正则表达式30分钟入门教程 - deerchao的blog - 博客园.htm

.net下正则表达式基本语法及其应用简介

            	var note= getCSSRule(".note");
            	note.style.display = "none";
            	var button=document.getElementById("hideButton");
            	button.innerHTML="显示边注";
            	button.onclick=showNotes;
            	return false;
            }

            function showNotes()
            {
            	var note= getCSSRule(".note");
            	note.style.display = "block";
            	var button=document.getElementById("hideButton");
            	button.innerHTML="隐藏边注";
            	button.onclick=hideNotes;
            	return false;
            }
        //]]>
    </SCRIPT>

<P>来园子之前写的一篇<A 
href="http://www.unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm" 
mce_href="http://www.unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm">正则表达式教程</A>，部分翻译自codeproject的<A 
href="http://www.codeproject.com/dotnet/regextutorial.asp" 
mce_href="http://www.codeproject.com/dotnet/regextutorial.asp">The 30 Minute 
Regex Tutorial</A>。</P>
<P><SPAN style="COLOR: rgb(255,154,24)">由于评论里有过长的URL,所以本页排版比较混乱,推荐你<A 
href="http://www.unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm" 
mce_href="http://www.unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm">到原处查看</A>,看完了如果有问题,再到这里来提出.</SPAN></P>
<P>&nbsp;</P>一些要说的话：<BR>
<OL>
  <LI>如果你没有正则表达式的基础，请跟着教程“一步步来”。请不要大概地扫两眼就说看不懂——以这种态度我写成什么样你也看不懂。当我告诉你这是“30分钟入门教程”时，请不要试图在30秒内入门。<BR><BR>事实是，我身边有个才接触电脑，对操作都不是很熟练的人通过自己学习这篇教程，最后都能在文章采集系统中使用正则表达式完成任务。而且，他写的表达式中，还使用了“零宽断言”等“高级”技术。<BR><BR>所以，如果你能具体地说明你的问题，我很愿意帮助你。但是如果你概括地说看不懂，那不是我的问题。<BR><BR>
  <LI>欢迎转载，但请声明作者以及来源。<BR><BR></LI></OL>
<H1>正则表达式30分钟入门教程</H1>
<P id=meta>版本：v2.3 (2008-4-13) 作者：<A 
href="http://www.unibetter.com/members/deerchao.aspx">deerchao</A> 转载请注明<A 
href="http://unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm">来源</A></P>
<H2 id=contents>目录</H2>
<P class=note id=skipContents><A title=转到正文内容 
href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#mission">跳过目录</A></P>
<OL>
  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#mission">本文目标</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#howtouse">如何使用本教程</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#introduction">正则表达式到底是什么东西？</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#getstarted">入门</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#testing">测试正则表达式</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#metacode">元字符</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#escape">字符转义</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#repeat">重复</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#charclass">字符类</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#alternative">分枝条件</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#negation">反义</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#grouping">分组</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#backreference">后向引用</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#lookaround">零宽断言</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#negativelookaround">负向零宽断言</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#commenting">注释</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#greedyandlazy">贪婪与懒惰</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#regexoptions">处理选项</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#balancedgroup">平衡组/递归匹配</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#more">还有些什么东西没提到</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#contact">联系作者</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#ad">最后,来点广告...</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#resources">网上的资源及本文参考文献</A> 

