【IT专家】在正则表达式中使用OR运算符
本文由我司收集整编，推荐下载，如有疑问，请与我司联系
在正则表达式中使用OR 运算符
How can I use OR in a Java regex? I tried the following, but it’s returning null instead of the text.
如何在Java 正则表达式中使用OR？我尝试了以下，但它返回null 而不是文本。
Pattern reg = Patternpile(“\\*+|#+ (.+?)”);Matcher matcher = reg.matcher(“*kdkdk”); \\ “#aksdasd”matcher.find();System.out.println(matcher.group(1)); 3
The regex syntax for searching for X or Y is (X|Y). The parentheses are required if you have anything else in the pattern. You were searching for one of these patterns:
用于搜索X 或Y 的正则表达式语法是（X | Y）。如果模式中还有其他任何内容，
则必须使用括号。您正在搜索以下模式之一：
a literal * repeated one or more times
文字*重复一次或多次
OR
要么
a literal # repeated one or more times, followed by a space, followed by one or more
of any character, matching a minimum number of times
文字＃重复一次或多次，后跟一个空格，后跟一个或多个任何字符，匹配最少次
数
This pattern matches * using the first part of the OR, but since that subpattern defines
no capture groups, matcher.group(1) will be null. If you printed matcher.group(0), you would get * as the output.
此模式使用OR 的第一部分匹配*，但由于该子模式不定义捕获组，因此
matcher.group（1）将为null。如果你打印matcher.group（0），你会得到*作为输
出。
If you want to capture the first character to the right of a space on a line that starts with
either “*”or “#”repeated some number of times, followed by a space and at least one
正则表达式
正则表达式 一、什么是这则表达式 正则表达式（regular expressions）是一种描述字符串集的方法，它是以字符串集中各字符串的共有特征为依据的。正则表达式可以用于搜索、编辑或者是操作文本和数据。它超出了java程序设计语言的标准语法，因此有必要去学习特定的语法来构建正则表达式。一般使用的java.util.regex API所支持的正则表达式语法。 二、测试用具 import java.io.BufferedReader; import java.io.InputStreamReader; import java.util.Scanner; import java.util.regex.Matcher; import java.util.regex.Pattern; public class Regex{ public static void main(String[]args)throws Exception{ BufferedReader br=new BufferedReader(new InputStreamReader(System.in)); if(br==null){ System.out.println("没有输入任何数据"); System.exit(1); } while(true){ System.out.print("输入表达式："); Pattern pattern=https://www.360docs.net/doc/362571004.html,pile(br.readLine()); System.out.print("输入字符串："); Matcher matcher=pattern.matcher(br.readLine()); boolean found=false; while(matcher.find()){ System.out.println("找到子字符串"+matcher.group()+" 开始于索引"+matcher.start()+"结束于索引"+matcher.end()+"\n") found=true; } if(!found){ System.out.println("没有找到子字符串\n"); } } } }
C#利用正则表达式实现字符串搜索
