正则表达式详解教程.docx
- 文档编号:27297815
- 上传时间:2023-06-28
- 格式:DOCX
- 页数:49
- 大小:51.22KB
正则表达式详解教程.docx
《正则表达式详解教程.docx》由会员分享,可在线阅读,更多相关《正则表达式详解教程.docx(49页珍藏版)》请在冰豆网上搜索。
正则表达式详解教程
正则表达式(RegExp)详解
(第二版)
飘香书院整编
2018年10月14日
目录
第一章正则表达式概述
第一节正则表达式的历史
第二节正则表达式简述及作用
第二章正则表达式详解
第一节正则表达式定义及语法
第二节正则表达式中的字符
第三节正则表达式模式匹配规则
第三章正则表达式在VBScript中的应用
第一节实例入门
第二节RegExp对象
第三节Matches集合
第四节Match对象
第五节SubMatches集合
第六节实例应用
第四章JavaScript中正则表达式的使用
第一节创建RegExp对象
第二节RegExp对象的属性
第三节RegExp对象的方法
第四节实例应用
第五章正则表达式在java中应用
第一节java.util.regex类包简述
第二节Pattern类:
第三节Matcher类:
第四节几大使用方法
第五节实例应用
第一章正则表达式概述返回目录
引子
目前,正则表达式已经在很多软件中得到广泛的应用,包括*nix(Linux,Unix等),HP等操作系统,PHP,C#,Java等开发环境,以及很多的应用软件中,都可以看到正则表达式的影子。
正则表达式的使用,可以通过简单的办法来实现强大的功能。
例子:
^.+@.+\\..+$
第一节正则表达式的历史返回目录
正则表达式的“祖先”可以一直上溯至对人类神经系统如何工作的早期研究。
WarrenMcCulloch和WalterPitts这两位神经生理学家研究出一种数学方式来描述这些神经网络。
1Array56年,一位叫StephenKleene的数学家在McCulloch和Pitts早期工作的基础上,发表了一篇标题为“神经网事件的表示法”的论文,引入了正则表达式的概念。
正则表达式就是用来描述他称为“正则集的代数”的表达式,因此采用“正则表达式”这个术语。
随后,发现可以将这一工作应用于使用KenThompson的计算搜索算法的一些早期研究,KenThompson是Unix的主要发明人。
正则表达式的第一个实用应用程序就是Unix中的qed编辑器。
如他们所说,剩下的就是众所周知的历史了。
从那时起直至现在正则表达式都是基于文本的编辑器和搜索工具中的一个重要部分。
第二节正则表达式简述及作用返回目录
如果原来没有使用过正则表达式,那么可能对这个术语和概念会不太熟悉。
不过,它们并不是您想象的那么新奇。
请回想一下在硬盘上是如何查找文件的。
您肯定会使用?
和*字符来帮助查找您正寻找的文件。
?
字符匹配文件名中的单个字符,而*则匹配一个或多个字符。
一个如'data?
.dat'的模式可以找到下述文件:
data1.dat、data2.dat等等。
如果使用*字符代替?
字符,则将扩大找到的文件数量。
'data*.dat'可以匹配下述所有文件名:
data.dat、data1.dat、data12.dat等等,尽管这种搜索文件的方法肯定很有用,但也十分有限。
?
和*通配符的有限能力可以使你对正则表达式能做什么有一个概念,不过正则表达式的功能更强大,也更灵活。
在我们编写ASP程序时,经常会判断一个字符串的有效性,如;一个串是否是数字、是否是有效的Email地址等等。
如果不使用正则表达式,那么判断的程序会很长,并且容易出错,如果使用正则表达式,这些判断就是一件很轻松的工作了。
后面我们将介绍如何判断数字和Email地址的有效性。
在典型的搜索和替换操作中,必须提供要查找的确切文字。
这种技术对于静态文本中的简单搜索和替换任务可能足够了,但是由于它缺乏灵活性,因此在搜索动态文本时就有困难了,甚至是不可能的。
使用正则表达式,能完成些什么事情呢?
