📄 正则表达式30分钟入门教程 - gtzhou google groups.htm
字号:
}
.layout TD {
MARGIN: 0px
}
</STYLE>
<DIV class=layout>
<DIV class=layoutregion>
<DIV id=g_body style="OVERFLOW: auto">正则表达式30分钟入门教程
<H1>正则表达式30分钟入门教程</H1>
<P>版本：v2.3 (2008-4-13) 作者：<A
href="http://www.unibetter.com/members/deerchao.aspx"
rel=nofollow>deerchao</A> 转载请注明<A
href="http://unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm"
rel=nofollow>来源</A></P>
<H2>目录</H2>
<P><A title=转到正文内容
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#mission"
rel=nofollow>跳过目录</A></P>
<OL>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#mission"
rel=nofollow>本文目标</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#howtouse"
rel=nofollow>如何使用本教程</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#introduction"
rel=nofollow>正则表达式到底是什么东西？</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#getstarted"
rel=nofollow>入门</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#testing"
rel=nofollow>测试正则表达式</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#metacode"
rel=nofollow>元字符</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#escape"
rel=nofollow>字符转义</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#repeat"
rel=nofollow>重复</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#charclass"
rel=nofollow>字符类</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#alternative"
rel=nofollow>分枝条件</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#negation"
rel=nofollow>反义</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#grouping"
rel=nofollow>分组</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#backreference"
rel=nofollow>后向引用</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#lookaround"
rel=nofollow>零宽断言</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#negativelookaround"
rel=nofollow>负向零宽断言</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#commenting"
rel=nofollow>注释</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#greedyandlazy"
rel=nofollow>贪婪与懒惰</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#regexoptions"
rel=nofollow>处理选项</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#balancedgroup"
rel=nofollow>平衡组/递归匹配</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#more"
rel=nofollow>还有些什么东西没提到</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#contact"
rel=nofollow>联系作者</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#ad"
rel=nofollow>最后,来点广告...</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#resources"
rel=nofollow>网上的资源及本文参考文献</A>
<LI><A
href="http://groups.google.com/group/gtzhou/web/æ­£å表达å¼30åéå
¥é¨æç¨#updatelog"
rel=nofollow>更新说明</A> </LI></OL>
<H2>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>如何使用本教程</H2>
<P>最重要的是——请给我<I>30分钟</I>，如果你没有使用正则表达式的经验，请不要试图在30<I>秒</I>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
href="http://www.unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm"