C#利用正则表达式实现字符串搜索 2005-08-04 22:27 作者：张志远来源：天极网 【简介】 本文给出了在C#下利用正则表达式实现字符串搜索功能的方法，通过对.NET框架下的正则表达式的研究及实例分析，总结了正则表达式的元字符、规则、选项等。 加入收藏设为首页 -------------------------------------------------------------------------------- 3、.NET 框架的正则表达式类 下面通过介绍 .NET 框架的正则表达式类，熟悉一下.NET框架下的正则表达式的使用方法。 3.1 Regex 类表示只读正则表达式 Regex 类包含各种静态方法，允许在不显式实例化其他类的对象的情况下使用其他正则表达式类。以下代码示例创建了 Regex 类的实例并在初始化对象时定义一个简单的正则表达式。请注意，使用了附加的反斜杠作为转义字符，它将 \s 匹配字符类中的反斜杠指定为原义字符。 Regex r; // 声明一个 Regex类的变量 r = new Regex("\\s2000"); // 定义表达式 3.2 Match 类表示正则表达式匹配操作的结果 以下示例使用 Regex 类的 Match 方法返回 Match 类型的对象，以便找到输入字符串中第一个匹配。此示例使用 Match 类的 Match.Success 属性来指示是否已找到匹配。 Regex r = new Regex("abc"); // 定义一个Regex对象实例 Match m = r.Match("123abc456"); // 在字符串中匹配 if (m.Success) {
《易语言“正则表达式”详细教程》
《易语言“正则表达式”教程》 本文改编自多个文档，因此如有雷同，不是巧合。 “正则表达式”的应用范围越来越广，有了这个强大的工具，我们可以做很多事情，如搜索一句话中某个特定的数据，屏蔽掉一些非法贴子的发言，网页中匹配特定数据，代码编辑框中字符的高亮等等，这都可以用正则表达式来完成。 本书分为四个部分。 第一部分介绍了易语言的正则表达式支持库，在这里，大家可以了解第一个正则表达式的易语言程序写法，以及一个通用的小工具的制作。 第二部分介绍了正则表达式的基本语法，大家可以用上述的小工具进行试验。 第三部分介绍了用易语言写的正则表达式工具的使用方法。这些工具是由易语言用户提供的，有的工具还带有易语言源码。他们是：monkeycz、零点飞越、寻梦。 第四部分介绍了正则表达式的高级技巧。 目录 《易语言“正则表达式”教程》 (1) 目录 (1) 第一章易语言正则表达式入门 (3) 一．与DOS下的通配符类似 (3) 二．初步了解正则表达式的规定 (3) 三．一个速查列表 (4) 四．正则表达式支持库的命令 (5) 4.1第1个正则表达式程序 (5) 4.2第2个正则表达式例程 (7) 4.3第3个例程 (8) 4.4一个小型的正则工具 (9) 第二章揭开正则表达式的神秘面纱 (11) 引言 (12) 一.正则表达式规则 (12) 1.1普通字符 (12) 1.2简单的转义字符 (13) 1.3能够与“多种字符”匹配的表达式 (14) 1.4自定义能够匹配“多种字符”的表达式 (16) 1.5修饰匹配次数的特殊符号 (17) 1.6其他一些代表抽象意义的特殊符号 (20) 二.正则表达式中的一些高级规则 (21) 2.1匹配次数中的贪婪与非贪婪 (21)
RegexBuddy工具的使用教程
RegexBuddy工具的使用教程(图文)1 2009-10-14 12:14 一、什么是RegexBuddy 使用了几天，个人感觉RegexBuddy 是学习正则表达式时的比较好的帮手。它可以容易地建立你想要的正确的正则表达式。清晰地推断他人所写的复杂的正则表达式。它还可以用给出的实例字符串或文件快速地进行测试匹配，从而防止了在实际应用中出现错误。RegexBuddy会在你的源代码中根据你所应用的特殊编程语言，自动生成带有正则表达式的代码段。同时你也可以收集正则表达式到库中，以在未来重新使用。 二、获得RegexBuddy 目前最新的版本是3.2.1（图2-1），于2008年12月9日发布的。可以在https://www.360docs.net/doc/362571004.html,/（RegexBuddy的官网）进行最新版本的下载和正版的购买。 图2-1 RegexBuddy的3.2.1版 三、初步认识RegexBuddy 安装比较简单（略过） 首先，我们先对RegexBuddyg 产生一个整体的初步的认识，而不是设法解释所有的东西。RegexBuddyg是相当易懂的容易的，所以我想经过简单大家应该能够基本正确地使用它。
默认情况下，RegexBuddy会在顶部显示正则表达式和上一次使用的历史,如图 2-1。 图3-1 RegexBuddy的顶部 底部会显示7个选项卡，分别是“Create”、“Test”、“Debug”、“Use”、“Library”、“GREP”、“Forum”（需要注册才能使用此功能），如图2-2。 图3-2 RegexBuddy的底部 如果你的显示器较大，也可以分成两块平铺，你可以单击窗口最右上方工具栏上的“View”按键，在菜单中选择“Side by Side Layout”，这样你可以最大限度的同时查看两个窗口（图3-4）。
Excel中使用正则表达式