更多详细资料请点击此处飘香书院
(1)测试字符串的某个模式、数据有效性验证。
例如,可以对一个输入字符串进行测试,看在该字符串是否存在一个电话号码模式或一个信用卡号码模式。
这称为数据有效性验证。
(2)替换文本。
可以在文档中使用一个正则表达式来标识特定文字,然后可以全部将其删除,或者替换为别的文字。
(3)根据模式匹配从字符串中提取一个子字符串。
可以用来在文本或输入字段中查找特定文字。
例如,如果需要搜索整个web站点来删除某些过时的材料并替换某些HTML格式化标记,则可以使用正则表达式对每个文件进行测试,看在该文件中是否存在所要查找的材料或HTML格式化标记。
用这个方法,就可以将受影响的文件范围缩小到包含要删除或更改的材料的那些文件。
然后可以使用正则表达式来删除过时的材料,最后,可以再次使用正则表达式来查找并替换那些需要替换的标记。
那么,正则表达式语法的语法是如何呢?
第二章正则表达式详解返回目录
第一节正则表达式定义及语法
正则表达式(regularexpression):
就是由普通字符(例如字符a到z)以及特殊字符(称为元字符)组成的文字模式。
该模式描述在查找文字主体时待匹配的一个或多个字符串。
正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
模式表达式:
正则表达式是使用正则表达式语言描述的字符序列,该序列我们称为模式表达式,用来与字符串进行模式匹配。
这里有一些可能会遇到的正则表达式示例:
/^[]*$/注:
"^[]*$"匹配一个空白行。
/d{2}-d{5}/注:
"d{2}-d{5}"验证一个ID号码是否由一个2位数字,一个连字符以及一个5位数字组成。
/<(.*)>.*1>/注:
"<(.*)>.*1>"匹配一个HTML标记。
上面看出,模式表达式首位带有“/"。
类似于我们声明并初始化字符串可以使用String对象。
声明并初始化正则表达式对象可以使用RegExp对象,也可以直接将用”/"包含的模式表达式赋值给变量。
因此实际包含的模式表达式为d{2}-d{5}。
在vbscript中用(“”)替换(/)。
构造正则表达式的方法和创建数学表达式的方法一样。
也就是用多种元字符与操作符将小的表达式结合在一起来创建更大的表达式。
正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。
注:
列目录时, dir*.txt或ls*.txt中的*.txt就不是一个正则表达式,因为这里*与正则式的*的含义是不同的。
更多详细资料请点击此处飘香书院整理
第二节正则表达式中的字符返回目录
一、全部符号概览
字符
含义
\
将后一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。
例如,’n’匹配字符"n"。
’\n’匹配一个换行符。
序列’\\’匹配"\"而"\("则匹配"("。
^
字符串的开头。
匹配输入字符串的开始位置。
如果设置了RegExp对象的Multiline属性,^也匹配’\n’或’\r’之后的位置。
$
字符串的结尾。
匹配输入字符串的结束位置。
如果设置了RegExp对象的Multiline属性,$也匹配’\n’或’\r’之前的位置。
*
特殊数量符。
表示它前面是标记或标记组合出现任意次(包括0次)例如,zo*能匹配"z"以及"zoo"。
*等价于{0,}。
+
特殊数量符。
表示它前面是标记或标记组合出现至少一次。
(例如,’zo+’能匹配"zo"以及"zoo",但不能匹配"z"。
+等价于{1,}。
?
特殊数量符。
表示它前面是标记或标记组合出现至多一次。
(例如,"do(es)?
"可以匹配"do"或"does"中的"do"。
?
等价于{0,1}。
.
匹配除换行符(\n)之外的任意单个字符。
要匹配包括’\n’在内的任何字符,请使用象’[.\n]’的模式。
{n}
n是一个非负整数。
表示它前面的标记或标记组合出现n次。
例如,’o{2}’不能匹配"Bob"中的’o’,但是能匹配"food"中的两个o。
{n,}
n是一个非负整数。
表示它前面的标记或标记组合至少出现n次。
例如,’o{2,}’不能匹配"Bob"中的’o’,但能匹配"foooood"中的所有o。
’o{1,}’等价于’o+’。
’o{0,}’则等价于’o*’。
{n,m}
m和n均为非负整数,其中n<=m。
表示它前面的标记或标记组合出现n至m次。
例如,"o{1,3}"将匹配"fooooood"中的前三个o。
’o{0,1}’等价于’o?
