PDF《正则表达式基础入门教程》

正则表达式基础入门教程 日期:2007-8-1 15:34:51 出处:unibetter 大学生社区 作者:deerchao 人气:

39 目录 1.

本文目标 2. 如何使用本教程 3. 正则表达式到底是什么? 4. 入门 5. 测试正则表达式 6. 元字符 7. 字符转义 8. 重复 9. 字符类 10. 反义 11. 替换 12. 分组 13. 后向引用 14. 零宽断言 15. 负向零宽断言 16. 注释 17. 贪婪与懒惰 18. 处理选项 19. 平衡组/递归匹配 20. 还有些什么东西没提到 21. 一些我认为你可能已经知道的术语的参考 22. 网上的资源及本文参考文献 23. 更新说明 本文目标

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. 如何使用本教程 最重要的是――请给我

30 分钟,如果你没有使用正则表达式的经验,请不要试图在

30 秒内入门.当然,如果你是超人,那自然得另当别论. 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 并没有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. 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? 文本格式约定: 专业术语 元字符/语法格式 正则表达式 正则表达式中的一部分(用于分 析) 用于在其中搜索的字符串 对正则表达式或其中一部分的说明 正则表达式到底是什么? 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. 正则表达式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. 很可能你使用过 Windows/Dos 下用于文件查找的通配符(wildcard),也就是*和?.如 果你想查找某个目录下的所有的 Word 文档的话,你会搜索*.doc.在这里,*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(像010-12345678 或0376-7654321). 正则表达式是用于进行文本匹配的工具,所以本文里多次提到了在字符串里搜索/查找,这种说法的意思是在给定的字符串中,寻找与给定的正则表达式相匹配的部分.有可能 字符串里有不止一个部分满足给定的正则表达式,这时每一个这样的部分被称为一个匹配. 匹配在本文里可能会有三种意思:一种是形容词性的,比如说一个字符串匹配一个表达式;

一种是动词性的,比如说在字符串里匹配正则表达式;

还有一种是名词性的,就是刚刚说到 的 字符串中满足给定的正则表达式的一部分 . 入门 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. 假设你在一篇英文小说里查找 hi,你可以使用正则正则表达式 hi. 这是最简单的正则表达式了,它可以精确匹配这样的字符串:由两个字符组成,前一 个字符是 h,后一个是 i.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 hi,HI,Hi,hI 这四种情况中的任意一种. 不幸的是,很多单词里包含 hi 这两个连续的字符,比如 him,history,high 等等.用hi 来查找的话,这里边的 hi 也会被找出来.如果要精确地查找 hi 这个单词的话,我们应该使 用\bhi\b. \b 是正则表达式规定的一个特殊代码(好吧,某些人叫它元字符,metacharacter), 代表着单词的开头或结尾, 也就是单词的分界处. 虽然通常英文的单词是由空格或标点符号 或换行来分隔的,但是\b 并不匹配这些单词分隔符中的任何一个,它只匹配一个位置. (如 果需要更精确的说法,\b 匹配这样的位置:它的前一个字符和后一个字符不全是\w) 假如你要找的是 hi 后面不远处跟着一个 Lucy,你应该用\bhi\b.*\bLucy\b. 这里,.是另一个元字符,匹配除了换行符以外的任意字符.*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*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.因此,.*连在一起就意味着任意数量的不包含换行的字符.现在 \bhi\b.*\bLucy\b 的意思就很明显了: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. 如果同时使用其它的一些元字符,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: 0\d\d-\d\d\d\d\d\d\d\d 匹配这样的字符串:以0开头,然后是两个数字,然后是一个连 字号 - ,最后是