng)地，我們稱上面幾種匹配為貪婪匹配。
- {n}？ 等同于{n}
- {n,}？ 盡可能少的使用重復(fù)，但至少使用n次
- {n,m}？ 重復(fù)n次到m次之間，但要盡可能少的使用重復(fù)。
- *？ 盡可能少的使用重復(fù)的第一個(gè)匹配
- +？ 盡可能少的使用重復(fù)，但至少使用1次
- ?? 使用零次重復(fù)（如果有可能）或者一次重復(fù)
比如：對(duì)于aabab這個(gè)要 匹配的字符串而言，使用a.*b會(huì)匹配aabab，而如果使用a.*?b就會(huì)匹配aab和ab，而不是匹配所有。
第五部分：正則表達(dá)式之字符的運(yùn)算
字符的運(yùn)算包括替換、分組和反向引用，下面我將逐項(xiàng)介紹。
A 替換
什么是替換呢? 顯然就是指一個(gè)不行，我用另一個(gè)來替換，比如0\d{3}-\d{7}|0\d{2}-\d{8} 就表示匹配前4位為區(qū)號(hào)、后7位為本地號(hào)碼的電話號(hào)碼， 亦可 匹配前3位為區(qū)號(hào)、后8位為本地號(hào)碼的電話號(hào)碼。| 表示的就是替換了。 又如[Jj]ack和Jack|jack的匹配效果是一樣的都是用來匹配Jack或jack的。 也就是說，替換|是或運(yùn)算的關(guān)系。
在一般的或運(yùn)算中0 0結(jié)果為0, 0 1結(jié)果為1， 1 0結(jié)果為1， 1 1結(jié)果為1。那么在正則表達(dá)式中同樣是這樣， 如果一個(gè)都匹配不上就不匹配；如果有一個(gè)能匹配上就匹配一個(gè)；如果兩個(gè)都能匹配上，就匹配兩個(gè) 。 舉例如下所示：
B.分組
正則表達(dá)式中，分組也是一個(gè)非常重要的概念�？此茝�(fù)雜，實(shí)際上
分組就是使用"("和")"，即左圓括號(hào)和右圓括號(hào)將某些字符括起來看成一個(gè)整體來處理。
比如我們希望匹配abcabc。如果是abc{3}匹配的就是abccc，這不能達(dá)到預(yù)期，所以我們可以對(duì)abc分組，即(abc){3}就可以匹配到我們想要的字符串了。
又如(\d{1,3}\.){3}\d{1,3}也用了分組的運(yùn)算方式，它可以用來匹配簡(jiǎn)單的IP地址，如下所示：
C 反向引用
上面我們通過()可以進(jìn)行分組，而 分組的同時(shí)，每一個(gè)組被自動(dòng)賦予了一個(gè)組號(hào)，該組號(hào)可以代表該組的表達(dá)式。
編組的規(guī)則是：從左到右、以分組的左括號(hào)"("為標(biāo)志，第一個(gè)分組的組號(hào)為1，第二個(gè)分組的組號(hào)為2，以此類推。
這時(shí)，反向引用就派上用場(chǎng)啦。我們就可以用它來 反向引用 使用()括起來的字符組了。具體怎么引用呢？規(guī)則如下：
- \數(shù)字，使用數(shù)字命名的反向引用。注：這個(gè)是通用的一種方式。
- \k<name>，使用指定命名的反向引用。注：這個(gè)是.NET Frameword支持的一種方式。
下面的幾個(gè)例子是 使用數(shù)字命名的反向引用 ：
其中我們可以看到第一個(gè)和第二個(gè)匹配的并不相同---第一個(gè)匹配的是兩個(gè)任意單詞字符組成的單詞，而第二個(gè)由于是使用了反向引用，那么它就必須是兩個(gè)重復(fù)單詞字符組成的單詞。
最后一個(gè)我使用了兩個(gè)分組，根據(jù)分組規(guī)則可知\w{3}\d{2}是第一個(gè)分組，\d{2}是第二個(gè)分組。 同樣注意：反向引用的是同樣的字符，如www55www5566，最后兩位不同，這就無法正確匹配了。
使用指定命名（也就是自定義命名）的反向引用
對(duì)于上面的第二個(gè)例子，我們用自定義命名的反向引用可以寫成\b (?<myName>\w)\k<myName> \b或者是 \b (? 'myName' \w)\k<myName> \b。 本想舉例試一下，結(jié)果都提示錯(cuò)誤，可能是上面提到的兩個(gè)在線網(wǎng)站不支持吧~
當(dāng)然，如果我們希望只是將之看作一個(gè)整體，而 不希望給其編號(hào) ，可以使用(?:expression)的方式。如下所示：
另外，下面幾個(gè)也是常用的分組：