’。
请注意在逗号和两个数之间不能有空格。
[xyz]
字符集合(枚举形式)。
匹配所包含的任意一个字符。
例如,’[abc]’可以匹配"plain"中的’a’。
[x-z]
字符范围,这是简化形式。
匹配指定范围内的任意字符。
例如,’[a-z]’可以匹配’a’到’z’范围内的任意小写字母字符。
[x-zX-Z0-9]
表示大小写字母及数字中任意一个。
[^xyz]
负值字符集合。
表示除了x、y、z外的任意一个。
例如,’[^abc]’可以匹配"plain"中的’p’。
[^a-z]
负值字符范围。
匹配任何不在指定范围内的任意字符。
例如,’[^a-z]’可以匹配任何不在’a’到’z’范围内的任意字符。
(abc)
表示abc这个组合。
\b
匹配一个单词边界,也就是指单词和空格间的位置。
例如,’er\b’可以匹配"never"中的’er’,但不能匹配"verb"中的’er’。
\B
匹配非单词边界。
’er\B’能匹配"verb"中的’er’,但不能匹配"never"中的’er’。
\cx
匹配由x指明的控制字符。
例如,\cM匹配一个Control-M或回车符。
x的值必须为A-Z或a-z之一。
否则,将c视为一个原义的’c’字符。
\d
匹配一个数字字符。
等价于[0-9]。
\D
匹配一个非数字字符。
等价于[^0-9]。
\f
匹配一个换页符。
等价于\x0c和\cL。
\n
匹配一个换行符。
等价于\x0a和\cJ。
\r
匹配一个回车符。
等价于\x0d和\cM。
\s
匹配任何空白字符,包括空格、制表符、换页符等等。
等价于[\f\n\r\t\v]。
\S
匹配任何非空白字符。
等价于[^\f\n\r\t\v]。
\t
\t匹配一个制表符。
等价于\x0Array和\cI。
\v
匹配一个垂直制表符。
等价于\x0b和\cK。
\w
匹配包括下划线的任何单词字符。
等价于’[A-Za-z0-9_]’。
\W
匹配任何非单词字符。
等价于’[^A-Za-z0-9_]’。
\xn
匹配n,其中n为十六进制转义值。
十六进制转义值必须为确定的两个数字长。
例如,’\x41’匹配"A"。
’\x041’则等价于’\x04’&"1"。
正则表达式中可以使用ASCII编码。
.
\num
匹配num,其中num是一个正整数。
对所获取的匹配的引用。
例如,’(.)\1’匹配两个连续的相同字符。
\n
标识一个八进制转义值或一个向后引用。
如果\n之前至少n个获取的子表达式,则n为向后引用。
否则,如果n为八进制数字(0-7),则n为一个八进制转义值。
\nm
标识一个八进制转义值或一个向后引用。
如果\nm之前至少有nm个获得子表达式,则nm为向后引用。
如果\nm之前至少有n个获取,则n为一个后跟文字m的向后引用。
如果前面的条件都不满足,若n和m均为八进制数字(0-7),则\nm将匹配八进制转义值nm。
\nml
如果n为八进制数字(0-3),且m和l均为八进制数字(0-7),则匹配八进制转义值nml。
\un
匹配n,其中n是一个用四个十六进制数字表示的Unicode字符。
例如,\u00AArray匹配版权符号(?
)。
?
当该字符紧跟在任何一个其他限制符(*,+,?
{n},{n,},{n,m})后面时,匹配模式是非贪婪的。
非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。
例如,对于字符串"oooo",’o+?
’将匹配单个"o",而’o+’将匹配所有’o’。
(pattern)
匹配pattern并获取这一匹配。
所获取的匹配可以从产生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中则使用$0…$Array属性。
要匹配圆括号字符,请使用’\(’或’\)’。
(?
:
pattern)
匹配pattern但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。
这在使用"或"字符(|)来组合一个模式的各个部分是很有用。
例如,’industr(?
:
y|ies)就是一个比’industry|industries’更简略的表达式。
(?
=pattern)
正向预查,在任何匹配pattern的字符串开始处匹配查找字符串。
这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。
例如,’Windows(?
=Array5|Array8|NT|2000)’能匹配"Windows2000"中的"Windows",但不能匹配"Windows3.1"中的"Windows"。
预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始
(?
!
pattern)
负向预查,在任何不匹配pattern的字符串开始处匹配查找字符串。
这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。
例如’Windows(?
!