Excel另类条件化格式 1 前言 我们知道，Excel的条件化格式可以根据单元个的内容来设置整个单元格的格式。如图1中的C列，当单元格的内容为“结束”时，字体颜色为绿色，为“进行中”时，颜色为黄色。但如果我们想把B列的部分特定文字(如日期2012-3-4)设置成不同的字体和颜色， Excel的条件化格式工具是不能实现的，需要另辟蹊径。 图1 2 实现过程 2.1 目标 实现B列单元格中日期字符串的字体设置成“Arial Black”字体，颜色为红色。 2.2 设计思路 Excel的VBA编程功能很强大，可以轻松实现上述目标。程序的设计思路是：找到日期字符串，然后设置字体格式。本例中利用了正则表达式来寻找日期字符串，通过Characters对象的Font属性来设置字符串的格式。 2.3 正则表达式 我们在处理文本时，经常会遇到一些满足某种规则的字符串。比如，一个无符号的整数由一连串的数字构成，本例中的日期是满足“整数-整数-整数”规则的字符串。正则表达式就是用来指定这种规则的。如果某个字符串满足正则表达式指定的规则，则称该字符串为正则表达式的一个“匹配串”。正则表达式中用\d 来匹配单个数字，用\d+来匹配连续的多个数字，这样本例中用"\d+-\d+-\d+"就可以匹配日期字符串。Excel的VBA可以通过引用vbscript中的正则标定式对象"vbscript.regexp"来使用正则表达式。 2.4 Characters函数 语法：Characters(start, length) 参数：Start是指从第几个字符处开始选择，length是要返回的字符数。 返回：Characters对象。用来控件文本中某一范围的字符串。例如，通过Characters对象的Font属性可以设置字符串的字体格式。 2.5程序代码 把FormatClick程序和“更新”按钮的Click事件关联起来，只要点击“更新”按钮就可以更新日期的字体的名称和颜色了。具体程序如下: Sub FormatClick() '声明正则表达式对象 Dim RegEx As Object '引用正则标定式对象 Set RegEx = CreateObject("vbscript.regexp")
正则表达式语法完整版
正则表达式基础知识 一个正则表达式就是由普通字符（例如字符a 到z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。如：
下面看几个例子： "^The"：表示所有以"The"开始的字符串（"There"，"The cat"等）； "of despair$"：表示所以以"of despair"结尾的字符串； "^abc$"：表示开始和结尾都是"abc"的字符串——呵呵，只有"abc"自己了；"notice"：表示任何包含"notice"的字符串。 '*'，'+'和'?'这三个符号，表示一个或一序列字符重复出现的次数。它们分别表示“没有或更多”，“一次或更多”还有“没有或一次”。下面是几个例子： "ab*"：表示一个字符串有一个a后面跟着零个或若干个b。（"a", "ab", "abbb",……）；"ab+"：表示一个字符串有一个a后面跟着至少一个b或者更多； "ab?"：表示一个字符串有一个a后面跟着零个或者一个b； "a?b+$"：表示在字符串的末尾有零个或一个a跟着一个或几个b。 也可以使用范围，用大括号括起，用以表示重复次数的范围。 "ab{2}"：表示一个字符串有一个a跟着2个b（"abb"）； "ab{2,}"：表示一个字符串有一个a跟着至少2个b； "ab{3,5}"：表示一个字符串有一个a跟着3到5个b。
请注意，你必须指定范围的下限（如："{0,2}"而不是"{,2}"）。 还有，你可能注意到了，'*'，'+'和'?'相当于"{0,}"，"{1,}"和"{0,1}"。 还有一个'|'，表示“或”操作： "hi|hello"：表示一个字符串里有"hi"或者"hello"； "(b|cd)ef"：表示"bef"或"cdef"； "(a|b)*c"：表示一串"a""b"混合的字符串后面跟一个"c"； '.'可以替代任何字符： "a.[0-9]"：表示一个字符串有一个"a"后面跟着一个任意字符和一个数字； "^.{3}$"：表示有任意三个字符的字符串（长度为3个字符）； 方括号表示某些字符允许在一个字符串中的某一特定位置出现： "[ab]"：表示一个字符串有一个"a"或"b"（相当于"a|b"）； "[a-d]"：表示一个字符串包含小写的'a'到'd'中的一个（相当于"a|b|c|d"或者"[abcd]"）；"^[a-zA-Z]"：表示一个以字母开头的字符串； "[0-9]%"：表示一个百分号前有一位的数字； "[0-9]+"：表示一个以上的数字； ",[a-zA-Z0-9]$"：表示一个字符串以一个逗号后面跟着一个字母或数字结束。 你也可以在方括号里用'^'表示不希望出现的字符，'^'应在方括号里的第一位。（如："%[^a-zA-Z]%"表 示两个百分号中不应该出现字母）。 为了逐字表达，必须在"^.$()|*+?{\"这些字符前加上转移字符'\'。 请注意在方括号中，不需要转义字符。
VC正则表达式的使用
VC正则表达式的使用 2010年9月11日星期六邵盛松 正则表达式是一种对字符进行模糊匹配的一个公式。在数据有效性验证，查找，替换文本中都可以使用正则表达式。 本篇文章主要描述的是使用ATL中两个模板类CAtlRegExp和CAtlREMatchContext。 在使用CAtlRegExp类之前需要添加#include
用正则表达式实现排版助手
