Archive for 2008 年 5 月 18 日

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。

文章中的每一个举例，都可以点击进入到测试页面进行测试。闲话少说，开始。

——————————————————————————–

1. 正则表达式规则
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，匹配与之相同的一个字符。

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：开始于2，结束于3。（注：下标从0开始还是从1开始，因当前编程语言的不同而可能不同）

举例2：表达式 “bcd”，在匹配字符串 “abcde” 时，匹配结果是：成功；匹配到的内容是：”bcd”；匹配到的位置是：开始于1，结束于4。

——————————————————————————–

1.2 简单的转义字符
一些不便书写的字符，采用在前面加 “” 的方法。这些字符其实我们都已经熟知了。

表达式
可匹配

r, n
代表回车和换行符

t
制表符

\
代表 “” 本身

还有其他一些在后边章节中有特殊用处的标点符号，在前面加 “” 后，就代表该符号本身。比如：^, $ 都有特殊意义，如果要想匹配字符串中 “^” 和 “$” 字符，则表达式就需要写成 “^” 和 “$”。

表达式
可匹配

^
匹配 ^ 符号本身

$
匹配 $ 符号本身

.
匹配小数点（.）本身

这些转义字符的匹配方法与 “普通字符” 是类似的。也是匹配与之相同的一个字符。

举例1：表达式 “$d”，在匹配字符串 “abc$de” 时，匹配结果是：成功；匹配到的内容是：”$d”；匹配到的位置是：开始于3，结束于5。

——————————————————————————–

1.3 能够与 ‘多种字符’ 匹配的表达式
正则表达式中的一些表示方法，可以匹配 ‘多种字符’ 其中的任意一个字符。比如，表达式 “d” 可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。这就好比玩扑克牌时候，大小王可以代替任意一张牌，但是只能代替一张牌。

表达式
可匹配

d
任意一个数字，0~9 中的任意一个

w
任意一个字母或数字或下划线，也就是 A~Z,a~z,0~9,_ 中任意一个

s
包括空格、制表符、换页符等空白字符的其中任意一个

.
小数点可以匹配除了换行符（n）以外的任意一个字符

举例1：表达式 “dd”，在匹配 “abc123″ 时，匹配的结果是：成功；匹配到的内容是：”12″；匹配到的位置是：开始于3，结束于5。

举例2：表达式 “a.d”，在匹配 “aaa100″ 时，匹配的结果是：成功；匹配到的内容是：”aa1″；匹配到的位置是：开始于1，结束于4。

——————————————————————————–

1.4 自定义能够匹配 ‘多种字符’ 的表达式
使用方括号 [ ] 包含一系列字符，能够匹配其中任意一个字符。用 [^ ] 包含一系列字符，则能够匹配其中字符之外的任意一个字符。同样的道理，虽然可以匹配其中任意一个，但是只能是一个，不是多个。

表达式
可匹配

[ab5@]
匹配 “a” 或 “b” 或 “5″ 或 “@”

[^abc]
匹配 “a”,”b”,”c” 之外的任意一个字符

[f-k]
匹配 “f”~”k” 之间的任意一个字母

[^A-F0-3]
匹配 “A”~”F”,”0″~”3″ 之外的任意一个字符

举例1：表达式 “[bcd][bcd]” 匹配 “abc123″ 时，匹配的结果是：成功；匹配到的内容是：”bc”；匹配到的位置是：开始于1，结束于3。

举例2：表达式 “[^abc]” 匹配 “abc123″ 时，匹配的结果是：成功；匹配到的内容是：”1″；匹配到的位置是：开始于3，结束于4。

——————————————————————————–

1.5 修饰匹配次数的特殊符号
前面章节中讲到的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。如果使用表达式再加上修饰匹配次数的特殊符号，那么不用重复书写表达式就可以重复匹配。

使用方法是：”次数修饰”放在”被修饰的表达式”后边。比如：”[bcd][bcd]” 可以写成 “[bcd]{2}”。

表达式
作用

{n}
表达式重复n次，比如：”w{2}” 相当于 “ww”；”a{5}” 相当于 “aaaaa”

{m,n}
表达式至少重复m次，最多重复n次，比如：”ba{1,3}”可以匹配 “ba”或”baa”或”baaa”

{m,}
表达式至少重复m次，比如：”wd{2,}”可以匹配 “a12″,”_456″,”M12344″…

?
匹配表达式0次或者1次，相当于 {0,1}，比如：”a[cd]?”可以匹配 “a”,”ac”,”ad”

+
表达式至少出现1次，相当于 {1,}，比如：”a+b”可以匹配 “ab”,”aab”,”aaab”…

*
表达式不出现或出现任意次，相当于 {0,}，比如：”^*b”可以匹配 “b”,”^^^b”…

举例1：表达式 “d+.?d*” 在匹配 “It costs $12.5″ 时，匹配的结果是：成功；匹配到的内容是：”12.5″；匹配到的位置是：开始于10，结束于14。

举例2：表达式 “go{2,8}gle” 在匹配 “Ads by goooooogle” 时，匹配的结果是：成功；匹配到的内容是：”goooooogle”；匹配到的位置是：开始于7，结束于17。

——————————————————————————–

1.6 其他一些代表抽象意义的特殊符号
一些符号在表达式中代表抽象的特殊意义：

表达式
作用

^
与字符串开始的地方匹配，不匹配任何字符

$
与字符串结束的地方匹配，不匹配任何字符

b
匹配一个单词边界，也就是单词和空格之间的位置，不匹配任何字符

进一步的文字说明仍然比较抽象，因此，举例帮助大家理解。

举例1：表达式 “^aaa” 在匹配 “xxx aaa xxx” 时，匹配结果是：失败。因为 “^” 要求与字符串开始的地方匹配，因此，只有当 “aaa” 位于字符串的开头的时候，”^aaa” 才能匹配，比如：”aaa xxx xxx”。

举例2：表达式 “aaa$” 在匹配 “xxx aaa xxx” 时，匹配结果是：失败。因为 “$” 要求与字符串结束的地方匹配，因此，只有当 “aaa” 位于字符串的结尾的时候，”aaa$” 才能匹配，比如：”xxx xxx aaa”。

举例3：表达式 “.b.” 在匹配 “@@@abc” 时，匹配