📄 regex30.htm
字号:
<TD>仅捕获已被显式命名的组。</TD></TR>
<TR>
<TD>ECMAScript(JavaScript兼容模式)</TD>
<TD>使表达式的行为与它在JavaScript里的行为一致。</TD></TR></TBODY></TABLE>
<P>一个经常被问到的问题是：是不是只能同时使用多行模式和单行模式中的一种？答案是：不是。这两个选项之间没有任何关系，除了它们的名字比较相似（以至于让人感到疑惑）以外。</P>
<H2 id=balancedgroup>平衡组/递归匹配</H2>
<P class=important>注意：这里介绍的平衡组语法是由.Net
Framework支持的；其它语言／库不一定支持这种功能，或者支持此功能但需要使用不同的语法。 </P>
<P>有时我们需要匹配像<SPAN class=desc>( 100 * ( 50 + 15 )
)这样的可嵌套的层次性结构</SPAN>，这时简单地使用<SPAN
class=code>\(.+\)</SPAN>则只会匹配到最左边的左括号和最右边的右括号之间的内容(这里我们讨论的是贪婪模式，懒惰模式也有下面的问题)。假如原来的字符串里的左括号和右括号出现的次数不相等，比如<SPAN
class=string>( 5 / ( 3 + 2 ) )
)</SPAN>，那我们的匹配结果里两者的个数也不会相等。有没有办法在这样的字符串里匹配到最长的，配对的括号之间的内容呢？ </P>
<P>为了避免<SPAN class=code>(</SPAN>和<SPAN
class=code>\(</SPAN>把你的大脑彻底搞糊涂，我们还是用尖括号代替圆括号吧。现在我们的问题变成了如何把<SPAN class=string>xx
<aa <bbb> <bbb> aa> yy</SPAN>这样的字符串里，最长的配对的尖括号内的内容捕获出来？ </P>
<P>这里需要用到以下的语法构造：</P>
<UL>
<LI><SPAN class=code>(?'group')</SPAN> 把捕获的内容命名为group,并压入堆栈
<LI><SPAN class=code>(?'-group')</SPAN>
从堆栈上弹出最后压入堆栈的名为group的捕获内容，如果堆栈本来为空，则本分组的匹配失败
<LI><SPAN class=code>(?(group)yes|no)</SPAN>
如果堆栈上存在以名为group的捕获内容的话，继续匹配yes部分的表达式，否则继续匹配no部分
<LI><SPAN class=code>(?!)</SPAN> 零宽负向先行断言，由于没有后缀表达式，试图匹配总是失败 </LI></UL>
<P>如果你不是一个程序员（或者你是一个对堆栈的概念不熟的程序员），你就这样理解上面的三种语法吧：第一个就是在黑板上写一个
"group"，第二个就是从黑板上擦掉一个"group"，第三个就是看黑板上写的还有没有"group"，如果有就继续匹配yes部分，否则就匹配
no部分。</P>
<P>我们需要做的是每碰到了左括号，就在黑板上写一个"group"，每碰到一个右括号，就擦掉一个，到了最后就看看黑板上还有没有－－如果有那就证明左括号比右括号多，那匹配就应该失败。
</P><PRE class=regex>< #最外层的左括号
[^<>]* #最外层的左括号后面的不是括号的内容
(
(
(?'Open'<) #碰到了左括号，在黑板上写一个"Open"
[^<>]* #匹配左括号后面的不是括号的内容
)+
(
(?'-Open'>) #碰到了右括号，擦掉一个"Open"
[^<>]* #匹配右括号后面不是括号的内容
)+
)*
(?(Open)(?!)) #在遇到最外层的右括号前面，判断黑板上还有没有没擦掉的"Open"；如果还有，则匹配失败
> #最外层的右括号</PRE>
<P>平衡组的一个最常见的应用就是匹配HTML,下面这个例子可以匹配<SPAN class=desc>嵌套的<div>标签</SPAN>：<SPAN
class=regex><div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div></SPAN>.</P>
<H2 id=more>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7.尚未详细讨论的语法</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>(?>exp)</SPAN></TD>
<TD><SPAN class=desc>贪婪子表达式</SPAN></TD></TR>
<TR>
<TD><SPAN class=code>(?<x>-<y>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=contact>联系作者</H2>
<P>好吧,我承认,我骗了你,读到这里你肯定花了不止30分钟.相信我,这是我的错,而不是因为你太笨.我之所以说"30分钟",是为了让你有信心,有耐心继续下去.既然你看到了这里,那证明我的阴谋成功了.上这种当的滋味还不错吧?</P>