用正则表达式实现排版助手（GIDOT TYPESETTER）的部分排版功能 2009年08月06日星期四上午 08:42 副标题：用正则表达式实现段首缩进、修正换行、修正非段落换行、删除行尾空格、删除空行 相信使用过排版助手的人应该都觉得这是一个好软件吧？不过，我对其中的“删除非段落换行”有一个不满的地方 [https://www.360docs.net/doc/362571004.html,/gevolution90/blog/item/34cabb7fc2b8710128388ada. html]。于是才引发出这一篇文章。 *如果你还未有在windows下的正则表达式批量替换工具的话，推荐使用TextForever[https://www.360docs.net/doc/362571004.html,/stronghorse/software/index.htm#Tex tForever]，很强大的文本整理工具 1.段首缩进： 可以把每行（段）的前面格式化成指定的字符串，比如2个全角空格。 正则：^[ ]*（？=[^\s]） 你可以替换成2个全角空格或4个半角空格或你自己喜欢的任何字符串。 2.修正换行： 有些文章一行紧接着一行，看起来有点不舒服，可以把每段内容段（有文字的段）之间的换行格式化成指定数量的换行比如双换行（两段之间空一行空行）。 正则：[\r\n]+ 你可以替换成2个回车。 3.修正非段落换行： 有点文章很变态的，它从文本内容中实现换行，比如： 第一段的内容，内容，内容 第一段第二行的内容内容内容。 这样的换行，这对于资料的整理有点不利，所以，这个正则就是用来修正这样的换行的，把它们合并成一行，即一个段落。 正则：^（。{25,}[^……“”！！：：？？]）\r\n 替换成：$1 把你认为不是段落结束的标点加入到那个中括号中，大括号中的“25”为作
js正则表达式使用
js正则表达式使用 一，概述 1，正则表达式，可以说是任何一种编程语言都提供的机制，它主要是提供了对字符串的处理能力。 2，正则表达式在页面处理中的使用场景： 1）表单验证。验证某些域符合某种规则，例如邮件输入框必须输入的是邮件、联系电话输入框输入的必须是数字等等 2）处理DOM模型。例如通过表达式定位DOM中的一个对象或一系列对象，一个例子就是定位id属性中含有某个特殊字符的div对象。 3）纯编程逻辑。直接用于编程的逻辑之中。 3，说明：本部分所举的正则表达式的代码片断，都是经过测试的，但有一点需要注意，对于换行的字符串的定义，我们在表述时使用的是类似如下的形式： var str=“It?s is a beautiful city”； 这种形式直接写在JS代码中是错误的，那如何获取具有换行的字符串呢？简单的办法：在textarea中输入文本并换行，然后将该值赋给JS变量即可。例如： var str=document.forms[0].mytextarea.value; 二，语法与使用 1，定义正则表达式 1）定义正则表达式有两种形式，一种是普通方式，一种是构造函数方式。 2）普通方式：var reg=/表达式/附加参数 表达式：一个字符串，代表了某种规则，其中可以使用某些特殊字符，来代表特殊的规则，后面会详细说明。 附加参数：用来扩展表达式的含义，目前主要有三个参数： g：代表可以进行全局匹配。 i：代表不区分大小写匹配。 m：代表可以进行多行匹配。 上面三个参数，可以任意组合，代表复合含义，当然也可以不加参数。 例子： var reg=/a*b/; var reg=/abc+f/g; 3）构造函数方式：var reg=new RegExp(“表达式”,”附加参数”); 其中“表达式”与“附加参数”的含义与上面那种定义方式中的含义相同。 例子： var reg=new RegExp(“a*b”); var reg=new RegExp(“abc+f”,”g”); 4）普通方式与构造函数方式的区别 普通方式中的表达式必须是一个常量字符串，而构造函数中的表达式可以是常量字符串，也可以是一个js变量，例如根据用户的输入来作为表达式参数等等： var reg=new RegExp(document.forms[0].exprfiled.value,”g”);
GAE入门教程
GAE入门教程 1.简介 介绍什么是Google App Engine 2.开发环境 如何下载并安装SDK包，如何配置调试环境 3.Hello World 开始编写Hello world程序，帮助你初步了解Google App Engine程序的编写 4.使用webapp framework 学习使用Web框架来编写Web应用 5.用户系统服务 学习如何判断Google用户登录，获取Goolge登录后的用户信息 6.处理表单数据 处理Form表单，学习Post和Get用法 7.数据存储 学习Google 数据模型以及查询语法GQL 8.使用模版文件 学习使用模板文件来显示网页，让数据和页面分离，加快网站开发速度 9.使用静态文件 学习如何处理CSS,JS,图片等静态文件 10.上传应用程序 发布你已经完成的Web应用到Google服务器上
Google App Engine入门:简介 （本文译自:Google App Engine Getting Started) 欢迎使用Google App Engine! 创建一个Google App Engine应用非常简便，只需要花费你几分钟时间. 你可以很方便的创建你的网站应用：直接上传并分享，不需要进行任何的修改和注释。 在这个指导里，我们将创建一个简单的留言本，让用户可以发表留言。并且支持匿名和Google帐号两种方式发表留言。 这个留言本程序将演示如何使用Google的数据存储，集成Google账户系统，如何使用一个简单的Python Web framework来调试GAE网站。并且还将演示如何使用Django的模版引擎。 接下来... 为了开始编写你的Google App Engine应用程序，你必须先下载Google App Engine软件开发环境。 下一章：Google App Engine软件开发环境.
