正则表达式相关(引言、基础进阶、工具资料)

现在的位置: 首页 > 综合 > 正文

正则表达式相关(引言、基础进阶、工具资料)

2012年09月20日 ⁄ 综合 ⁄ 共 2385字 ⁄ 字号小中大 ⁄ 评论关闭

引言

      正则表达式（regular expression）就是用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如表达式“ab+” 描述的特征是“一个 'a' 和任意个 'b' ”，那么 'ab', 'abb', 'abbbbbbbbbb' 都符合这个特征。

      正则表达式可以用来：（1）验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。（2）用来查找字符串，从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便。（3）用来替换，比普通的替换更强大。

      正则表达式学习起来其实是很简单的，不多的几个较为抽象的概念也很容易理解。之所以很多人感觉正则表达式比较复杂，一方面是因为大多数的文档没有做到由浅入深地讲解，概念上没有注意先后顺序，给读者的理解带来困难；另一方面，各种引擎自带的文档一般都要介绍它特有的功能，然而这部分特有的功能并不是我们首先要理解的。

节选自：揭开正则表达式的神秘面纱 http://www.regexlab.com/zh/regref.htm

基础进阶

· 普通字符
· 简单的转义字符
· 字符集合
· 自定义字符集合
· 匹配次数修饰
· 特殊符号
------------
· 贪婪与非贪婪
· 反向引用
· 预搜索

------------
· 其他规则
· 更多提示

节选自：揭开正则表达式的神秘面纱 http://www.regexlab.com/zh/regref.htm

节选自：正则表达式30分钟入门教程 http://deerchao.net/tutorials/regex/regex.htm

字符边界：本身不匹配任何字符，只对字符边界和字符间缝隙附加条件的表达式。

^      当前位置必须是文本开始位置
$      当前位置必须是文本结束位置
\b    当前位置的左右两侧，只能有一侧是字母数字或下划线

如果正则表达式的匹配模式为 MULTILINE 模式，^ 可匹配一行文本的行首，$ 可匹配一行文本的行末。更多详情，参见正则表达式匹配模式。

当 \b 被包含于字符集合中时，\b 代表退格符（ASCII码 = 8）。

      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\bhi\b。

      \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\bhi\b.*\bLucy\b。

      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，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\bhi\b.*\bLucy\b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。