<P>要投诉我,或者觉得我其实可以做得更好,或者有任何其它问题,欢迎来<A
href="http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html">我的博客</A>进行讨论.</P>
<H2 id=ad>最后,来点广告...</H2>
<DIV class=ad>
<SCRIPT type=text/javascript><!--
google_ad_client = "pub-1134642721173543";
/* 正则,unibetter, 728x15, created 2/6/08 */
google_ad_slot = "1045243270";
google_ad_width = 728;
google_ad_height = 15;
//-->
</SCRIPT>
<SCRIPT src="正则表达式30分钟入门教程.files/show_ads.js" type=text/javascript>
</SCRIPT>
</DIV>
<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。
<DT>断言
<DD>声明一个应该为真的事实。只有当断言为真时才会对正则表达式继续进行匹配。 </DD></DL>
<H2 id=resources>网上的资源及本文参考文献</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://msdn2.microsoft.com/zh-cn/library/system.text.regularexpressions.regex.aspx">System.Text.RegularExpressions.Regex类(MSDN)</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://weblogs.asp.net/whaggard/archive/2005/02/20/377025.aspx">关于.Net下的平衡组的详细讨论（英文）</A>
<LI><A href="http://www.oreilly.com/catalog/regex2/">Mastering Regular
Expressions (Second Edition)</A> </LI></UL>
<H2 id=updatelog>更新说明</H2>
<OL>
<LI>2006-3-27 第一版
<LI>2006-10-12 第二版
<UL>
<LI>修正了几个细节上的错误和不准确的地方
<LI>增加了对处理中文时的一些说明
<LI>更改了几个术语的翻译（采用了MSDN的翻译方式）
<LI>增加了平衡组的介绍
<LI>放弃了对The Regulator的介绍，改用Regex Tester </LI></UL>
<LI>2007-3-12 V2.1
<UL>
<LI>修正了几个小的错误
<LI>增加了对处理选项(RegexOptions)的介绍 </LI></UL>
<LI>2007-5-28 V2.2
<UL>
<LI>重新组织了对零宽断言的介绍
<LI>删除了几个不太合适的示例，添加了几个实用的示例
<LI>其它一些微小的更改 </LI></UL>
<LI>2007-8-3 V2.21
<UL>
<LI>修改了几处文字错误
<LI>修改/添加了对$,\b的精确说明
<LI>承认了作者是个骗子
<LI>给RegexTester添加了Singleline选项的相关功能 </LI></UL></LI></OL>
<P class=webStandards><A
href="http://validator.w3.org/check?uri=referer">Validated XHTML 1.0 Strict</A>
<A href="http://jigsaw.w3.org/css-validator/check/referer">Validated CSS 2.1</A>
<SCRIPT type=text/javascript><!--
google_ad_client = "pub-1134642721173543";
/* FireFox - 正则 unibetter，创建于 08-2-15 */
google_ad_slot = "1367490761";
google_ad_output = "textlink";
google_ad_format = "ref_text";
google_cpa_choice = ""; // on file
//-->
</SCRIPT>
<SCRIPT src="正则表达式30分钟入门教程.files/show_ads.js" type=text/javascript>
</SCRIPT>
<!--<a href="http://www.mozilla.com/">推荐使用Mozilla FireFox浏览</a>--></P></BODY></HTML>
⌨️ 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 + -