- (?=expression)匹配字符串expression前面的位置
- (?!expression)匹配后面不是字符串expression的位置
- (?<=expression)匹配字符串expresssion后面的位置
- (?<!expression)匹配前面不是字符串expression的位置
- (?>expression)只匹配字符串expression一次
D.零寬度斷言
之前介紹的^和$都是匹配的一個(gè)滿足一定條件的位置。這里把滿足的一個(gè)條件成為斷言或零寬度斷言。
常用的有：
- ^ 匹配行的開始位置
- $ 匹配行的結(jié)束位置
- \A 匹配必須出現(xiàn)在字符串的開頭
- \Z 匹配必須出現(xiàn)在字符串的結(jié)尾或字符串結(jié)尾處的\換行符好n之前
- \z 匹配必須出現(xiàn)在字符串的結(jié)尾
- \G 匹配必須出現(xiàn)在上一個(gè)匹配結(jié)束的地方
- \b 匹配字符的開始或結(jié)束位置
- \B 匹配不是在字符的開始或結(jié)束位置
之前所提到的(?=expression)、(?!expression)、(?<=expression)、(?<!expression)也都是匹配一個(gè)位置。
其中(?=expression)稱為零寬度預(yù)測(cè)先行斷言，它斷言自身位置的后面能夠匹配表達(dá)式expression。如\b\w+(?=ed\b)可以匹配以字符串ed結(jié)尾的單詞的前面部分，如reseted中的reset。
其中(?<=expression)又稱為零寬度正回顧后發(fā)斷言，它斷言自身位置的前面能夠匹配表達(dá)式expression。如(?<=\ban)\w+\b可以匹配除字符串a(chǎn)n之外的部分。
E 負(fù)向零寬度斷言
（?!expression)稱為負(fù)向零寬度斷言，即斷言自身位置的后面不能匹配字符串expression。
如\b\w{3}(?!\d) 匹配的是后面不是數(shù)字的以三個(gè)單詞字符開頭的三個(gè)單詞字符 。如下所示：
F 優(yōu)先級(jí)順序
正則表達(dá)式中存在元字符、轉(zhuǎn)義符、限定符、|等運(yùn)算或表達(dá)式。在匹配過程中，正則表達(dá)式都事先規(guī)定了這些運(yùn)算或表達(dá)式的優(yōu)先級(jí)。 正則表達(dá)式也可以像數(shù)學(xué)表達(dá)式一樣來求值。也就是說，正則表達(dá)式可以從左到右、并按照一個(gè)給定的優(yōu)先級(jí)來求值。
優(yōu)先級(jí)順序表(優(yōu)先級(jí)由高到低)如下：
- 轉(zhuǎn)義符：\
- 圓括號(hào)和方括號(hào)：()、(?:)、(?=)、[]
- 限定符： *、+、?、{n}、{n,}、{n,m}
- 位置和順序：^、$、\(元字符)
- 或運(yùn)算:|
我們可以看到或運(yùn)算的優(yōu)先級(jí)是最低的。
第六部分：典型正則表達(dá)式解釋
A 匹配windows運(yùn)算系統(tǒng)的名稱
我們可以通過下面的正則表達(dá)式來精確匹配windows運(yùn)算系統(tǒng)的名稱
windows\s*((95)|(98)|(2000)|(2003)|(ME)|(XP)|(7)|(8)|(10))
這樣就可以精準(zhǔn)匹配windows的各種版本的運(yùn)算系統(tǒng)了，顯然這個(gè)是非常冗長(zhǎng)的，我們還可以用一種不精準(zhǔn)的方式匹配，如下所示：
windows\s*\w+
其中s*表示至少重復(fù)0次。即windows10（無空格）, windows 10（一個(gè)空格）, windows 10（兩個(gè)空格）等都可以正確匹配。
B 匹配HTML標(biāo)記
HTML標(biāo)記一般由尖括號(hào)包圍，如<a>、<table>、<input>等等。所以我們可以使用下面的正則表達(dá)式來匹配HTML標(biāo)記。
<[a-zA-Z][^>]*>
來自：http://www.cnblogs.com/zhuzhenwei918/p/6196661.html
標(biāo)簽：
版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。
