正则表达式学习笔记.doc

定义：正则表达式，就是记录文本规则的代码。类似于Windows/Dos下的通配符，比如说你要查找某个目录下的所有word文档的话，你会搜索*.doc。在此，*被解释为任意的字符串。而正则表达式也是用来进行文本匹配的工具，只不过比通配符更加精确。代价就是更加复杂。 \b 元字符，代表单词的开头或者结尾，也就是单词的分解处。虽然通常英文单词是由空格，标点符号或者换行符来分隔的。但是\b并不匹配这些单词分隔字符中的任意一个，它只匹配一个位置。比如你要查找的单词是hello。我们应该使用\bhello\b。这一点要理解的重点是：只匹配一个位置，而不是一个字符或者其他的。 对于例子1中的，如果你要查找的单词后面不远处跟着一个单词panda。那么你可以用：\bhello.*panda\b。这里.是另外一个元字符，匹配除了换行符以外的任意字符。*同样是元字符，但是它不代表字符，也不是位置，而是数量——它指定*前面的内容可以连续重复出现任意次。那么.*就是表示任意数量的不包括换行的字符。那么\bhello.*panda\b的意思就清楚了。 那么来看一个例子：0\d\d-\d\d\d\d\d\d\d\d 所匹配的字符串就是以0开头，三位数字，然后一个-，接着再是8位数字的字符串，也就是中国的区号为三位的电话号码。这里的-只匹配它本身——连字符。那么\d所代表的就是一位数字(0-9任意一位)，也是一个元字符。当然真正的表达式不可能重复这么多的，可以如此写：0\d{2}-\d{8}。{n}表示前面的字符或者字符串连续出现n次。 好了，入门例子先讲这几个，下面找一个工具帮我们测试所写的正则表达式是否正确。 本教程的来源资料参考的是微软 .Net Framework 2.0下正则表达式的行为，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。 下面是Regex Tester运行时的截图： RegexBuddy 3。我下载的是破解版本。下面是运行截图： 具体使用教程参考：RegexBuddy工具的使用教程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。这两个代码在验证输入的内容时非常有用，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：^\d{5,12}$。因为使用了^和$，所以输入的整个字符串都要用来和\d{5,12}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。如果你想查找元字符本身的话，比如你查找.,或者*,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：deerchao\.net匹配deerchao.net，C:\\Windows匹配C:\Windows。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 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 {n} 重复n次 {n,} 重复n次或更多次 {n,m} 重复n到m次 下面是一些使用重复的例子： Windows\d+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)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（如果只考虑英文的话）。\(?0\d{2}[) -]?\d{8} 。现在来拆解：\(? 匹配为出现一次或0次( 接着是两个数字，然后是)或者- 。再然后是8个数字。不难理解，这是想匹配中国的三位区号的电话号码的两种表现形式：0xx-xxxxxxxx或者(0xx)xxxxxx