正则表达式

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
但是,由于表达式[0123456789]书写非常不方便,连字符(-)便应用而生,[0-9]等价于 [0123456789]。[a-z]匹配任何小写字母,[A-Z]匹配任意大写字母。如果要在字符类中包含 连字符,则必须包含在第一位,如:[-a]表示表达式匹配-或者 a。在字符类中如果^是字符 类的第一个字符表示否定该字符串,也就是匹配该字符串外的任意字符,如:[^abc]匹配除 了 abc 以外的任意字符,[^-]匹配除了连字符以外的任意字符,a[^b]匹配 a 之后不是 b 的字 符串。
字符或表达式 \W
说明
匹配任意不是字母,数字,下划线,汉字的 字符
\S \D \B [^x] [^aeiou]
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 匹配除了 aeiou 这几个字母以外的任意字符
2.4 限定符
正则表达式的元字符一次只能匹配一个位置或一个字符,如果需要匹配零个一个或多个字符 时,则需要使用限定符。限定符用于指定允许特定字符或字符集自身重复出现的次数。如{n} 表示出现 n 次;{n,}表示重复至少 n 次;{n,m}表示至少出现 n 次最 多 m 次。常用限定符如下表:
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
2.4 反义
在使用正则表达式时,如果需要匹配不在字符类指定的范围内的字符时,可以使用反义规则。 其实我们已经使用过反义表达式,如\W、\S、\D、[^abc]等。常用的反义表如下:
表 2-3:常用的反义表Fra Baidu bibliotek式
第一章 正则表达式概述
正则表达式(Regular Expression)起源于人类神经系统的研究。正则表达式的定义有以下几 种:
用某种模式去匹配一类字符串的公式,它主要是用来描述字符串匹配的工具。 描述了一种字符串匹配的模式。可以用来检查字符串是否含有某种子串、将匹配的子
串做替换或者从中取出符合某个条件的子串等。 由普通字符(a-z)以及特殊字符(元字符)组成的文字模式,正则表达式作为一个模版,
2.3 字符转义 表 2-2:常用的转义字符
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 "$" 字符,则表达式就需要写
配一个完整的单词:\bstring\b。
2.1.2 匹配字符的元字符
匹配字符的元字符有 7 个:.(点号)、\w、\W、、s\、\S、\d 和\D。其中点号匹配除换行之外 的任意字符;\w 匹配单词字符(包括字母、汉字、下划线和数字);\W 匹配任意非单词字 符、\s 匹配任意的空白字符,如空格、制表符、换行等;\S 匹配任意的非空白字符;\d 匹 配任意数字字符;\D 匹配任意的非数字字符。如: ^.$匹配一个非空行,在该行中可以包含除了换行符以外的任意字符。
支配性匹配:只尝试匹配整个字符串,如果整个字符串不能产生一个匹配,则不再进行尝试。
我们普通的字符类均是贪婪匹配,如果在字符类后加个问号(?)则表示懒惰匹配,要成为支 配性匹配则在懒惰匹配后加个问号(?).
2.6 替换
正则表达式 0\d{2}-\d{8}和 0\d{3}-\d{7}分别匹配区号为 3 位和 4 位的固定电话号码,如果需 要同时匹配区号为 3 位和 4 位的固定电话号码,可以使用替换满足这一需求。最简单的替 换是使用竖线(|)表示。以下表达式匹配了区号为 3 位号码为 8 位和区号为 4 位号码为 7 位 的的电话号码,区号和号码均使用-连接,0\d{2}-\d{8}|0\d{3}-\d{7}
元字符 字符串 字符转义 反义 限定符 替换 分组 反向引用 零宽度断言 匹配选项 注释 优先级顺序 递归匹配
2.1 元字符
在正则表达式中,元字符(Metacharacter)是一类非常特殊的字符,它能够匹配一个位置 或字符集合中的一个字符,如:、 \w 等。根据功能,元字符可以分为两种类型:匹配位置 的元字符和匹配字符的元字符。
"does" 中的"do" 。? 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 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则 等价于 'o*'。
2.5 贪婪、惰性和支配性匹配
惰性匹配:先看字符串中的第一个字母是不是一个匹配,如果单独一个字符还不够就读入下 一个字符,如果还没有发现匹配,就不断地从后续字符中读取,只道发现一个合适的匹配, 然后开始下一次的匹配。
贪婪匹配:先看整个字符串是不是一个匹配,如果没有发现匹配,它去掉字符串中最后一个 字符并再次尝试,如果还没有发现匹配,那么再次去掉最后一个字符,这个过程会一直重复 直到发现一个匹配或字符串不剩一个字符为止。
^\w$匹配一个非空行,并且该行中只能包含字母、数字、下划线和汉字中的任意字符。
\ba\w\w\w\w\w\w\\b 匹配以字母 a 开头长度等于 7 的任意单词
\ba\w\w\w\d\d\d\D\b 匹配以字母 a 开头后面有 3 个字符三个数字和 1 个非数字字符长度等 于 8 的单词
2.2 字符类
将某个字符模式与所搜索的字符串进行匹配。 用于描述某些规则的的工具。这些规则经常用于处理字符串中的查找或替换字符串。
也就是说正则表达式就是记录文本规则的代码。 用一个字符串来描述一个特征,然后去验证另一个字符串是否符合这个特征。
以上这些定义其实也就是正则表达式的作用。
第二章 正则表达式基础理论
这些理论将为编写正则表达式提供法则和规范,正则表达式主要包括以下基础理论:
2.1.1 匹配位置的元字符
