正则表达式

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