正则表达式在垂直搜索引擎中的应用
作者简介：张斌（1977-），硕士，讲师，研究方向：电子商务专业方向。 收稿日期：2010-05-06 正则表达式在垂直搜索引擎中的应用 张斌 （浙江越秀外国语学院，绍兴312000） 摘要：采用聚焦爬虫可以提高搜索引擎的检索效率，聚焦爬虫经常使用正则表达式来进行有效的信息检索，着重分析了网页检索中常用的正则表达式，为搜索引擎的构建提供帮助。关键词：正则表达式；聚焦爬虫；信息检索中图分类号：TP3 文献标识码：B 文章编码：1672－6251（2010）08－0162－02 Application of Regular Expressions in Vertical Search Engine ZHANG Bin (Zhejiang Yuexiu Foreign Language College,Shaoxing 312000) Abstract:Because focused crawler system can promote the efficiency of search engine and regular expression could used to get quick and efficient search.In this paper,regular expression used in web page index was analyzed for providing useful help for researcher in vertical search engine. Key words:regular expressions;focuses crawler;information retrieval 页面内容提取、分词、自然语言处理是聚焦爬虫的主要工作。在内容提取中采用正则表达可以明显提高效能，已在许多搜索程序中广泛应用。以下列举几个常用的正则表达，并分析其在聚焦爬虫中的应用方法，以供同行参考。 1正则表达式与文档内容提取 正则表达式是一种编程语言中使用的特殊代码模 式，可用其验证、查找、替换与划分文本内容。聚焦爬虫往往通过对主题网页的学习提取主题特征的正则表达式，以指导爬虫过滤与主题不相符的网页文本[4]。正则表达式基本技巧如下： （1）匹配多个字符之一。如匹配拼写错误的fac - tory ，可用:f [ae]ct [ou]ry ； （2）匹配文本行开始与结束。如以c 开始，a 结束，可用:^a.*b$； （3）匹配单词。如找dog ，可用:\bdog\b ； （4）Unicode 字母。如匹配中文，可用:[\u3400- \u4DB5\u4E00-\u9fa5]； （5）分组和捕获。如匹配年月日相同的日期，可用:\b\d\d (\d\d)-\1-\1\b ，其中1表示捕获分组1，即 (\d\d)中的内容，捕获分组可以表示临时存取的区域， 用于引用和替换； （6）重复匹配。完整HTML 文件可用： .*?
.*?PHP 常用正则表达式 正则
PHP 常用正则表达式正则 平时做网站经常要用正则表达式，下面是一些讲解和例子，仅供大家参考和修改使用："^\d+$"//非负整数（正整数+ 0） "^[0-9]*[1-9][0-9]*$"//正整数 "^((-\d+)|(0+))$"//非正整数（负整数+ 0） "^-[0-9]*[1-9][0-9]*$"//负整数 "^-?\d+$"//整数 "^\d+(\.\d+)?$"//非负浮点数（正浮点数+ 0） "^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$"//正浮点数"^((-\d+(\.\d+)?)|(0+(\.0+)?))$"//非正浮点数（负浮点数+ 0） "^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$"//负浮点数 "^(-?\d+)(\.\d+)?$"//浮点数 "^[A-Za-z]+$"//由26个英文字母组成的字符串 "^[A-Z]+$"//由26个英文字母的大写组成的字符串 "^[a-z]+$"//由26个英文字母的小写组成的字符串 "^[A-Za-z0-9]+$"//由数字和26个英文字母组成的字符串 "^\w+$"//由数字、26个英文字母或者下划线组成的字符串 "^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$"//email地址 "^[a-zA-z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\S*)?$"//url /^(d{2}|d{4})-((0([1-9]{1}))|(1[1|2]))-(([0-2]([1-9]{1}))|(3[0|1]))$/ // 年-月-日 /^((0([1-9]{1}))|(1[1|2]))/(([0-2]([1-9]{1}))|(3[0|1]))/(d{2}|d{4})$/ // 月/日/年 "^([w-.]+)@(([[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.)|(([w-]+.