正则表达式入门学习资料.docx

正则表达式入门学习资料正则表达式入门学习资料1概述正则表达式(RegularExpression)是一种匹配模式，描述的是一串文本的特征。正如自然语言中“高大”、“坚固”等词语抽象出来描述事物特征一样，正则表达式就是字符的高度抽象，用来描述字符串的特征。正则表达式（以下简称正则，Regex）通常不独立存在，各种编程语言和工具作为宿主语言提供对正则的支持，并根据自身语言的特点，进行一定的剪裁或扩展。正则入门很容易，有限的语法规则很容易掌握，但是目前正则的普及率并不高，主要是因为正则的流派众多，各种宿主语言提供的文档都过多的关注于自身的一些细节，而这些细节通常是初学者并不需要关注的。当然，如果想要深入的了解正则表达式，这些细节又是必须被关注的，这是后话，让我们先从正则的基础开始，进入正则表达式的世界。2正则表达式基础2.1基本概念2.1.1字符串组成对于字符串“a5”，是由两个字符“a”、“5”以及三个位置组成的，这一点对于正则表达式的匹配原理理解很重要。2.1.2占有字符和零宽度正则表达式匹配过程中，如果子表达式匹配到的是字符内容，而非位置，并被保存到最终的匹配结果中，那么就认为这个子表达式是占有字符的；如果子表达式匹配的仅仅是位置，或者匹配的内容并不保存到最终的匹配结果中，那么就认为这个子表达式是零宽度的。占有字符还是零宽度，是针对匹配的内容是否保存到最终的匹配结果中而言的。占有字符是互斥的，零宽度是非互斥的。也就是一个字符，同一时间只能由一个子表达式匹配，而一个位置，却可以同时由多个零宽度的子表达式匹配。2.1.3正则表达式构成正则表达式由两种字符构成。一种是在正则表达式中具体特殊意义的“元字符”，另一种是普通的“文本字符”。元字符可以是一个字符，如“^”，也可以是一个字符序列，如“w”。2.2元字符（MetaCharacter）2.2.1[…]字符组(CharacterClasses)字符组可以匹配[]中包含的任意一个字符。虽然可以是任意一个，但只能是一个。字符组支持由连字符“-”来表示一个范围。当“-”前后构成范围时，要求前面字符的码位小于后面字符的码位。[^…]排除型字符组。排除型字符组表示任意一个未列出的字符，同样只能是一个。排除型字符组同样支持由连字符“-”来表示一个范围。表达式说明[abc]表示“a”或“b”或“c”[0-9]表示0~9中任意一个数字，等价于[0123456789][u4e00-u9fa5]表示任意一个汉字[^a1<]表示除“a”、“1”、“<”外的其它任意一个字符[^a-z]表示除小写字母外的任意一个字符举例：“[0-9][0-9]”在匹配“Windows2003”时，匹配成功，匹配的结果为“20”。“[^inW]”在匹配“Windows2003”时，匹配成功，匹配的结果为“d”。2.2.2常见字符范围缩写对于一些常用的字符范围，如数字等，由于非常常用，即使使用[0-9]这样的字符组仍显得麻烦，所以定义了一些元字符，来表示常见的字符范围。表达式说明d任意一个数字，相当于[0-9]，即0~9中的任意一个w任意一个字母或数字或下划线，相当于[a-zA-Z0-9_]s任意空白字符，相当于[rnftv]D任意一个非数字字符，d取反，相当于[^0-9]Ww取反，相当于[^a-zA-Z0-9_]S任意非空白字符，s取反，相当于[^rnftv]举例：“wsd”在匹配“Windows2003”时，匹配成功，匹配的结果为“s2”。2.2.3.小数点小数点可以匹配除“n”以外的任意一个字符。如果要匹配包括“n”在内的所有字符，一般用[sS]，或者是用“.”加(?s)匹配模式来实现。表达式说明匹配除了换行符n以外的任意一个字符2.2.4其它元字符表达式说明^匹配字符串开始的位置，不匹配任何字符$匹配字符串结束的位置，不匹配任何字符b匹配单词边界，不匹配任何字符举例：“^a”在匹配“cba”时，匹配失败，因为表达式要求开始位置后面是字符“a”，而“cba”显然是不满足的。“d$”在匹配“123”时，匹配成功，匹配结果为“3”，这个表达式要求匹配结尾处的数字，如果结尾处不是数字，如“123abc”，则是匹配失败的。2.2.5转义字符一些不可见字符，或是在正则中具有特殊意义的元字符，如想匹配字符本身，需要用“”对其进行转义。表达式说明r，n回车和换行匹配“”本身^，$，.分别匹配“^”、“$”和“.”以下字符在匹配其本身时，通常需要进行转义。在实际应用中，根据具体情况，需要转义的字符可能不止如下所列字符.$^{[(|)*+?2.2.6量词（Quantifier）量词表示一个子表达式可以匹配的次数。量词可以用来修饰一个字符、字符组，或是用()括起来的子表达式。一些常用的量词被定义成独立的元字符。表达式说明举例{m