最全正则表达式教程最好正则表达式教程.docx
《最全正则表达式教程最好正则表达式教程.docx》由会员分享,可在线阅读,更多相关《最全正则表达式教程最好正则表达式教程.docx(20页珍藏版)》请在三一办公上搜索。
1、最全正则表达式教程最好正则表达式教程正则表达式教程 正则表达式到底是什么东西? 字符是计算机软件处理文字时最基本的单位,可能是字母,数字,标点符号,空格,换行符,汉字等等。字符串是0个或更多个字符的序列。文本也就是文字,字符串。说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能满足表达式给出的条件。 在编写处理字符串的程序或网页时,经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说,正则表达式就是记录文本规则的代码。 很可能你使用过Windows/Dos下用于文件查找的通配符(wildcard),也就是*和?。如果你想查找某个目录下的所有的W
2、ord文档的话,你会搜索*.doc。在这里,*会被解释成任意的字符串。和通配符类似,正则表达式也是用来进行文本匹配的工具,只不过比起通配符,它能更精确地描述你的需求当然,代价就是更复杂比如你可以编写一个正则表达式,用来查找所有以0开头,后面跟着2-3个数字,然后是一个连字号“-”,最后是7或8位数字的字符串(像010-12345678或0376-7654321)。 入门 学习正则表达式的最好方法是从例子开始,理解例子之后再自己对例子进行修改,实验。下面给出了不少简单的例子,并对它们作了详细的说明。 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
3、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bhib。 b是正则表达式规定的一个特殊代码,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
4、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bhib.*bLucyb。 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出现任意次以使整个表达玉堂资料汇编 1 正则表达式教程 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bhib.*bLucyb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。 换行符就是n,ASCII编码为10(
5、十六进制0x0A)的字符。 如果同时使用其它元字符,我们就能构造出功能更强大的正则表达式。比如下面这个例子: 0dd-dddddddd匹配这样的字符串:以0开头,然后是两个数字,然后是一个连字号“-”,最后是8个数字(也就是中国的电话号码。当然,这个例子只能匹配区号为3位的情形)。 这里的d是个新的元字符,匹配一位数字(0,或1,或2,或)。-不是元字符,只匹配它本身连字符或者减号。 为了避免那么多烦人的重复,我们也可以这样写这个表达式:0d2-d8。 这里d后面的2(8)的意思是前面d必须连续重复匹配2次(8次)。 测试正则表达式 其它可用的测试工具: RegexBuddy Javascri
6、pt正则表达式在线测试工具 如果你不觉得正则表达式很难读写的话,要么你是一个天才,要么,你不是地球人。正则表达式的语法很令人头疼,即使对经常使用它的人来说也是如此。由于难于读写,容易出错,所以找一种工具对正则表达式进行测试是很有必要的。 由于在不同的环境下正则表达式的一些细节是不相同的,本教程介绍的是微软 .Net Framework 2.0下正则表达式的行为,所以,我向你介绍一个.Net下的工具Regex Tester。首先你确保已经安装了.Net Framework 2.0,然后下载Regex Tester。这是个绿色软件,下载完后打开压缩包,直接运行RegexTester.exe就可以了
7、。 下面是Regex Tester运行时的截图: 玉堂资料汇编 2 正则表达式教程 元字符 现在你已经知道几个很有用的元字符了,如b,.,*,还有d.正则表达式里还有更多的元字符,比如s匹配任意的空白符,包括空格,制表符(Tab),换行符,中文全角空格等。w匹配字母或数字或下划线或汉字等。 对中文/汉字的特殊处理是由.Net提供的正则表达式引擎支持的,其它环境下的具体情况请查看相关文档。 下面来看看更多的例子: baw*b匹配以字母a开头的单词先是某个单词开始处(b),然后是字母a,然后是任意数量的字母或数字(w*),最后是单词结束处(b)。 好吧,现在我们说说正则表达式里的单词是什么意思吧:
8、就是多于一个的连续的w。不错,这与学习英文时要背的成千上万个同名的东西的确关系不大 :) d+匹配1个或更多连续的数字。这里的+是和*类似的元字符,不同的是*匹配重复任意次(可能是0次),而+则匹配重复1次或更多次。 bw6b 匹配刚好6个字母/数字的单词。 表1.常用的元字符 玉堂资料汇编 3 正则表达式教程 代码 . 说明 匹配除换行符以外的任意字符 w 匹配字母或数字或下划线或汉字 s 匹配任意的空白符 d 匹配数字 b 匹配单词的开始或结束 $ 匹配字符串的开始 匹配字符串的结束 元字符和$都匹配一个位置,这和b有点类似。匹配你要用来查找的字符串的开头,$匹配结尾。这两个代码在验证输入