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(]?)$" //Emil /^((\+?[0-9]{2,4}\-[0-9]{3,4}\-)|([0-9]{3,4}\-))?([0-9]{7,8})(\-[0-9]+)?$/ //电话号码 "^(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}| 1dd|2[0-4]d|25[0-5])$" //IP地址 匹配中文字符的正则表达式：[\u4e00-\u9fa5] 匹配双字节字符(包括汉字在内)：[^\x00-\xff] 匹配空行的正则表达式：\n[\s| ]*\r 匹配HTML标记的正则表达式：/<(.*)>.*<\/\1>|<(.*) \/>/ 匹配首尾空格的正则表达式：(^\s*)|(\s*$) 匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* 匹配网址URL的正则表达式：^[a-zA-z]+://(\\w+(-\\w+)*)(\\.(\\w+(-\\w+)*))*(\\?\\S*)?$ 匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$ 匹配国内电话号码：(\d{3}-|\d{4}-)?(\d{8}|\d{7})? 匹配腾讯QQ号：^[1-9]*[1-9][0-9]*$ 元字符及其在正则表达式上下文中的行为： \ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转
VBA正则表达式
EXCEL本身的替换功能已经带有部分，word的更牛，但也未达到正则表达式的精华部分那种功能。摘录部分内容共享：来自Henry Spencer 1. 概述 正则表达式原本是形式语言理论中的概念，与编译器的构造有密切的联系。但是作为一个应用软件的用户，我们没有必要去细究正则表达式的严格定义和处理方法。本文将从实用的角度出发，阐述引入正则表达式的目的、正则表达式的命令格式，以及如何利用正则表达式完成一些实际的文本处理工作。 我们在处理文本时，经常会遇到一些具有某种特定格式，或者说满足某种规则的文本。比如，一个无符号的整数由一连串的数字构成，而一个Email地址的格式则是“用户名@主机名”，其中用户名是一串字母或数字，主机名则是由若干个由“.”分隔的字母数字串。正则表达式就是用来指定这种规则的。如果某个字符串满足正则表达式指定的规则，则称该字符串为正则表达式的一个“匹配串”。 2. 正则表达式的构成 为了方便理解，让我们先来看看大家比较熟悉的数学表达式，“(x+3)*2+y”是一个典型的数学表达式。一个数学表达式由若干个“项”组成，“项”与“项”之间用加号或减号相连；这里“(x+3)*2”和“y”分别是两个项。每个项又由若干个“因子”组成，因子之间用乘号或除号相连；这里第一个项有两个因子“(x+3)”和“2”，而第二个项只有一个因子“y”。每个因子可以是一个简单的数，一个代数变量，
也可以是放在括号里面的另一个表达式。对于最后一种情况，括号中的表达式称为“子表达式”；这里“x+3”就是一个子表达式。 正则表达式的结构与数学表达式很相似。与数学表达式的“项”相对应，正则表达式由若干个“分支”构成，“分支”之间用符号“|”相连。从逻辑上讲，分支之间是一种“或”的关系，一个字符串只要与正则表达式中的任何一个分支相匹配，这个字符串就与整个正则表达式相匹配。比如，“第三人称代词”可以用正则表达式表示为“他|她|它|他们|她们|它们”。 与数学表达式的“因子”相对应，构成正则表达式“分支”的部件称为“原子”。“原子”与“原子”之间没有任何符号相连。从逻辑上讲，原子之间是串接的关系，一个字符串必须与各个原子依次相匹配，才算与这个分支相匹配。比如在上面的例子中，分支“他们”由两个原子“他”和“们”组成。 正则表达式的本质是它的“原子”可以有多种不同的形式。前面的例子是最简单的情形，即每个原子由一个普通字符组成。除此以外，“原子”还可以是特殊符号、通配符、字符集以及子表达式。 2.1 特殊符号 可以作为特殊符号的原子有： ^ 匹配行首。例如，“^他”匹配出现在行首的“他” 字。值得注意的是，这个符号仅仅表示“行首”这个位置，与它相匹配的字符串长度为0； $ 匹配行末。与“^”相似，它仅表示“行末”这个位置。例如，“。$”匹配出现在行末的句号；
正则表达式
