基础的正则表达式知识

Posted 2020-12-08 jiengd

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：


JScript
VBScript
匹配


/^[ ]*$/
"^[ ]*$"
匹配一个空白行。


/d{2}-d{5}/
"d{2}-d{5}"
验证一个ID 号码是否由一个2位数字，一个连字符以及一个5位数字组成。


/<(.*)>.*</1>/
"<(.*)>.*</1>"
匹配一个 html 标记。

下表是元字符及其在正则表达式上下文中的行为的一个完整列表：

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"。" " 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 " " 或 " " 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 " " 或 " " 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，"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 "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*"。


{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"。


.
匹配除 " " 之外的任何单个字符。要匹配包括 " " 在内的任何字符，请使用象 "[. ]" 的模式。


(pattern)
匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 "(" 或 ")"。


(?:pattern)
匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， "industr(?:y|ies) 就是一个比 "industry|industries" 更简略的表达式。


(?=pattern)
正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，"Windows (?=95|98|NT|2000)" 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。


(?!pattern)
负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如"Windows (?!95|98|NT|2000)" 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始


x|y
匹配 x 或 y。例如，"z|food" 能匹配 "z" 或 "food"。"(z|f)ood" 则匹配 "zood" 或 "food"。


[xyz]
字符集合。匹配所包含的任意一个字符。例如， "[abc]" 可以匹配 "plain" 中的 "a"。


[^xyz]
负值字符集合。匹配未包含的任意字符。例如， "[^abc]" 可以匹配 "plain" 中的"p"。


[a-z]
字符范围。匹配指定范围内的任意字符。例如，"[a-z]" 可以匹配 "a" 到 "z" 范围内的任意小写字母字符。


[^a-z]
负值字符范围。匹配任何不在指定范围内的任意字符。例如，"[^a-z]" 可以匹配任何不在 "a" 到 "z" 范围内的任意字符。



匹配一个单词边界，也就是指单词和空格间的位置。例如， "er" 可以匹配"never" 中的 "er"，但不能匹配 "verb" 中的 "er"。


B
匹配非单词边界。"erB" 能匹配 "verb" 中的 "er"，但不能匹配 "never" 中的 "er"。


cx
匹配由 x 指明的控制字符。例如， cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 "c" 字符。


d
匹配一个数字字符。等价于 [0-9]。


D
匹配一个非数字字符。等价于 [^0-9]。


f
匹配一个换页符。等价于 x0c 和 cL。



匹配一个换行符。等价于 x0a 和 cJ。



匹配一个回车符。等价于 x0d 和 cM。


s
匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ f v]。


S
匹配任何非空白字符。等价于 [^ f v]。



匹配一个制表符。等价于 x09 和 cI。


v
匹配一个垂直制表符。等价于 x0b 和 cK。


w
匹配包括下划线的任何单词字符。等价于"[A-Za-z0-9_]"。


W
匹配任何非单词字符。等价于 "[^A-Za-z0-9_]"。


xn
匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，"x41" 匹配 "A"。"x041" 则等价于 "x04" & "1"。正则表达式中可以使用 ASCII 编码。.


um
匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，"(.)1" 匹配两个连续的相同字符。



标识一个八进制转义值或一个向后引用。如果 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。


m
标识一个八进制转义值或一个向后引用。如果 m 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 m 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 m 将匹配八进制转义值 nm。


ml
如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。


un
匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， u00A9 匹配版权符号 (©)。

 

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；
",[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。