2011年（489）
分类：
2011-09-03 23:38:15
原文地址：揭开正则表达式的神秘面纱（1） 作者：plaindealer
本文转自：
正则表达式（regular expression）就是用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如 表达式“ab+” 描述的特征是“一个 'a' 和 任意个 'b' ”，那么 'ab', 'abb', 'abbbbbbbbbb' 都符合这个特征。
正则表达式可以用来：（1）验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。（2）用来查找字符串，从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便。（3）用来替换，比普通的替换更强大。
正则表达式学习起来其实是很简单的，不多的几个较为抽象的概念也很容易理解。之所以很多人感觉正则表达式比较复杂，一方面是因为大多数的文档没有做到由浅
入深地讲解，概念上没有注意先后顺序，给读者的理解带来困难；另一方面，各种引擎自带的文档一般都要介绍它特有的功能，然而这部分特有的功能并不是我们首
先要理解的。
文章中的每一个举例，都可以点击进入到测试页面进行测试。闲话少说，开始。
字母、数字、汉字、下划线、以及后边章节中没有特殊定义的标点符号，都是"普通字符"。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。
，匹配结果是：成功；匹配到的内容是："c"；匹配到的位置是：开始于2，结束于3。（注：下标从0开始还是从1开始，因当前编程语言的不同而可能不同）
，匹配结果是：成功；匹配到的内容是："bcd"；匹配到的位置是：开始于1，结束于4。
一些不便书写的字符，采用在前面加 "\" 的方法。这些字符其实我们都已经熟知了。
|
表达式 |
可匹配 |
|
\r, \n |
代表回车和换行符 |
|
\t |
制表符 |
|
\\ |
代表 "\" 本身 |
还有其他一些在后边章节中有特殊用处的标点符号，在前面加 "\" 后，就代表该符号本身。比如：^, $ 都有特殊意义，如果要想匹配字符串中 "^" 和 "$" 字符，则表达式就需要写成 "\^" 和 "\$"。
|
表达式 |
可匹配 |
|
\^ |
匹配 ^ 符号本身 |
|
\$ |
匹配 $ 符号本身 |
|
\. |
匹配小数点（.）本身 |
这些转义字符的匹配方法与 "普通字符" 是类似的。也是匹配与之相同的一个字符。
，匹配结果是：成功；匹配到的内容是："$d"；匹配到的位置是：开始于3，结束于5。
正则表达式中的一些表示方法，可以匹配 '多种字符' 其中的任意一个字符。比如，表达式 "\d" 可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。这就好比玩扑克牌时候，大小王可以代替任意一张牌，但是只能代替一张牌。
|
表达式 |
可匹配 |
|
\d |
任意一个数字，0~9 中的任意一个 |
|
\w |
任意一个字母或数字或下划线，也就是 A~Z,a~z,0~9,_ 中任意一个 |
|
\s |
包括空格、制表符、换页符等空白字符的其中任意一个 |
|
. |
小数点可以匹配除了换行符（\n）以外的任意一个字符 |
，匹配的结果是：成功；匹配到的内容是："12"；匹配到的位置是：开始于3，结束于5。
，匹配的结果是：成功；匹配到的内容是："aa1"；匹配到的位置是：开始于1，结束于4。
使用方括号 [ ] 包含一系列字符，能够匹配其中任意一个字符。用 [^ ] 包含一系列字符，则能够匹配其中字符之外的任意一个字符。同样的道理，虽然可以匹配其中任意一个，但是只能是一个，不是多个。
|
表达式 |
可匹配 |
|
[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 |
，匹配的结果是：成功；匹配到的内容是："bc"；匹配到的位置是：开始于1，结束于3。
，匹配的结果是：成功；匹配到的内容是："1"；匹配到的位置是：开始于3，结束于4。
前面章节中讲到的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。如果使用表达式再加上修饰匹配次数的特殊符号，那么不用重复书写表达式就可以重复匹配。
使用方法是："次数修饰"放在"被修饰的表达式"后边。比如："[bcd][bcd]" 可以写成 "[bcd]{2}"。
|
表达式 |
作用 |
|
{n} |
表达式重复n次，比如：； |
|
{m,n} |
表达式至少重复m次，最多重复n次，比如： |
|
{m,} |
表达式至少重复m次，比如： |
|
? |
匹配表达式0次或者1次，相当于 {0,1}，比如： |
|
+ |
表达式至少出现1次，相当于 {1,}，比如： |
|
* |
表达式不出现或出现任意次，相当于 {0,}，比如： |
，匹配的结果是：成功；匹配到的内容是："12.5"；匹配到的位置是：开始于10，结束于14。
，匹配的结果是：成功；匹配到的内容是："goooooogle"；匹配到的位置是：开始于7，结束于17。
一些符号在表达式中代表抽象的特殊意义：
|
表达式 |
作用 |
|
^ |
与字符串开始的地方匹配，不匹配任何字符 |
|
$ |
与字符串结束的地方匹配，不匹配任何字符 |
|
\b |
匹配一个单词边界，也就是单词和空格之间的位置，不匹配任何字符 |
进一步的文字说明仍然比较抽象，因此，举例帮助大家理解。
，匹配结果是：失败。因为 "^" 要求与字符串开始的地方匹配，因此，只有当 "aaa" 位于字符串的开头的时候，"^aaa" 才能匹配，。
，匹配结果是：失败。因为 "$" 要求与字符串结束的地方匹配，因此，只有当 "aaa" 位于字符串的结尾的时候，"aaa$" 才能匹配，。
，匹配结果是：成功；匹配到的内容是："@a"；匹配到的位置是：开始于2，结束于4。
进一步说明："\b" 与 "^" 和 "$" 类似，本身不匹配任何字符，但是它要求它在匹配结果中所处位置的左右两边，其中一边是 "\w" 范围，另一边是 非"\w" 的范围。
，匹配结果是：成功；匹配到的内容是："end"；匹配到的位置是：开始于15，结束于18。
一些符号可以影响表达式内部的子表达式之间的关系：
|
表达式 |
作用 |
|
| |
左右两边表达式之间 "或" 关系，匹配左边或者右边 |
|
( ) |
(1). 在被修饰匹配次数的时候，括号中的表达式可以作为整体被修饰 |
，匹配结果是：成功；匹配到的内容是："Tom"；匹配到的位置是：开始于4，结束于7。匹配下一个时，匹配结果是：成功；匹配到的内容是："Jack"；匹配到的位置时：开始于15，结束于19。
，匹配结果是：成功；匹配到内容是："go go go"；匹配到的位置是：开始于6，结束于14。
，匹配的结果是：成功；匹配到的内容是："￥20.5"；匹配到的位置是：开始于6，结束于10。单独获取括号范围匹配到的内容是："20.5"。
