30分钟入门正则表达式.htm

个人搜集的一些笔试面试题

<H2>位置指定</H2>
<P>接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们用于指定一个位置，就像<SPAN 
class=code>\b</SPAN>,<SPAN class=code>^</SPAN>,<SPAN 
class=code>$</SPAN>那样，因此它们也被称为<SPAN class=name>零宽断言</SPAN>。最好还是拿例子来说明吧：</P>
<P><SPAN class=code>(?=exp)</SPAN>也叫<SPAN class=name>零宽先行断言</SPAN>，它<SPAN 
class=desc>匹配文本中的某些位置，这些位置的后面能匹配给定的后缀exp</SPAN>。比如<SPAN 
class=regex>\b\w+(?=ing\b)</SPAN>，匹配<SPAN 
class=desc>以ing结尾的单词的前面部分(除了ing以外的部分)</SPAN>，如果在查找<SPAN class=string>I'm singing 
while you're dancing.</SPAN>时，它会匹配<SPAN class=desc>sing</SPAN>和<SPAN 
class=desc>danc</SPAN>。</P>
<P><SPAN class=code>(?&lt;=exp)</SPAN>也叫<SPAN class=name>零宽后行断言</SPAN>，它<SPAN 
class=desc>匹配文本中的某些位置，这些位置的前面能给定的前缀匹配exp</SPAN>。比如<SPAN 
class=regex>(?&lt;=\bre)\w+\b</SPAN>会匹配<SPAN 
class=desc>以re开头的单词的后半部分(除了re以外的部分)</SPAN>，例如在查找<SPAN class=string>reading a 
book</SPAN>时，它匹配<SPAN class=desc>ading</SPAN>。</P>
<P>假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，你可以这样查找需要在前面和里面添加逗号的部分：<SPAN 
class=regex>((?&lt;=\d)\d{3})*\b</SPAN>。请仔细分析这个表达式，它可能不像你第一眼看出来的那么简单。</P>
<P>下面这个例子同时使用了前缀和后缀：<SPAN class=regex>(?&lt;=\s)\d+(?=\s)</SPAN>匹配<SPAN 
class=desc>以空白符间隔的数字(再次强调，不包括这些空白符)</SPAN>。</P>
<H2>负向位置指定</H2>
<P>前面我们提到过怎么查找<STRONG>不是某个字符或不在某个字符类里</STRONG>的字符的方法(反义)。但是如果我们只是想要<STRONG>确保某个字符没有出现，但并不想去匹配它</STRONG>时怎么办？例如，如果我们想查找这样的单词--它里面出现了字母q,但是q后面跟的不是字母u,我们可以尝试这样：</P>
<P><SPAN class=regex>\b\w*q[^u]\w*\b</SPAN>匹配<SPAN 
class=desc>包含<STRONG>后面不是字母u的字母q</STRONG>的单词</SPAN>。但是如果多做测试(或者你思维足够敏锐，直接就观察出来了)，你会发现，如果q出现在单词的结尾的话，像<STRONG>Iraq</STRONG>,<STRONG>Benq</STRONG>，这个表达式就会出错。这是因为<SPAN 
class=part>[^u]</SPAN>总是匹配一个字符，所以如果q是单词的最后一个字符的话，后面的<SPAN 
class=part>[^u]</SPAN>将会匹配q后面的单词分隔符(可能是空格，或者是句号或其它的什么)，后面的<SPAN 
class=part>\w+\b</SPAN>将会匹配下一个单词，于是<SPAN 
class=regex>\b\w*q[^u]\w*\b</SPAN>就能匹配整个<SPAN class=string>Iraq 
fighting</SPAN>。<SPAN 
class=name>负向位置指定</SPAN>能解决这样的问题，因为它只匹配一个位置，并不<STRONG>消费</STRONG>任何字符。现在，我们可以这样来解决这个问题：<SPAN 
class=regex>\b\w*q(?!u)\w*\b</SPAN>。</P>
<P><SPAN class=name>零宽负向先行断言</SPAN><SPAN class=code>(?!exp)</SPAN>，只会匹配<SPAN 
class=desc><SPAN class=name>后缀</SPAN>exp不存在的位置</SPAN>。<SPAN 
class=regex>\d{3}(?!\d)</SPAN>匹配<SPAN 
class=desc>三位数字，而且这三位数字的后面不能是数字</SPAN>。</P>
<P>同理，我们可以用<SPAN class=code>(?&lt;!exp)</SPAN>,<SPAN 
class=name>零宽负向后行断言</SPAN>来查找<SPAN class=desc>前缀exp不存在的位置</SPAN>：<SPAN 
class=regex>(?&lt;![a-z])\d{7}</SPAN>匹配<SPAN 
class=desc>前面不是小写字母的七位数字</SPAN>(实验时发现错误？注意你的“区分大小写”先项是否选中)。</P>
<P>一个更复杂的例子：<SPAN 
class=regex>(?&lt;=&lt;(\w+)&gt;).*(?=&lt;\/\1&gt;)</SPAN>匹配<SPAN 
class=desc>不包含属性的简单HTML标签内里的内容</SPAN>。<SPAN 
class=code>(&lt;?(\w+)&gt;)</SPAN>指定了这样的前缀：<SPAN 
class=desc>被尖括号括起来的单词</SPAN>(比如可能是&lt;b&gt;)，然后是<SPAN 
class=part>.*</SPAN>(任意的字符串),最后是一个后缀<SPAN 
class=part>(?=&lt;\/\1&gt;)</SPAN>。注意后缀里的<SPAN 
class=part>\/</SPAN>，它用到了前面提过的字符转义；<SPAN class=part>\1</SPAN>则是一个反向引用，引用的正是<SPAN 
class=desc>捕获的第一组</SPAN>，前面的<SPAN 