Array5|Array8|NT|2000)’能匹配"Windows3.1"中的"Windows",但不能匹配"Windows2000"中的"Windows"。
预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始
x|y
匹配x或y。
例如,’z|food’能匹配"z"或"food"。
’(z|f)ood’则匹配"zood"或"food"。
二、全部符号分类返回目录
(1)按规则分
【一】普通规则
▲1、普通字符
正则表达式包括的普通字符有:
1、字母;2、数字;3、汉字;4、下划线。
▲2、简单转义字符
(1)\r回车
(2)\n换行
(3)\t 制表
(4)\^^字符本身
(5)\$$字符本身
(6)\\\本身
(7)\.小数点
▲3、多种字串匹配返回目录
\d匹配0~9任意一个数字
\w匹配A~Z,a~z,0~9,_中任意一个字符
\s空白字符(空格、Tab、换页符等)中的一个字符
.匹配除(\n)以外的任意一个字符
▲4、自定义多种字符匹配
[]匹配其中任意一个字符
[^]匹配其中字符以外的任意一个字符
[ab5@]匹配“a”或“b”或“5”或“@”
[^abc]匹配“a”、“b”、“c”之外的任意一个字符
[f-k]匹配“f”~“k”之间的任意一个字母
[^A-F0-3]匹配“A”~“F”,“0”~“3”之外的任意一个字符
▲5、修饰匹配次数(限定符)
限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。
有*或+或?
或{n}或{n,}或{n,m}共6种。
{n}表达式重复n次
例:
(1)“\w{2}”相当于“\w\w”。
(2)“a{5}”相当于“aaaaa”。
{m,n}匹配m~n次
例:
(1)“ba{1,3}”可匹配“ba”,“baa”,“baaa”。
{m,}至少重复m次
?
即{0,1}匹配0次或1次
例:
“a[cd]”可匹配“a”,“ac”,“ad”。
+即{1,}至少出现1次
例:
“a+b”可以匹配“ab”,“aab”,“aaab”……
*即{0,}不出现或出现任意次
例:
“\^*b”可以匹配“b”,“^^b”……
▲6、抽象意义特殊符号
^匹配字符串开始,但不匹配任何字符
$匹配字符串结束,但不匹配任何字符
\b匹配单词边界(单词与空格之间的位置),但不匹配任何字符
|匹配左边或右边.指明两项之间的一个选择。
要匹配|,请使用\|。
()1、匹配括号内整体被修饰。
标记一个子表达式的开始和结束位置。
子表达式可以获取供以后使用。
要匹配这些字符,请使用\(和\)。
2、取匹配结果时,括号内的内容可单独得到
例:
(1)“(go\s*)+”在匹配“Let’sgogogo”时匹配到的是“gogogo”。
(2)“¥(\d+\.?
\d*)”匹配“$10.9,¥20.5”时匹配到的是“20.5”。
[标记一个中括号表达式的开始。
要匹配[,请使用\[。
{标记限定符表达式的开始。
要匹配{,请使用\{。
▲7、定位符
用来描述字符串或单词的边界,^和$分别指字符串的开始与结束,\b描述单词的前或后边界,\B表示非单词边界。
不能对定位符使用限定符。
▲8、选择
用圆括号将所有选择项括起来,相邻的选择项之间用|分隔。
但用圆括号会有一个副作用,是相关的匹配会被缓存,此时可用?
:
放在第一个选项前来消除这种副作用。
其中?
:
是非捕获元之一,还有两个非捕获元是?
=和?
!
,这两个还有更多的含义,前者为正向预查,在任何开始匹配圆括号内的正则表达式模式的位置来匹配搜索字符串,后者为负向预查,在任何开始不匹配该正则表达式模式的位置来匹配搜索字符串。
更多详细资料请点击此处飘香书院www.px
▲9、后向引用
对一个正则表达式模式或部分模式两边添加圆括号将导致相关匹配存储到一个临时缓冲区中,所捕获的每个子匹配都按照在正则表达式模式中从左至右所遇到的内容存储。
存储子匹配的缓冲区编号从1开始,连续编号直至最大ArrayArray个子表达式。
每个缓冲区都可以使用’\n’访问,其中n为一个标识特定缓冲区的一位或两位十进制数。
可以使用非捕获元字符’?
:
’,’?
=’,or’?
!