  <LI><A 
  href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#updatelog">更新说明</A> 
  </LI></OL>
<H2 id=mission>本文目标</H2>
<P>30分钟内让你明白正则表达式是什么，并对它有一些基本的了解，让你可以在自己的程序或网页里使用它。</P>
<H2 id=howtouse>如何使用本教程</H2>
<P class="important note" 
id=giveMe30Minutes>最重要的是——请给我<EM>30分钟</EM>，如果你没有使用正则表达式的经验，请不要试图在30<EM>秒</EM>内入门——除非你是超人 
:)</P>
<P>别被下面那些复杂的表达式吓倒，只要跟着我一步一步来，你会发现正则表达式其实并<SPAN 
lang=zh-cn>没有</SPAN>你想像中的那么困难。当然，如果你看完了这篇教程之后，发现自己明白了很多，却又几乎什么都记不得，那也是很正常的——我认为，没接触过正则表达式的人在看完这篇教程后，能把提到过的语法记住80%以上的可能性为零。这里只是让你明白基本的原理，以后你还需要多练习，多使用，才能熟练掌握正则表达式。</P>
<P>除了作为入门教程之外，本文还试图成为可以在日常工作中使用的正则表达式语法参考手册。就作者本人的经历来说，这个目标还是完成得不错的——你看，我自己也没能把所有的东西记下来，不是吗？</P>
<P><A id=clearButton onclick="return clearFormats();" 
href="http://www.unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm">清除格式</A>&nbsp;文本格式约定：<SPAN 
class=name>专业术语</SPAN>&nbsp;<SPAN class=code>元字符/语法格式</SPAN>&nbsp;<SPAN 
class=regex>正则表达式</SPAN>&nbsp;<SPAN 
class=part>正则表达式中的一部分(用于分析)</SPAN>&nbsp;<SPAN 
class=string>对其进行匹配的源字符串</SPAN>&nbsp;<SPAN class=desc>对正则表达式或其中一部分的说明</SPAN></P>
<P><A id=hideButton onclick="return hideNotes();" 
href="http://www.unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm">隐藏边注</A>&nbsp;文右边有一些注释，主要是用来提供一些相关信息，或者给没有程序员背景的读者解释一些基本概念，通常可以忽略。</P>
<H2 id=introduction>正则表达式到底是什么东西？</H2>
<P class=note><SPAN 
class=name>字符</SPAN>是计算机软件处理文字时最基本的单位，可能是字母，数字，标点符号，空格，换行符，汉字等等。<SPAN 
class=name>字符串</SPAN>是0个或更多个字符的序列。<SPAN 
class=name>文本</SPAN>也就是文字，字符串。说某个字符串<SPAN 
class=name>匹配</SPAN>某个正则表达式，通常是指这个字符串里有一部分（或几部分分别）能满足表达式给出的条件。</P>
<P>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。<SPAN 
class=name>正则表达式</SPAN>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。</P>
<P>很可能你使用过Windows/Dos下用于文件查找的<SPAN class=name>通配符(wildcard)</SPAN>，也就是<SPAN 
class=code>*</SPAN>和<SPAN class=code>?</SPAN>。如果你想查找某个目录下的所有的Word文档的话，你会搜索<SPAN 
style="COLOR: red">*.doc</SPAN>。在这里，<SPAN 
class=code>*</SPAN>会被解释成任意的字符串。和通配符类似，正则表达式也是用来进行文本匹配的工具，只不过比起通配符，它能更精确地描述你的需求——当然，代价就是更复杂——比如你可以编写一个正则表达式，用来查找<SPAN 
class=desc>所有以0开头，后面跟着2-3个数字，然后是一个连字号“-”，最后是7或8位数字的字符串</SPAN>(像<SPAN 
class=string>010-12345678</SPAN>或<SPAN class=string>0376-7654321</SPAN>)。</P>
<H2 id=getstarted>入门</H2>
<P>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。</P>
<P>假设你在一篇英文小说里查找<SPAN class=desc>hi</SPAN>，你可以使用正则表达式<SPAN 
class=regex>hi</SPAN>。</P>
<P>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：<SPAN 
class=desc>由两个字符组成，前一个字符是h,后一个是i</SPAN>。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<SPAN 
class=string>hi</SPAN>,<SPAN class=string>HI</SPAN>,<SPAN 
class=string>Hi</SPAN>,<SPAN class=string>hI</SPAN>这四种情况中的任意一种。</P>
<P>不幸的是，很多单词里包含<SPAN class=string>hi</SPAN>这两个连续的字符，比如<SPAN 
class=string>him</SPAN>,<SPAN class=string>history</SPAN>,<SPAN 
class=string>high</SPAN>等等。用<SPAN class=regex>hi</SPAN>来查找的话，这里边的<SPAN 
class=string>hi</SPAN>也会被找出来。如果要<SPAN 
class=desc>精确地查找hi这个单词</SPAN>的话，我们应该使用<SPAN class=regex>\bhi\b</SPAN>。</P>
<P><SPAN class=part>\b</SPAN>是正则表达式规定的一个特殊代码（好吧，某些人叫它<SPAN 
class=name>元字符，metacharacter</SPAN>），代表着<SPAN 
class=desc>单词的开头或结尾，也就是单词的分界处</SPAN>。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<SPAN 