class=part>(\w+)</SPAN>匹配的内容，这样如果前缀实际上是&lt;b&gt;的话，后缀就是&lt;/b&gt;了。整个表达式匹配的是&lt;b&gt;和&lt;/b&gt;之间的内容(再次提醒，不包括前缀和后缀本身)。</P>
<H2>注释</H2>
<P>小括号的另一种用途是能过语法<SPAN 
class=code>(?#comment)</SPAN>来包含注释。要包含注释的话，最好是启用“忽略模式里的空白符”选项，这样在编写表达式时能任意的添加空格，Tab，换行，而实际使用时这些都将被忽略。启用这个选项后，在#后面到这一行结束的所有文本都将被当成注释忽略掉。例如，我们可以把上一个表达式写成这样：</P><PRE>      (?&lt;=    # 查找前缀，但不包含它
      &lt;(\w+)&gt; # 查找尖括号括起来的字母或数字(标签)
      )       # 前缀结束
      .*      # 匹配任意文本
      (?=     # 查找后缀，但不包含它
      &lt;\/\1&gt;  # 查找尖括号括起来的内容：前面是一个"/"，后面是先前捕获的标签
      )       # 后缀结束
    </PRE>
<H2>贪婪与懒惰</H2>
<P>当正则表达式中包含能接受重复的量词(指定数量的代码，例如*,{5,12}等)时，通常的行为是匹配<STRONG>尽可能多</STRONG>的字符。考虑这个表达式：<SPAN 
class=regex>a.*b</SPAN>，它将会匹配<SPAN 
class=desc>最长的以a开始，以b结束的字符串</SPAN>。如果用它来搜索<SPAN 
class=string>aabab</SPAN>的话，它会匹配整个字符串<SPAN class=desc>aabab</SPAN>。这被称为<SPAN 
class=name>贪婪</SPAN>匹配。</P>
<P>有时，我们更需要<SPAN 
class=name>懒惰</SPAN>匹配，也就是匹配<STRONG>尽可能少</STRONG>的字符。前面给出的量词都可以被转化为懒惰匹配模式，只要在它后面加上一个问号<SPAN 
class=code>?</SPAN>。这样<SPAN class=regex>.*?</SPAN>就意味着<SPAN 
class=desc>匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复</SPAN>。现在看看懒惰版的例子吧：</P>
<P><SPAN class=regex>a.*?b</SPAN>匹配<SPAN 
class=desc>最短的，以a开始，以b结束的字符串</SPAN>。如果把它应用于<SPAN 
class=string>aabab</SPAN>的话，它会匹配<SPAN class=desc>aab</SPAN>和<SPAN 
class=desc>ab</SPAN>。</P>
<TABLE cellSpacing=0>
  <CAPTION>表5.懒惰量词</CAPTION>
  <TBODY>
  <TR>
    <TD><SPAN class=code>*?</SPAN></TD>
    <TD><SPAN class=desc>重复任意次，但尽可能少重复</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>+?</SPAN></TD>
    <TD><SPAN class=desc>重复1次或更多次，但尽可能少重复</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>??</SPAN></TD>
    <TD><SPAN class=desc>重复0次或1次，但尽可能少重复</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>{n,m}?</SPAN></TD>
    <TD><SPAN class=desc>重复n到m次，但尽可能少重复</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>{n,}?</SPAN></TD>
    <TD><SPAN class=desc>重复n次以上，但尽可能少重复</SPAN></TD></TR></TBODY></TABLE>
<H2>还有些什么东西没提到</H2>
<P>我已经描述了构造正则表达式的大量元素，还有一些我没有提到的东西。下面是未提到的元素的列表，包含语法和简单的说明。你可以在网上找到更详细的参考资料来学习它们--当你需要用到它们的时候。如果你安装了MSDN 
Library,你也可以在里面找到关于.net下正则表达式详细的文档。</P>
<TABLE cellSpacing=0>
  <CAPTION>表6.尚未讨论的语法</CAPTION>
  <TBODY>
  <TR>
    <TD><SPAN class=code>\a</SPAN></TD>
    <TD><SPAN class=desc>报警字符(打印它的效果是电脑嘀一声)</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\b</SPAN></TD>
    <TD><SPAN class=desc>通常是单词分界位置，但如果在字符类里使用代表退格</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\t</SPAN></TD>
    <TD><SPAN class=desc>制表符，Tab</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\r</SPAN></TD>
    <TD><SPAN class=desc>回车</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\v</SPAN></TD>
    <TD><SPAN class=desc>竖向制表符</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\f</SPAN></TD>
    <TD><SPAN class=desc>换页符</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\n</SPAN></TD>