要想真正的用好正则表达式，正确的理解元字符是最重要的事情。下表列出了所有的元字符和对它们的一个简短的描述。 字符描述 \ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“\n”匹配字符“n”。“\\n”匹配一个换行符。序列“\\”匹配“\”而“\（”则匹配“（”。 ^ 匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。 $ 匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。 * 匹配前面的子表达式零次或多次。例如，zo*能匹配“z”以及“zoo”。*等价于{0，}。 + 匹配前面的子表达式一次或多次。例如，“z o+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1，}。 ? 匹配前面的子表达式零次或一次。例如，“do（es）?”可以匹配“does”或“does”中的“d o”。?等价于{0，1}。 {n} n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。 {n,} n是一个非负整数。至少匹配n次。例如，“o{2，}”不能匹配“Bob”中的“o”，但能匹配“fo o o ood”中的所有o。“o{1，}”等价于“o+”。“o{0，}”则等价于“o*”。 {n,m} m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1，3}”将匹配“fooooood”中的前三个o。“o{0，1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。 ? 当该字符紧跟在任何一个其他限制符（*，+，?，{n}，{n，}，{n，m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o?”将匹配单个“o”，而“o+”将匹配所有“o”。 点匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符，请使用像“[\s\S]”的模式。
词法分析小结
词法分析小结 -总结 []词法是编译器的第一阶段，它的工作就是从输入（源代码）中取得token，以作为parser （语法分析）的输入，一般在词法分析阶段都会把一些无用的空白字符（white space，即空格、tab和换行）以及注释剔除，以降低下一步分析的复杂度，词法分析器一般会提供一个gettoken()这样的，parser可以在做语法分析时调用词法分析器的这个方法来得到下一个token，所以词法分析器并不是一次性遍历所有源代码，而是采取这种on-demand的方式：只在parser需要时才工作，并且每次只取一个token，。token和lexeme 首先，token不等于lexeme。token和lexeme的关系就类似于面向对象语言中“类”和“实例”（或“对象”）之间的关系，这个用中文不知该如何解释才好，比如语言中的变量a和b，它们都属于同一种token：identifier，而a的lexeme是”a”，b则是”b”，而每个关键字都是一种token。token 可以附带有一个值属性，例如变量a，当调用词法分析器的gettoken()时，会返回一个identifier类型的token，这个token带有一个属性“a”，属性可以是多样的，例如表示数字的token可以带有一个表示数字值的属性，它是整型的。如下代码：int age = 23;int count = 50;可以依次提取出8个token：int(值为”int”)，id(值为”age”)，assign(值为”=”)，number(值为整型数值23)，int(值为”int”)，id(值为”count”)，assign(值为”=”)，number(值为50)正则表达式 正则表达式可以用来描述字符串模式，例如我们可以用digit+来表示number的token，其中digit表示单个数字（这里说正则表达式并不完全和实现的正则引擎所识别的正则表达式等价，这里只是为了描述问题而已）。然而像c语言的的多行注释，用正则表达式来描述就比较麻烦，此时更倾向于直接用有穷自动机（finite automaton）来描述，因为用它来描述非常直观且很容易。有穷自动机(finite automata) 有穷自动机也称为有限状态机，状态在输入字符的作用下发生迁移，因此，它可以用来识别token，也因此，我们只要画得出fa，之后再用代码实现这个fa，那词法分析器也就差不多弄好了。有穷自动机分确定性（dfa）和非确定性（nfa）两种，如果对于同一个输入，只会有一个确定的状态迁移线，也就是只有一个确定的“下一状态”，那就是dfa，否则就是nfa。因为dfa对于同一个输入只有一个确定的下一状态，所以词法分析器当然优先采用它，那nfa拿来干嘛用呢？nfa用来做描述用时更方便，我们可以非常迅速地画出一个识别token的nfa图，但要想直接画出个dfa那要动不少脑筋。根据正则表达式构建nfa 如上所述，nfa更容易画出，那我们就先研究nfa，在定义token时，我们可以用正则表达式来描述它，因为正则表达式干这行很合适，例如一个digit+就可以描述数字，多方便。因此，我们需要根据正则表达式画出与之等价的nfa。而这个算法非常简单，就是tompson’s construction，这个书上写得很清楚了。将nfa转化成dfa（nfa的确定化）对于计算机来说，面对同一个输入，如果有多个下一状态，那计算机就不清楚要转到哪个状态，所以我们期望能从正则表达式得到dfa，而不是nfa，因为这样将来编程实现时比较（同一输入有确定的一个下一状态），而幸运的是，每个nfa都可以转化成dfa。为什么nfa 可以转化成dfa？因为fa(finite automata)中的状态都是我们自己画的，只要fa能正确的识别token，那就ok了，也就是，如果nfa和dfa都可以达到一样的效果：识别token，那其它的我们就不管了。而nfa确定化的本质，就是将原来多个状态改用一个状态来表示，新状态其实是一个状态集，比如nfa中状态s1在输入a下可以到达s2和s3，那么，在dfa中，就把s2和s3合起来认为是一个状态。还有一个问题是nfa中的空转换（?输入），如果s1在?输入下可以到达s2，就表示s1可以无条件地转移到s2，那s1和s2自然可以合并起来作为dfa中的一个状态，于是nfa转dfa的算法也就好理解了。但首先得先定义下空闭包