class=code>\b</SPAN>并不匹配这些单词分隔字符中的任何一个，它<STRONG>只匹配一个位置</STRONG>。</P>
<P class=note>如果需要更精确的说法，<SPAN 
class=code>\b</SPAN>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)<SPAN 
class=code>\w</SPAN>。</P>
<P>假如你要找的是<SPAN class=desc>hi后面不远处跟着一个Lucy</SPAN>，你应该用<SPAN 
class=regex>\bhi\b.*\bLucy\b</SPAN>。</P>
<P>这里，<SPAN class=part>.</SPAN>是另一个元字符，匹配<SPAN 
class=desc>除了换行符以外的任意字符</SPAN>。<SPAN 
class=part>*</SPAN>同样是元字符，不过它代表的不是字符，也不是位置，而是数量——它指定*<SPAN 
class=desc>前边的内容可以连续重复出现任意次以使整个表达式得到匹配</SPAN>。因此，<SPAN 
class=part>.*</SPAN>连在一起就意味着<SPAN class=desc>任意数量的不包含换行的字符</SPAN>。现在<SPAN 
class=regex>\bhi\b.*\bLucy\b</SPAN>的意思就很明显了：<SPAN 
class=desc>先是一个单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词</SPAN>。</P>
<P class=note>换行符就是'\n',ASCII编码为10(十六进制0x0A)的字符。</P>
<P>如果同时使用其它元字符，我们就能构造出功能更强大的正则表达式。比如下面这个例子：</P>
<P><SPAN class=regex>0\d\d-\d\d\d\d\d\d\d\d</SPAN>匹配这样的字符串：<SPAN 
class=desc>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</SPAN>(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)。</P>
<P>这里的<SPAN class=part>\d</SPAN>是个新的元字符，匹配<SPAN 
class=desc>一位数字(0，或1，或2，或……)</SPAN>。<SPAN 
class=part>-</SPAN>不是元字符，只匹配它本身——连字符或者减号。</P>
<P>为了避免那么多烦人的重复，我们也可以这样写这个表达式：<SPAN class=regex>0\d{2}-\d{8}</SPAN>。 这里<SPAN 
class=part>\d</SPAN>后面的<SPAN class=part>{2}</SPAN>(<SPAN 
class=part>{8}</SPAN>)的意思是前面<SPAN class=part>\d</SPAN><SPAN 
class=desc>必须连续重复匹配2次(8次)</SPAN>。</P>
<H2 id=testing>测试正则表达式</H2>
<DIV class=note>
<P>其它可用的测试工具:</P>
<UL>
  <LI><A href="http://www.regexbuddy.com/">RegexBuddy</A> 
  <LI><A href="http://regexpal.com/">Javascript正则表达式在线测试工具</A> </LI></UL></DIV>
<P>如果你不觉得正则表达式很难读写的话，要么你是一个天才，要么，你不是地球人。正则表达式的语法很令人头疼，即使对经常使用它的人来说也是如此。由于难于读写，容易出错，所以找一种工具对正则表达式进行测试是很有必要的。</P>
<P>由于在不同的环境下正则表达式的一些细节是不相同的，本教程介绍的是微软 .Net Framework 
2.0下正则表达式的行为，所以，我向你介绍一个.Net下的工具<A title=转到RegexTester的官方网站（英文） 
href="http://www.dotnet2themax.com/blogs/fbalena/PermaLink,guid,13bce26d-7755-441e-92b3-1eb5f9e859f9.aspx">Regex 
Tester</A>。首先你确保已经安装了<A title="转到下载.Net Framework 2.0的页面" 
href="http://www.microsoft.com/downloads/details.aspx?displaylang=zh-cn&amp;FamilyID=0856eacb-4362-4b0d-8edd-aab15c5e04f5">.Net 
Framework 2.0</A>，然后<A title="从www.unibetter.com下载Regex Tester, 75KB" 
href="http://www.unibetter.com/deerchao/downloads/RegexTester.zip">下载Regex 
Tester</A>。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。</P>
<P>下面是Regex Tester运行时的截图：</P>
<P><IMG alt="Regex Tester运行时的截图" 
src="正则表达式30分钟入门教程 - deerchao的blog - 博客园.files/r_RegexTester.jpg"></P>
<H2 id=metacode>元字符</H2>
<P>现在你已经知道几个很有用的元字符了，如<SPAN class=code>\b</SPAN>,<SPAN class=code>.</SPAN>,<SPAN 
class=code>*</SPAN>，还有<SPAN class=code>\d</SPAN>.正则表达式里还有更多的元字符，比如<SPAN 
class=code>\s</SPAN>匹配<SPAN 
class=desc>任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等</SPAN>。<SPAN 
class=code>\w</SPAN>匹配<SPAN class=desc>字母或数字或下划线或汉字等</SPAN>。</P>
<P class=note>对中文/汉字的特殊处理是由.Net提供的正则表达式引擎支持的，其它环境下的具体情况请查看相关文档。</P>
<P>下面来看看更多的例子：</P>
<P><SPAN class=regex>\ba\w*\b</SPAN>匹配<SPAN class=desc>以字母<SPAN 
class=part>a</SPAN>开头的单词——先是某个单词开始处(<SPAN class=part>\b</SPAN>)，然后是字母<SPAN