’来忽略对相关匹配的保存。
【二】高级规则返回目录
●1、贪婪模式
“{m,n}”,“{m,}”,“?
”,“*”,“+”这类重复匹配不定次数(根据被匹配的字串才能决定),在匹配过程中,总是尽可能多的匹配,称为贪婪模式
例:
(1)(d)(\w+):
匹配“dXXXdXXXdXXXaXXaa”时,结果为
“XXXdXXXdXXXaXXaa”。
(2)(d)(\w+)(d)匹配“dXXXdXXXXaXXd”时,结果为
“XXXdXXXXaXX”(尽可能多的匹配,且为了匹配成功,\w让出最后一个d让(d)去匹配)。
●2、非贪婪模式
在修饰匹配次数的符号后加?
,则尽可能少的匹配
例:
(1)(d)(\w+?
)匹配“dXXXdXXd”,结果为“dX”。
(2)(d)(\w+?
)匹配“dXXXdXXd”,结果为“dXXXd”。
(3)(’|””)(.*?
)(\1)匹配“’Hello’,”world””时,匹配结果为’Hello’,再次匹
配结果为”world”。
(4)(\w)\1{4,}匹配“aabbbbabcdefccccc111121111999999999”时,第一次结
果为ccccc,第二次为“999999999”。
例:
“<(\w+)\s*(\w+(=(’1”).*?
\4)?
\s*)*>.*?
\1>”在匹配“ white”>”时成功,若“”与“ ”不配对时则失败。
●3、预搜索(试配)
预搜索只作为匹配的附加条件而并不真正去匹配字串,可以理解为在一个字串中匹
配符合某种条件的字串,条件本身不参与匹配结果。
预搜索分为正向搜索和反向搜索。
●4、正向搜索
(?
=XXXX)——匹配符合后面字串与XXXX匹配的字串;
(?
!
XXXX)——匹配符合后面字串不与XXXX匹配的字串。
正向搜索条件处于被匹配字串缝隙的右侧。
例:
(1)“Windows(?
=NT|XP)”在匹配“Windows98,WindowsNT,Windows2000”时,只匹配“WindowsNT”中的“Windows”。
该正则表达式的含义是与“NT”或者“XP”相匹配的“Windows”。
(2)“(\w)((?
=\1\1\1)(\1))+”匹配“aaaffffffff9999999999”时,可匹配四个“f”,也可以匹配七个“9”。
(3)“((?
!
\bstop\b))+”在匹配“fdjka|jfd|stopfjdslafdj”时,结果一直匹
配到“stop”前的位置。
(4)“do(?
!
\w)”匹配“done,do,dog”时,结果为“do”。
●5、反向搜索
(?
<=XXX)——匹配符合前面字串与XXX匹配的字串;
(?
XXX)——匹配符合前面字串不与XXX匹配的字串。
反向搜索条件处于被匹配字串缝隙的左侧。
例:
(1)“(?
<=\d{4})\d+(?
=\d{4})”匹配“1234567890123456”时,结果为“56789012”.
【三】其他通用规则返回目录
\xXX编号在0~255范围的字符,如空格“\x20”;
\uXXXX任何字符可以用“\u”加上其编号的4位十六进制数表示,如“\u4E2D”;大写:
\S匹配所有非空白字符
\D匹配所有非数字字符
\W匹配所有非字母、数字、下划线的字符
\B匹配所有非单词边界,即左右两边都是“\w”或者都不是“\w”的字符缝隙
括号“()”内的表达式,如果希望匹配结果不进行记录,则用“(?
:
XXX)”的格式。
例:
(?
:
(\w)\1+)”匹配“abbccddefg”时,结果为“bbccdd”,“\1”引用的是(\w)。
三、实例说明返回目录
/\b([a-z]+)\1\b/gi一个单词连续出现的位置
/(\w+):
\/\/([^/:
]+)(:
\d*)?
([^#]*)/将一个URL解析为协议、域、端口及相对路径
/^(?
:
Chapter|Section)[1-Array][0-Array]{0,1}$/定位章节的位置
/[-a-z]/A至z共26个字母再加一个-号。
/ter\b/可匹配chapter,而不能terminal
/\Bapt/可匹配chapter,而不能aptitude
/Windows(?
=Array5|Array8|NT)/可匹配Windows
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 正则 表达式 详解 教程
![提示](https://static.bdocx.com/images/bang_tan.gif)