八爪鱼采集器正则表达式入门教程
https://www.360docs.net/doc/362571004.html, 八爪鱼采集器正则表达式入门教程 正则表达式（Regular Expression），按英文直译是“规范化表达”，其作用是将复杂模糊的源数据通过正则表达式转化为简单直观的目标数据。例如： “150ABCD” “一百五ABCD” “One hundred and fiftyABCD” 分析思考过程： 以上字符串中，我们的源数据数据分别为：““150ABCD”、“一百五ABCD”、“One hundred and fiftyABCD” 假设我们要提取目标数据为：字符串中以数字开头的数据 那么我们约束条件为：只取字符串中以数字开头的源数据 将此约束条件转化为正则表达式为：[0-9](.+)\b 其中，[0-9]的语义为开头1位为0-9开头，中间间隔以通配符“.”代替，(.+)语义为字符串长度不做限定，\b的语义为，匹配一个边界。
https://www.360docs.net/doc/362571004.html, 正则后的目标数据：“150ABCD” 通过这个简单例子，我们大致了解到了为什么要用正则与正则所能实现的效果，讲通俗点就是，正则只是将我们的意愿（提取字符串中以数字开头的数据）以表达式的形式展现出来（[0-9](.+)\b），并最终通过表达式匹配到所需要的目标数据（“150ABCD”），所以灵活运用正则，可以通过简单的方法实现强大的功能。 为什么要在八爪鱼中使用正则？ 在八爪鱼采集数据过程中，受限于网页HTML结构的原因，部分目标数据并不能单独提取出来，这时需要简单的搜索与替换操作来提取与预期搜索结果匹配的确切文本，除此之外，对数据要求精准规范的用户，还能通过正则表达式测试所提取数据字符串的模式、替换文本、基于匹配模式从字符串中提取子字符串等操作。 例如： 匹配字符串内模式： 1.查看字符串是否出现电话号码模式 2.查看字符串是否出现网址URL模式 替换文本：
正则表达式及小例子
字符串处理是许多程序中非常重要的一部分,它们可以用于文本显示,数据表示,查找键和很多目的.在Unix下,用户可以使用正则表达式的强健功能实现 这些目的,从Java1.4起,Java核心API就引入了java.util.regex程序包,它是一种有价值的基础工具,可以用于很多类型的文本处理,如匹配,搜索,提取 和分析结构化内容. java.util.regex是一个用正则表达式所订制的模式来对字符串进行匹配工作的类库包。它包括两个类：Pattern和Matcher. Pattern是一个正则表达式经编译后的表现模式。在java中,通过适当命名的Pattern类可以容易确定String是否匹配某种模式.模式可以象匹配某个特 定的String那样简单,也可以很复杂,需要采用分组和字符类,如空白,数字,字母或控制符.因为Java字符串基于统一字符编码(Unicode),正则表达式也 适用于国际化的应用程序. Pattern类的方法简述 方法说明 static Pettern compile(String regex,int flag)编译模式,参数regex表示输入的正则表达式,flag表示模式类型(Pattern.CASE_INSENSITIVE表示 不区分大小写) Matcher match(CharSequence input)获取匹配器,input时输入的待处理的字符串 static boolean matches(String regex,CharSequence input)快速的匹配调用,直接根据输入的模式regex匹配input String[]split(CharSequence input,int limit)分隔字符串input,limit参数可以限制分隔的次数 Matcher一个Matcher对象是一个状态机器，它依据Pattern对象做为匹配模式对字符串展开匹配检查。首先一个Pattern实例订制了一个所用语法与 PERL的类似的正则表达式经编译后的模式，然后一个Matcher实例在这个给定的Pattern实例的模式控制下进行字符串的匹配工作。 Matcher类的方法简述 方法说明 boolean matches()对整个输入字符串进行模式匹配. boolean lookingAt()从输入字符串的开始处进行模式匹配 boolean find(int start)从start处开始匹配模式 int groupCount()返回匹配后的分组数目 String replaceAll(String replacement)用给定的replacement全部替代匹配