正则表达式

本文目标

明白正则表达式是什么，并对他有一定的基本了解。让你可以在自己的程序或网页中使用它。

正则表达式到底是什么东西？

说白了就是通过一个表达式匹配一个字符串或字符串中的一部分.正则表达式非常强大,对于一般程序员来讲,掌握基本使用即可,不必深究.
在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。

入门

学习正则表达式的最好方法是从例子开始，理解例子之后再自己对例子进行修改，实验。下面给出了不少简单的例子，并对它们作了详细的说明。

假设你在一篇英文小说里查找 hi，你可以使用正则表达式 hi。

这几乎是最简单的正则表达式了，它可以精确匹配这样的字符串：由两个字符组成，前一个字符是h，后一个是 i。通常，处理正则表达式的工具会提供一个忽略大小写的选项，如果选中了这个选项，它可以匹配 hi,HI,Hi,hI 这四种情况中的任意一种。

不幸的是，很多单词里包含 hi 这两个连续的字符，比如 him,history,high 等等。用 hi 来查找的话，这里边的 hi 也会被找出来。
如果要精确地查找 hi 这个单词的话，我们应该使用 \bhi\b。

\b :
正则表达式规定的一种特殊代码（元字符），代表着单词的开头和结》尾，业务就是单词的分界处。虽然通常英文的单词是由空格，标点符号或者换行来分隔的，但是 \b 并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置

如果需要更精确的说法，\b 匹配这样的位置：它的前一个字符和后一个字符不全是(一个是,一个不是或不存在) \w (匹配包括下划线的任何单词字符)。

假如你要找的是 hi 后面不远处跟着一个 Lucy，你应该用 \bhi\b.∗\bLucy\b 。

. 是另一个元字符，匹配除了换行符的任意字符。

∗同样是元字符，不过它不代表字符，也不代表位置，而是数量。它指定* 前边的内容可以连续重复使用任意次以使整个表达式得到匹配。因此，.* 连在一起就意味着任意数量的不包含换行的字符。

换行符就是 \n，ASCII编码为10 (十六进制0x0A) 的字符。

其他更强大的正则表达式的例子：

0\d\d-\d\d\d\d\d\d\d\d 匹配这样的字符串：
以 0 开头，然后是两个数字，然后是一个连字号 “-”，最后是 8 个数字(也就是中国的电话号码。当然，这个例子只能匹配区号为 3 位的情形)。

\d 是个新的元字符，匹配一位数字(0，或1，或2，或……)。- 不是元字符，只匹配它本身——连字符(或者减号，或者中横线，或者随你怎么称呼它)。

我们也可以这样写这个表达式：0\d{2}-\d{8} 。 这里\d 后面的 {2} 或 ({8}) 的意思是前面\d 必须连续重复匹配 2次 或 (8次)。

元字符

\ba\w*\b 匹配以字母 a 开头的单词——先是某个单词开始处(\b)，然后是字母 a，然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)。

\d+ 匹配1个或更多连续的数字。这里的+是和*类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次。

表达式里的单词：就是不少于一个的连续的\w。不错，这与学习英文时要背的成千上万个同名的东西的确关系不大 :)
表1.常用的元字符

---

代码 说明 . 匹配除换行符以外的任意字符 w 匹配字母或数字或下划线或汉字 s 匹配任意的空白符 d 匹配数字 b 匹配单词的开始或结束 ^ 匹配字符串的开始 $ 匹配字符串的结束

---

正则表达式引擎通常会提供一个“测试指定的字符串是否匹配一个正则表达式”的方法，如 JavaScript 里的 RegExp.test() 方法或 .NET 里的 Regex.IsMatch() 方法。这里的匹配是指是字符串里有没有符合表达式规则的部分。如果不使用 ^ 和 $ 的话，对于 \d{5,12} 而言，使用这样的方法就只能保证字符串里包含 5 到 12 连续位数字，而不是整个字符串就是 5 到 12 位数字。

元字符 ^（和数字6在同一个键位上的符号）和 $ 都匹配一个位置，这和 \b 有点类似。^ 匹配你要用来查找的字符串的开头，$ 匹配结尾。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}$ 。

这里的 {5,12} 和前面介绍过的 {2} 是类似的，只不过 {2} 匹配只能不多不少重复 2 次，{5,12} 则是重复的次数不能少于 5 次，不能多于 12 次，否则都不匹配。

字符转义

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\\。

\用来取消特殊字符的意义。

重复

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

字符类

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）。

下面是一个更复杂的表达式：

英文括号 ( 和 ) 也是元字符，后面的分组节里会提到，所以在这里需要使用转义 ( \ )。

分枝条件