9、的内容时非常有用,比如一个网站如果要求你填写的QQ号必须为5位到12位数字时,可以使用:d5,12$。 这里的5,12和前面介绍过的2是类似的,只不过2匹配只能不多不少重复2次,5,12则是重复的次数不能少于5次,不能多于12次,否则都不匹配。 因为使用了和$,所以输入的整个字符串都要用来和d5,12来匹配,也就是说整个输入必须是5到12个数字,因此如果输入的QQ号能匹配这个正则表达式的话,那就符合要求了。 和忽略大小写的选项类似,有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项,和$的意义就变成了匹配行的开始处和结束处。 字符转义 如果你想查找元字符本身的话,比如你查找.,或
10、者*,就出现了问题:你没办法指定它们,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. 例如:匹配,C:Windows匹配C:Windows。 重复 你已经看过了前面的*,+,2,5,12这几个匹配重复的方式了。下面是正则表达式中所有的限定符(指定数量的代码,例如*,5,12等): 表2.常用的限定符 代码/语法 * + ? n n, 说明 重复零次或更多次 重复一次或更多次 重复零次或一次 重复n次 重复n次或更多次 玉堂资料汇编 4 正则表达式教程 表2.常用的限定符 代码/语法 n,m 说明 重复n到m次 下面是一些
11、使用重复的例子: Windowsd+匹配Windows后面跟1个或更多数字 w+匹配一行的第一个单词(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 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? 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!)。 我们也可以轻松地指定一个字符范围,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。 下面是一个更复杂的
12、表达式:(?0d2) -?d8。 “(”和“)”也是元字符,后面的分组节里会提到,所以在这里需要使用转义。 这个表达式可以匹配几种格式的电话号码,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)。 分枝条件 不幸的是,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。正则表达式里的分枝条
13、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,具体方法是用|把不同的规则分隔开。听不明白?没关系,看例子: 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)。 (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。 玉堂资料汇编 5 正则表达式教程 d5-d4|d5这个表达式用于匹配
14、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。之所以要给出这个例子是因为它能说明一个问题: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 我们已经提到了怎么重复单个字符;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)。 (d1,3.)3d1,3是一个简单的IP地址匹配
15、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,(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)。 IP地址中每个数字都不能大于255,大家千万不要被24第三季的编剧给忽悠了. 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?)。 理
16、解这个表达式的关键是理解20-4d|250-5|01?dd?,这里我就不细说了,你自己应该能分析得出来它的意义。 反义 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,其它任意字符都行的情况,这时需要用到反义: 表3.常用的反义代码 代码/语法 W S D B x 说明 匹配任意不是字母,数字,下划线,汉字的字符 匹配任意不是空白符的字符 匹配任意非数字的字符 匹配不是单词开头或结束的位置 匹配除了x以外的任意字符 aeiou 匹配除了aeiou这几个字母以外的任意字符 玉堂资料汇编 6 正则表达式教程 例子:S+匹配不包含空白符的字符串。 +匹配用尖括号括起来的以a开
17、头的字符串。 后向引用 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。 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。难以理解?请看示例: b(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
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 正则 表达式 教程 最好
链接地址:https://www.31ppt.com/p-3578478.html