    <TD><SPAN class=desc>换行符</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\e</SPAN></TD>
    <TD><SPAN class=desc>Escape</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\0nn</SPAN></TD>
    <TD><SPAN class=desc>ASCII代码中八进制代码为nn的字符</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\xnn</SPAN></TD>
    <TD><SPAN class=desc>ASCII代码中十六进制代码为nn的字符</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\unnnn</SPAN></TD>
    <TD><SPAN class=desc>Unicode代码中十六进制代码为nnnn的字符</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\cN</SPAN></TD>
    <TD><SPAN class=desc>ASCII控制字符。比如\cC代表Ctrl+C</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\A</SPAN></TD>
    <TD><SPAN class=desc>字符串开头(类似^，但不受处理多行选项的影响)</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\Z</SPAN></TD>
    <TD><SPAN class=desc>字符串结尾或行尾(不受处理多行选项的影响)</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\z</SPAN></TD>
    <TD><SPAN class=desc>字符串结尾(类似$，但不受处理多行选项的影响)</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\G</SPAN></TD>
    <TD><SPAN class=desc>当前搜索的开头</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>\p{name}</SPAN></TD>
    <TD><SPAN class=desc>Unicode中命名为name的字符类，例如\p{IsGreek}</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>(?&gt;exp)</SPAN></TD>
    <TD><SPAN class=desc>贪婪子表达式</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>(?&lt;x&gt;-&lt;y&gt;exp)</SPAN></TD>
    <TD><SPAN class=desc>平衡组</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>(?-&lt;y&gt;exp)</SPAN></TD>
    <TD><SPAN class=desc>平衡组</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>(?im-nsx:exp)</SPAN></TD>
    <TD><SPAN class=desc>在子表达式exp中改变处理选项</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>(?im-nsx)</SPAN></TD>
    <TD><SPAN class=desc>为表达式后面的部分改变处理选项</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>(?(exp)yes|no)</SPAN></TD>
    <TD><SPAN 
    class=desc>把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>(?(exp)yes)</SPAN></TD>
    <TD><SPAN class=desc>同上，只是使用空表达式作为no</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>(?(name)yes|no)</SPAN></TD>
    <TD><SPAN class=desc>如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no</SPAN></TD></TR>
  <TR>
    <TD><SPAN class=code>(?(name)yes)</SPAN></TD>
    <TD><SPAN class=desc>同上，只是使用空表达式作为no</SPAN></TD></TR></TBODY></TABLE>
<H2 id=reference>一些我认为你可能已经知道的术语的参考</H2>
<DL>
  <DT>字符
  <DD>程序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。 
  <DT>字符串
  <DD>0个或更多个字符的序列。 
  <DT>文本
  <DD>文字，字符串。 
  <DT>匹配
  <DD>符合规则，检验是否符合规则，符合规则的部分。 </DD></DL>
<H2>网上的资源</H2>
<UL>
  <LI><A 
  href="http://msdn.microsoft.com/library/chs/default.asp?url=/library/CHS/jscript7/html/jsreconintroductiontoregularexpressions.asp">微软的正则表达式教程</A> 

  <LI><A href="http://www.regular-expressions.info/">专业的正则表达式教学网站(英文)</A> 
  <LI><A href="http://sourceforge.net/projects/regulator/">The Regulator官方网站</A> 
  </LI></UL></BODY></HTML>