包括:^、$、和\b。其中^(脱字符号)和$(美元符号)都匹配一个位置,分别匹配行的开 始和结尾。比如,^string 匹配以 string 开头的行,string$匹配以 string 结尾的行。^string$匹 配以 string 开始和结尾的行。单个$匹配一个空行。单个^匹配任意行。\b 匹配单词的开始 和结尾,如:\bstr 匹配以 str 开始的单词,但\b 不匹配空格、标点符号或换行符号,所以, \bstr 可以匹配 string、string fomat 等单词。\bstr 正则表达式匹配的字符串必须以 str 开头, 并且 str 以前是单词的分界处,但此正则表达式不能限定 str 之后的字符串形式。以下正则 表达式匹配以 ing 结尾的字符串,如 string、This is a string 等 Ing\b 正则表达式 ing\b 匹配的字符串必须以 ing 结尾,并且 ing 后是分界符,以下正则表达式匹
表 2-4:常用限定符
字符
描述
*
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,'zo+' 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 "do" 或
2.7 分组
分组又称为子表达式,即把一个正则表达式的全部或部分分成一个或多个组。其中分组使用 圆括号(),分组后把圆括号中的表达式看做一个整体来处理,比如:(abc){1,2}表示 abc 出现一次或两次的字符串,其中把 abc 看做一个整体来进行匹配。
2.8 后向引用
当一个正则表达式被分组后,每一个组将自动被赋予一个组号,该组号可以代表该组的表达 式。其中,组号的编制规则为:从左到右,以分组的左括号为标志,第一个组号为 1,第二 个分组号为 2,以此类推。如:(A?(B?(C?)))将产生 3 个组号,第一组为:(A?(B?(C?))); 第二组为: (B?(C?));第三组为:(C?)。
{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。刘, "o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等
*? +? ?? {n}? {n,}? {n,m}?
价于 'o?'。请注意在逗号和两个数之间不能有空格。 尽可能少的使用重复的第一个匹配 尽可能少的使用重复但至少使用一次 如果有可能使用零次重复或一次重复。 等同于{n} 尽可能少的使用重复但至少重复 n 次 介于 n 次和 m 次之间,尽可能少的使用重复。
反向引用提供了查找重复字符组的方便方法,反向引用可以使用数字命名(默认名称)的组 号,也可以使用指定命名的组号。比如:\b(\w)\1\b 匹配两个字符一样的单词,此表达式和 \b(\w)\w\b 不一样,后者两个字符可以不一样。再看,\b(\w)(\d)\1\2\b,匹配一个字符和一 个数字然后重复字符和数字。\b\w*(\w+)\1\b 匹配以至少两个字符一样结尾的单词。 \b(\w+)\b\s+\1\b 此正则表达式匹配的具体过程如下:
a. 表达式\b(\w+)\b 匹配一个单词并且单词的长度至少为 1 b. 表达式\s+匹配一个或多个空白字符 c. 表达式\1 将重复子表达式(\w+)匹配的内容,及匹配重复的单词 d. 匹配单词的结束位置。
分组不仅可以使用数字作为组号,还可以使用自定义名称作为组号。以下两个正则表达式都 是将分组后的子表达式\w+命名为 word.
字符
说明
(expression)
匹配字符串 expression,并将匹配的文本保存到自动命名的组里
(?<nane> expression) 匹配字符串 expression,并将匹配的文本保存到以 name 命名的变 量中,该名称不能包含标点符号,不能以数字开头。
(?:expression) (?!expression) (?=expression) (?<=expression) (?<!expression) (?>expression)
(?<word>\w+)
(?’word’\w+) 因此\b(\w+)\b\s+\1\b 和以下正则表达式是等价的,都匹配重复的单词:
\b(?<word>\w+)\b\s+\k<word>\b
表 2-5 后向引用说明表
表达式
说明
\数字 \k<name>
表 2-6 常用分组说明
使用数字命名的后向引用 使用指定命名的后向引用
字符类是一个字符集合,如果该字符集合中的任何一个字符被匹配,则它会找到该匹配项。 字符类可以在[](方括号)中定义。如:
[012345]可以匹配数字 0 到 5 中的任意一个。
<H[123456]>可以匹配 HTML 标签中的 H1 到 H6。
[Jj]ack 可以匹配字符串 Jack 或 jack。
表 2-1 常用的字符类
字符或表达式 \w \W \s \S \d \D [abc] [^abc] [0-9a-z_A-Z_] \p{name} \P{name} . [^0-9a-zA-Z_]
说明 匹配单词字符(包括字母、数字、下划线和汉字) 匹配任意的非单词字符(包括字母、数字、下划线和汉字) 匹配任意的空白字符,如空格、制表符、换行符、中文全角空格等 匹配任意的非空白字符 匹配任意数字 匹配任意的非数字字符 匹配字符集中的任何字符 匹配除了字符集中包含字符的任意字符 匹配任何数字、字母、下划线。等同于\w 匹配{name}指定的命名字符类中的任何字符 匹配除了{name}指定的命名字符类中之外的任何字符 匹配除了换行符号之外的任意字符 等同于\W
表 2-5 常用替换
字符或表达式 |
说明 匹配竖线(|)左侧或右侧
(?(表达式)yes|no) (?(name)yes|no)
表达式要么与 yes 部分匹配要么与 no 部分匹 配,其中 no 部分可以省略。
以 name 命名的字符串要么与 yas 部分匹配, 要么与 no 部分 pp,其中 no 部分可以省略
相关文档
最新文档