rel=nofollow>清除格式</A> 文本格式约定：<SPAN>专业术语</SPAN> <SPAN>元字符/语法格式</SPAN> <SPAN>正则表达式</SPAN> <SPAN>正则表达式中的一部分(用于分析)</SPAN> <SPAN>对其进行匹配的源字符串</SPAN> <SPAN>对正则表达式或其中一部分的说明</SPAN></P>
<P><A
href="http://www.unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm"
rel=nofollow>隐藏边注</A> 本文右边有一些注释，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>正则表达式到底是什么东西？</H2>
<P><SPAN>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>字符串</SPAN>是0个或更多个字符的序列。<SPAN>文本</SPAN>也就是文字，字符串。说某个字符串<SPAN>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>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>通配符(wildcard)</SPAN>，也就是<SPAN>*</SPAN>和<SPAN>?</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>*</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>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>010-12345678</SPAN>或<SPAN>0376-7654321</SPAN>)。</P>
<H2>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>hi</SPAN>，你可以使用正则表达式<SPAN>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>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>hi</SPAN>,<SPAN>HI</SPAN>,<SPAN>Hi</SPAN>,<SPAN>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>hi</SPAN>这两个连续的字符，比如<SPAN>him</SPAN>,<SPAN>history</SPAN>,<SPAN>high</SPAN>等等。用<SPAN>hi</SPAN>来查找的话，这里边的<SPAN>hi</SPAN>也会被找出来。如果要<SPAN>精确地查找hi这个单词</SPAN>的话，我们应该使用<SPAN>\bhi\b</SPAN>。</P>
<P><SPAN>\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>元字符，metacharacter</SPAN>），代表着<SPAN>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>\b</SPAN>并不匹配这些单词分隔字符中的任何一个，它<B>只匹配一个位置</B>。</P>
<P>如果需要更精确的说法，<SPAN>\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>\w</SPAN>。</P>
<P>假如你要找的是<SPAN>hi后面不远处跟着一个Lucy</SPAN>，你应该用<SPAN>\bhi\b.*\bLucy\b</SPAN>。</P>
<P>这里，<SPAN>.</SPAN>是另一个元字符，匹配<SPAN>除了换行符以外的任意字符</SPAN>。<SPAN>*</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>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>.*</SPAN>连在一起就意味着<SPAN>任意数量的不包含换行的字符</SPAN>。现在<SPAN>\bhi\b.*\bLucy\b</SPAN>的意思就很明显了：<SPAN>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>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>0\d\d-\d\d\d\d\d\d\d\d</SPAN>匹配这样的字符串：<SPAN>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>\d</SPAN>是个新的元字符，匹配<SPAN>一位数字(0，或1，或2，或……)</SPAN>。<SPAN>-</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>0\d{2}-\d{8}</SPAN>。
这里<SPAN>\d</SPAN>后面的<SPAN>{2}</SPAN>(<SPAN>{8}</SPAN>)的意思是前面<SPAN>\d</SPAN><SPAN>必须连续重复匹配2次(8次)</SPAN>。</P>
<H2>测试正则表达式</H2>
<DIV>
<P>其它可用的测试工具:</P>
<UL>
<LI><A href="http://www.regexbuddy.com/" rel=nofollow>RegexBuddy</A>
<LI><A href="http://regexpal.com/"
rel=nofollow>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"
rel=nofollow>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&FamilyID=0856eacb-4362-4b0d-8edd-aab15c5e04f5"
rel=nofollow>.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"
rel=nofollow>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 - GTZHOU Google Groups.files/RegexTester.htm"></P>
