正则表达式

来源：互联网发布：工行网络大学外网编辑：程序博客网时间：2024/06/06 00:06

[精华] 正则表达式30分钟入门教程

元字符

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\n。“\n”匹配换行符。序列“\\”匹配“\”而“\(”则匹配“(”。

除 .$ ^ { [ ( | ) * + ? \ (\会取消这些字符的特殊意义)外，其他字符与自身匹配(\还可以用于所有的非字母的字符,当对一个字符有疑问的时候，为安全起见请使用转义字符转义他。)

.点

匹配除“\r\n”之外的任何单个字符（[\s\S]全匹配）

{n,}

n是一个非负整数。至少匹配n次

{n,m}

最少匹配n次且最多匹配m次。

[xyz]

字符集合。匹配所包含的任意一个字符

[^xyz]

负值字符集合。匹配未包含的任意字符（可以用‘-’来连接数字字母）反义

（）

分组
你可以用小括号来指定子表达式(也叫做分组) (\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式
\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty
这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)
默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

x|y

匹配x或y 匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。

匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。

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

匹配一个数字字符。等价于[0-9]。^

匹配输入字符串的开始位置。要求你填写的QQ号必须为5位到12位数字时，^\d{5,12}$。

匹配输入字符串的结束位置。

匹配前面的子表达式零次或多次等价{0,}

匹配前面的子表达式一次或多次

匹配前面的子表达式零次或一次

匹配任何空白字符，包括空格、制表符、换页符等等 (等价于[ \f\n\r\t\v] 分别是:换页符换行符回车符制表符垂直制表符)

匹配任何非空白字符反义

\B \D \W反义

替换

Aptana与Editplus中查找并替换的正则表达式应用

平时编写JavaScript，我用的最多的就是Aptana与Editplus

复杂、多人协作的时候会使用Aptana，简单、单个作战的时候通常会选用Editplus，而在开发过程中或多或少需要用到正则表达式去替换一些字符串，掌握了方法，对于提升开发效率是很有用的。

这里主要应用正则中的“反向引用”，关于正则的更多概况，可参考：

《正则表达式30分钟入门教程》

从实际应用场景开始，比如页面中有如下的DOM结构：

需要查找到与<span>xxx</span>类似的结构，并进行一些处理，思路：

1、查找到需要匹配的字符串

2、对匹配的字符串进行一些替换操作

问题：

如何编写查找此类字符串的正则表达式？(二个编辑器，正则不一样但思路一致)

先分析这段字符串的格式：

以 < + (\w+) + > + ([^<\s]+) + <\/\1>

a、前面匹配<xx>这个好理解 < (\w+) > ---注：中间没有空格

b、中间内容[^<\s]+ 匹配非<、非空白字符(包括空格、制表符、换页符等等[ \f\n\r\t\v]) ---根据需要，正则表达式可以进行一些变换

如果想匹配捕获中间的内容，可以使用()，如果不想匹配可以不加()或使用(?:)

c、匹配</xx>使用了“反向引用”--- \1，因为需要确保前面出现的<xx>与</xx>中的xx一致

以Aptana为例，最终的表达式：<(\w+)>(?:[^<\s]+)<\/\1>，如图所示：

在替换处可以使用你需要替换的规则，其中$0表示参与匹配正则表达式的字符串，$1…为最近使用()捕获的分组字符串

而在Editplus中，它对使用正则表达式进行查找和替换仅支持有限的正则量词(详细可自行搜索)，所以Editplus中的正则表达式需要进行一些变换了，但很遗憾，没有找到如何在Editplus中使用正则表达式的反向引用，需要准确来讲，此时Editplus不能满足需求。

关于Editplus 对正则表达式的支持，可以查看它的帮助手册(F1)。而我这里想说的是， Editplus获取捕获分组内容使用的是\0--参与匹配的字符串，\1…

总结：

1、对反向引用的支持，Aptana支持，使用\1、\2，而Editplus不支持

2、获取捕获的分组，Aptana使用$0，$1、$2…，而Editplus使用的是\0，\1、\2

3、查找并替换的快捷键，Aptana使用是Ctrl+F，需要选中“Regular expressions”，而Editplus则需要使用Ctrl+H，也需要选中“正则表达式”那一项

editplus查找替换的正则表达式应用

表达式        说明
\t        制表符.
\n        新行.
.        匹配任意字符.
|        匹配表达式左边和右边的字符. 例如, "ab|bc" 匹配 "ab" 或者 "bc".
[]        匹配列表之中的任何单个字符. 例如, "[ab]" 匹配 "a" 或者 "b". "[0-9]" 匹配任意数字.
[^]        匹配列表之外的任何单个字符. 例如, "[^ab]" 匹配 "a" 和 "b" 以外的字符. "[^0-9]" 匹配任意非数字字符.
*        其左边的字符被匹配任意次(0次，或者多次). 例如 "be*" 匹配 "b", "be" 或者 "bee".
+        其左边的字符被匹配至少一次(1次，或者多次). 例如 "be+" 匹配 "be" 或者 "bee" 但是不匹配 "b".
?        其左边的字符被匹配0次或者1次. 例如 "be?" 匹配 "b" 或者 "be" 但是不匹配 "bee".
^        其右边的表达式被匹配在一行的开始. 例如 "^A" 仅仅匹配以 "A" 开头的行.
contentnbsp;       其左边的表达式被匹配在一行的结尾. 例如 "econtentquot; 仅仅匹配以 "e" 结尾的行.
()        影响表达式匹配的顺序，并且用作表达式的分组标记.
\        转义字符. 如果你要使用 "\" 本身, 则应该使用 "\\".
正则表达式应用——删除空行   ^[ \t]*\n
表达式的分组使用()来标记. 表达式的分组可以被引用为 \0, \1, \2, \3, 等等. \0 表示被匹配的所有字符串. \1 表示被匹配的第一个分组, \2 表示第二个分组, 依此类推. 举例如下.

原文        查找         替换                 结果
abc     (ab)(c)        \0-\1-\2        abc-ab-c
abc     a(b)(c)        \0-\1-\2        abc-b-c
abc     (a)b(c)        \0-\1-\2        abc-a-c

【1】正则表达式应用——替换指定内容到行尾
原始文本如下面两行
abc aaaaa
123 abc 444

希望每次遇到“abc”，则替换“abc”以及其后到行尾的内容为“abc efg”
即上面的文本最终替换为：
abc efg
123 abc efg

解决：
① 在替换对话框，查找内容里输入“abc.*”
② 同时勾选“正则表达式”复选框，然后点击“全部替换”按钮
其中，符号的含义如下：
“.” ＝匹配任意字符
“*” ＝匹配0次或更多

注意：其实就是正则表达式替换，这里只是把一些曾经提出的问题加以整理，单纯从正则表达式本身来说，就可以引申出成千上万种特例。

【2】正则表达式应用——数字替换
希望把
asdadas123asdasdas456asdasdasd789asdasd
替换为:
asdadas[123]asdasdas[456]asdasdasd[789]asdasd

在替换对话框里面，勾选“正则表达式”复选框；
在查找内容里面输入“[0-9][0-9][0-9]”，不含引号
“替换为:”里面输入“[\0\1\2]”，不含引号
范围为你所操作的范围，然后选择替换即可。

实际上这也是正则表达式的使用特例，“[0-9]”表示匹配0～9之间的任何特例，同样“[a-z]”就表示匹配a～z之间的任何特例
上面重复使用了“[0-9]”，表示连续出现的三个数字
“\0”代表第一个“[0-9]”对应的原型，“\1”代表第二个“[0-9]”对应的原型，依此类推
“[”、“]”为单纯的字符，表示添加“[”或“]”，如果输入“其它\0\1\2其它”，则替换结果为：

asdadas其它123其它asdasdas其它456其它asdasdasd其它789其它asdasd

功能增强（by jiuk2k）：
如果将查找内容“[0-9][0-9][0-9]”改为“[0-9]*[0-9]”，对应1 或 123 或 12345 或 …
大家根据需要定制

相关内容还有很多，可以自己参考正则表达式的语法仔细研究一下

【3】正则表达式应用——删除每一行行尾的指定字符
因为这几个字符在行中也是出现的,所以肯定不能用简单的替换实现
比如
12345 1265345
2345
需要删除每行末尾的“345”
这个也算正则表达式的用法，其实仔细看正则表达式应该比较简单，不过既然有这个问题提出，说明对正则表达式还得有个认识过程，解决方法如下
解决：
在替换对话框中，启用“正则表达式”复选框
在查找内容里面输入“345contentrdquo;
这里“contentrdquo;表示从行尾匹配

如果从行首匹配，可以用“^”来实现，不过 EditPlus 有另一个功能可以很简单的删除行首的字符串
a. 选择要操作的行
b. 编辑－格式－删除行注释
c. 在弹出对话框里面输入要清除的行首字符，确定

【4】正则表达式应用——替换带有半角括号的多行
几百个网页中都有下面一段代码：
\n
在替换对话框启用“正则表达式”选项，这时就可以完成替换了

【5】正则表达式应用——删除空行
启动EditPlus，打开待处理的文本类型文件。
①、选择“查找”菜单的“替换”命令，弹出文本替换对话框。选中“正则表达式”复选框，表明我们要在查找、替换中使用正则表达式。然后，选中“替换范围”中的“当前文件”，表明对当前文件操作。
②、单击“查找内容”组合框右侧的按钮，出现下拉菜单。
③、下面的操作添加正则表达式，该表达式代表待查找的空行。（技巧提示：空行仅包括空格符、制表符、回车符，且必须以这三个符号之一作为一行的开头，并且以回车符结尾，查找空行的关键是构造代表空行的正则表达式）。
直接在”查找”中输入正则表达式“^[ \t]*\n”，注意\t前有空格符。
（1）选择“从行首开始匹配”，“查找内容”组合框中出现字符“^”，表示待查找字符串必须出现在文本中一行的行首。
（2）选择“字符在范围中”，那么在“^”后会增加一对括号“[]”，当前插入点在括号中。括号在正则表达式中表示，文本中的字符匹配括号中任意一个字符即符合查找条件。
（3）按一下空格键，添加空格符。空格符是空行的一个组成成分。
（4）选择“制表符”，添加代表制表符的“\t”。
（5）移动光标，将当前插入点移到“]”之后，然后选择“匹配 0 次或更多”，该操作会添加星号字符“*”。星号表示，其前面的括号“[]”内的空格符或制表符，在一行中出现0个或多个。
（6）选择“换行符”，插入“\n”，表示回车符。
④、“替换为”组合框保持空，表示删除查找到的内容。单击“替换”按钮逐个行删除空行，或单击“全部替换”按钮删除全部空行（注意：EditPlus有时存在“全部替换”不能一次性完全删除空行的问题，可能是程序BUG，需要多按几次按钮）。

0 0