1、正则表达式正则表达式 正则表达式正则表达式n正则表达式的概念正则表达式的概念n正则表达式的作用正则表达式的作用n正则表达式的组成正则表达式的组成正则表达式的概念n正则表达式到底是什么？正则表达式，就是用某种模式去从左向右地去匹配一类字符串的一个公式，换句话说，正则表达式就是记录文本规则的代码。正则表达式的作用n 正则表达式用于字符串处理、表单验证等场合，实正则表达式用于字符串处理、表单验证等场合，实用高效。用高效。Windows/Dos下用于文件查找的通配符，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。n 和通配符类似，正则表
2、达式也是用来进行文本匹正则表达式也是用来进行文本匹配的工具，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。n 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。正则表达式的组成n正则表达式由一些普通字符和一些元字符组成。正则表达式由一些普通字符和一些元字符组成。n普通字符包括大小写的字母和数字，而元字符则具有特殊的含义。在最简单的情况下，一个正则表达式看上去就是一个普通的字符串。例如，正则表达式“Hello中没有包含任何元字符，它可以匹配“Hello和123Hello等字符串，但是不能匹配“hello。元字符n元字符是
3、正则表达式规定的特殊代码。正则表达式中有很多元字符，例如：d 匹配一位数字，b代表是字符串的开头和结尾。下面列出一些元字符：常用的一些元字符正则表达式基本书写符号字符转义n当查找元字符本身时，比如查找.,或者*,无法指定它们，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.n例如：A匹配A，C:Windows匹配C:Windows。限定符n正则表达式中所有的限定符是指定数量的代码。正则表达式限定符符号正则表达式限定符符号限定符n下面是一些使用重复的例子：nWindowsd+匹配Windows后面跟1个或更多数字nw+匹配一
4、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)字符类n问题：n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？字符类n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!)。n可以指定一个字符范围范围，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）。字符类n下面是一个更复杂的表达式：n(?0d2)-?d8n这个表达式可以匹配几种
5、格式的电话号码，像(010)88886666，或022-22334455，或02912345678等。我们对它进行一些分析吧：首先是一个转义字符(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(d2)，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(d8)。n这个表达式是个不好的表达式，因为它会匹配几种不正确的格式。分枝条件n刚才那个表达式也能匹配010)12345678或(022-87654321这样的“不正确”的格式。要解决这个问题，我们需要用到分枝条件分枝条件。n正则表达式里的分枝条件分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体
6、方法是用|把不同的规则分隔开。n例如：0d2-d8|0d3-d7这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)。分枝条件n(0d2)-?d8|0d2-?d8这个表达式匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔。你可以试试用分枝条件把这个表达式扩展成也支持4位区号的。nd5-d4|d5这个表达式用于匹配美国的邮政编码。美国邮编的规则是5位数字，或者用连字号间隔的9位数字。分枝条件n之所以要给出这个例子是因为它能说明
7、一个问题：使用分枝条件时，要注意各个条件的顺序。如果你把它改成d5|d5-d4的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。分组n我们已经提到了怎么重复单个字符（直接在字符后面加上限定符就行了）；但如果想要重复多个字符又该怎么办？你可以用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了，你也可以对子表达式进行其它一些操作(后面会有介绍)。n(d1,3.)3d1,3是一个简单的IP地址匹配表达式。要理解这个表达式，请按下列顺序分析它：d1,3匹配1到3位的数字
8、d1,3.)3匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(d1,3)。分组n不幸的是，它也将匹配256.300.888.999这种不可能存在的IP地址。如果能使用算术比较的话，或许能简单地解决这个问题，但是正则表达式中并不提供关于数学的任何功能，所以只能使用冗长的分组，选择，字符类来描述一个正确的IP地址：(20-4d|250-5|01?dd?).)3(20-4d|250-5|01?dd?)。n理解这个表达式的关键是理解20-4d|250-5|01?dd?反义反义n有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它
9、任意字符都行的情况，这时需要用到反义反义：反义n例子：nS+匹配不包含空白符的字符串。n+匹配用尖括号括起来的以a开头的字符串。后向引用n使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。n后向引用后向引用用于重复搜索前面某个分组匹配的文本。例如，1代表分组1匹配的文本。后向引用nb(w+)bs+1b可以用来匹配重复的单词，像go go,或者kitty kitty。这个表达式首先是一个单词，也就是单
10、词开始处和结束处之间的多于一个的字母或数字(b(w+)b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(1)。后向引用n也可以自己指定子表达式的组名。要指定一个子表达式的组名，语法为：(?w+)(或者把尖括号换成也行：(?Wordw+),这样就把w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用k,所以上一个例子也可以写成这样：b(?w+)bs+kb。零宽断言n接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像b,$那样用于指定一个位置，这个位置应该满足一定的条件(
11、即断言)，因此它们也被称为零宽断言零宽断言。n断言用来声明一个应该为真的事实。正则表达式中只有当断言为真时才会继续进行匹配。零宽断言n(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如bw+(?=ingb)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找Im singing while youre dancing.时，它会匹配sing和danc。n(?=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?=bre)w+b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading
12、a book时，它匹配ading。零宽断言n假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，你可以这样查找需要在前面和里面添加逗号的部分：(?=d)d3)+b，用它对1234567890进行查找时结果是234567890。n下面这个例子同时使用了这两种断言：(?=s)d+(?=s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)。测试正则表达式测试正则表达式nWindows下的正则表达式工具，这里推荐的是：RegexBuddy。在编写正则式时，它提供可视化的支持、提示、调试方面的便利；在使用正则表达式时，它将正则式转换为多种语言的字串，还提供了代码输出功能。RegexBuddyRegexBuddy的界面的界面RegexBuddyRegexBuddy的测试界面的测试界面