<H2>元字符</H2>
<P>现在你已经知道几个很有用的元字符了，如<SPAN>\b</SPAN>,<SPAN>.</SPAN>,<SPAN>*</SPAN>，还有<SPAN>\d</SPAN>.正则表达式里还有更多的元字符，比如<SPAN>\s</SPAN>匹配<SPAN>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>\w</SPAN>匹配<SPAN>字母或数字或下划线或汉字等</SPAN>。</P>
<P>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>\ba\w*\b</SPAN>匹配<SPAN>以字母<SPAN>a</SPAN>开头的单词——先是某个单词开始处(<SPAN>\b</SPAN>)，然后是字母<SPAN>a</SPAN>,然后是任意数量的字母或数字(<SPAN>\w*</SPAN>)，最后是单词结束处(<SPAN>\b</SPAN>)</SPAN>。</P>
<P>好吧，现在我们说说正则表达式里的单词是什么意思吧：就是多于一个的连续的<SPAN>\w</SPAN>。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
:)</P>
<P><SPAN>\d+</SPAN>匹配<SPAN>1个或更多连续的数字</SPAN>。这里的<SPAN>+</SPAN>是和<SPAN>*</SPAN>类似的元字符，不同的是<SPAN>*</SPAN>匹配<SPAN>重复任意次(可能是0次)</SPAN>，而<SPAN>+</SPAN>则匹配<SPAN>重复1次或更多次</SPAN>。</P>
<P><SPAN>\b\w{6}\b</SPAN> 匹配<SPAN>刚好6个字母/数字的单词</SPAN>。</P>
<TABLE cellSpacing=0>
<CAPTION>表1.常用的元字符</CAPTION>
<THEAD>
<TR>
<TH>代码</TH>
<TH>说明</TH></TR></THEAD>
<TBODY>
<TR>
<TD><SPAN>.</SPAN></TD>
<TD><SPAN>匹配除换行符以外的任意字符</SPAN></TD></TR>
<TR>
<TD><SPAN>\w</SPAN></TD>
<TD><SPAN>匹配字母或数字或下划线或汉字</SPAN></TD></TR>
<TR>
<TD><SPAN>\s</SPAN></TD>
<TD><SPAN>匹配任意的空白符</SPAN></TD></TR>
<TR>
<TD><SPAN>\d</SPAN></TD>
<TD><SPAN>匹配数字</SPAN></TD></TR>
<TR>
<TD><SPAN>\b</SPAN></TD>
<TD><SPAN>匹配单词的开始或结束</SPAN></TD></TR>
<TR>
<TD><SPAN>^</SPAN></TD>
<TD><SPAN>匹配字符串的开始</SPAN></TD></TR>
<TR>
<TD><SPAN>$</SPAN></TD>
<TD><SPAN>匹配字符串的结束</SPAN></TD></TR></TBODY></TABLE>
<P>元字符<SPAN>^</SPAN>（和数字6在同一个键位上的符号）和<SPAN>$</SPAN>都匹配一个位置，这和<SPAN>\b</SPAN>有点类似。<SPAN>^</SPAN>匹配你要用来查找的字符串的开头，<SPAN>$</SPAN>匹配结尾。这两个代码在验证输入的内容时非常有用，比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用：<SPAN>^\d{5,12}$</SPAN>。</P>
<P>这里的<SPAN>{5,12}</SPAN>和前面介绍过的<SPAN>{2}</SPAN>是类似的，只不过<SPAN>{2}</SPAN>匹配<SPAN>只能不多不少重复2次</SPAN>，<SPAN>{5,12}</SPAN>则是<SPAN>重复的次数不能少于5次，不能多于12次</SPAN>，否则都不匹配。</P>
<P>因为使用了<SPAN>^</SPAN>和<SPAN>$</SPAN>，所以输入的整个字符串都要用来和<SPAN>\d{5,12}</SPAN>来匹配，也就是说整个输入<SPAN>必须是5到12个数字</SPAN>，因此如果输入的QQ号能匹配这个正则表达式的话，那就符合要求了。</P>
<P>和忽略大小写的选项类似，有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项，<SPAN>^</SPAN>和<SPAN>$</SPAN>的意义就变成了<SPAN>匹配行的开始处和结束处</SPAN>。</P>
<H2>字符转义</H2>
<P>如果你想查找元字符本身的话，比如你查找<SPAN>.</SPAN>,或者<SPAN>*</SPAN>,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<SPAN>\</SPAN>来取消这些字符的特殊意义。因此，你应该使用<SPAN>\.</SPAN>和<SPAN>\*</SPAN>。当然，要查找<SPAN>\</SPAN>本身，你也得用<SPAN>\\</SPAN>.</P>
<P>例如：<SPAN>unibetter\.com</SPAN>匹配<SPAN>unibetter.com</SPAN>，<SPAN>C:\\Windows</SPAN>匹配<SPAN>C:\Windows</SPAN>。</P>
<H2>重复</H2>
<P>你已经看过了前面的<SPAN>*</SPAN>,<SPAN>+</SPAN>,<SPAN>{2}</SPAN>,<SPAN>{5,12}</SPAN>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)：</P>
<TABLE cellSpacing=0>
<CAPTION>表2.常用的限定符</CAPTION>
<THEAD>
<TR>
<TH>代码/语法</TH>
<TH>说明</TH></TR></THEAD>
<TBODY>
<TR>
<TD><SPAN>*</SPAN></TD>
<TD><SPAN>重复零次或更多次</SPAN></TD></TR>
<TR>
<TD><SPAN>+</SPAN></TD>
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -