资源预览内容
第1页 / 共20页
第2页 / 共20页
第3页 / 共20页
第4页 / 共20页
第5页 / 共20页
第6页 / 共20页
第7页 / 共20页
第8页 / 共20页
第9页 / 共20页
第10页 / 共20页
亲,该文档总共20页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
正则表达式正则表达式b 是正则表达式规定的一个特殊代码(好吧,某些人叫它元字元字符,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,标点符号或者换行来分隔的,但是b 并不匹配这些单词分隔字符中的任何一个,它只匹配一个位只匹配一个位置置。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bhib“.”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使用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bhib.*bLucyb 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。0dd-dddddddd 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 8 个数字(也就是中国的电话号码。当然,这个例子只能匹配区号为 3 位的情形)。这里的d 是个新的元字符,匹配一位数字(0,或 1,或 2,或)。-不是元字符,只匹配它本身连字符(或者减号,或者中横线,或者随你怎么称呼它)。0d2-d8。 这里d 后面的2(8)的意思是前面d 必须连续重复匹配 2 次(8 次)。s 匹配任意的空白符,包括空格,制表符(Tab),换行符,中文全角空格等。w 匹配字母或数字或下划线或汉字等。baw*b 匹配以字母 a 开头的单词先是某个单词开始处(b),然后是字母 a,然后是任意数量的字母或数字(w*),最后是单词结束处(b)。d+匹配 1 个或更多连续的数字。这里的+是和*类似的元字符,不同的是*匹配重复任意次(可能是 0 次),而+则匹配重复1 次或更多次。bw6b 匹配刚好 6 个字符的单表表 1.1.常用的元字符常用的元字符代码代码说明说明.匹配除换行符以外的任意字符w匹配字母或数字或下划线或汉字s匹配任意的空白符d匹配数字b匹配单词的开始或结束匹配字符串的开始$匹配字符串的结束元字符(和数字 6 在同一个键位上的符号)和$都匹配一个位置,这和b 有点类似。匹配你要用来查找的字符串的开头,$匹配结尾。这两个代码在验证输入的内容时非常有用,比如一个网站如果要求你填写的 QQ 号必须为 5 位到 12 位数字时,可以使用:d5,12$。这里的5,12和前面介绍过的2是类似的,只不过2匹配只能不多不少重复 2 次,5,12则是重复的次数不能少于5 次,不能多于 12 次,否则都不匹配。因为使用了和$,所以输入的整个字符串都要用来和d5,12来匹配,也就是说整个输入必须是 5 到 12 个数字,因此如果输入的 QQ 号能匹配这个正则表达式的话,那就符合要求了。和忽略大小写的选项类似,有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项,和$的意义就变成了匹配行的开始处和结束处。表表 2.2.常用的限定符常用的限定符代码代码/ /语法语法说明说明*重复零次或更多次+重复一次或更多次?重复零次或一次n重复 n 次n,重复 n 次或更多次n,m重复 n 到 m 次字符类字符类: :要想查找数字,字母或数字,空白是很简单的,因为已经有了对应这些字符集合的元字符,但是如果你想匹配没有预定义元字符的字符集合(比如元音字母 a,e,i,o,u),应该怎么办?很简单,你只需要在方括号里列出它们就行了,像aeiou就匹配任何一个英文元音字母,.?!匹配标点符号(.或?或!)。我们也可以轻松地指定一个字符范围范围,像0-9代表的含意与d就是完全一致的:一位数字;同理a-z0-9A-Z_也完全等同于w(如果只考虑英文的话)。下面是一个更复杂的表达式:(?0d2) -?d8。“(”和“)”也是元字符,后面的分组节里会提到,所以在这里需要使用转义。这个表达式可以匹配几种格式的电话号码,像(010)88886666,或022-22334455,或02912345678等。我们对它进行一些分析吧:首先是一个转义字符(,它能出现 0 次或 1 次(?),然后是一个 0,后面跟着 2 个数字(d2),然后是)或-或空格中的一个,它出现 1 次或不出现(?),最后是 8 个数字(d8)。分枝条件分枝条件不幸的是,刚才那个表达式也能匹配010)12345678或(022-87654321这样的“不正确”的格式。要解决这个问题,我们需要用到分枝条件分枝条件。正则表达式里的分枝条件分枝条件指的是有几种规则,如果满足其中任意一种规则都应该当成匹配,具体方法是用|把不同的规则分隔开。听不明白?没关系,看例子:0d2-d8|0d3-d7这个表达式能匹配两种以连字号分隔的电话号码:一种是三位区号,8 位本地号(如 010-12345678),一种是 4 位区号,7 位本地号(0376-2233445)。(0d2)- ?d8|0d2- ?d8这个表达式匹配3 位区号的电话号码,其中区号可以用小括号括起来,也可以不用,区号与本地号间可以用连字号或空格间隔,也可以没有间隔。你可以试试用分枝条件把这个表达式扩展成也支持 4 位区号的。d5-d4|d5这个表达式用于匹配美国的邮政编码。美国邮编的规则是 5 位数字,或者用连字号间隔的 9 位数字。之所以要给出这个例子是因为它能说明一个问题:使用分枝条使用分枝条件时,要注意各个条件的顺序件时,要注意各个条件的顺序。如果你把它改成d5|d5-d4的话,那么就只会匹配 5 位的邮编(以及 9 位邮编的前 5位)。原因是匹配分枝条件时,将会从左到右地测试每个条件,如果满足了某个分枝的话,就不会去再管其它的条件了。分组分组我们已经提到了怎么重复单个字符(直接在字符后面加上限定符就行了);但如果想要重复多个字符又该怎么办?你可以用小括号来指定子表达式子表达式(也叫做分组分组),然后你就可以指定这个子表达式的重复次数了,你也可以对子表达式进行其它一些操作(后面会有介绍)。(d1,3.)3d1,3是一个简单的 IP 地址匹配表达式。要理解这个表达式,请按下列顺序分析它:d1,3匹配 1 到 3位的数字,(d1,3.)3匹配三位数字加上一个英文句号(这个整体也就是这个分组分组)重复 3 次,最后再加上一个一到三位的数字(d1,3)。IP 地址中每个数字都不能大于 255,大家千万不要被24第三季的编剧给忽悠了不幸的是,它也将匹配256.300.888.999这种不可能存在的 IP 地址。如果能使用算术比较的话,或许能简单地解决这个问题,但是正则表达式中并不提供关于数学的任何功能,所以只能使用冗长的分组,选择,字符类来描述一个正确的 IP 地址:(20-4d|250-5|01?dd?).)3(20-4d|250-5|01?dd?)。理解这个表达式的关键是理解 20-4d|250-5|01?dd?,这里我就不细说了,你自己应该能分析得出来它的意义。反义反义有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外,其它任意字符都行的情况,这时需要用到反义反义:表表 3.3.常用的反义代码常用的反义代码代码代码/ /语法语法说明说明W匹配任意不是字母,数字,下划线,汉字的字符S匹配任意不是空白符的字符D匹配任意非数字的字符B匹配不是单词开头或结束的位置x匹配除了 x 以外的任意字符aeiou匹配除了 aeiou 这几个字母以外的任意字符例子:S+匹配不包含空白符的字符串。+匹配用尖括号括起来的以 a 开头的字符串。后向引用后向引用使用小括号指定一个子表达式后,匹配这个子表达式的文匹配这个子表达式的文本本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下,每个分组会自动拥有一个组号组号,规则是:从左向右,以分组的左括号为标志,第一个出现的分组的组号为 1,第二个为 2,以此类推。呃其实,组号分配还不像我刚说得那么简单:分组 0 对应整个正则表达式实际上组号分配过程是要从左向右扫描两遍的:第一遍只给未命名组分配,第二遍只给命名组分配因此所有命名组的组号都大于未命名的组号你可以使用(?:exp)这样的语法来剥夺一个分组对组号分配的参与权后向引用后向引用用于重复搜索前面某个分组匹配的文本。例如,1 代表分组 1 匹配的文本。难以理解?请看示例:b(w+)bs+1b 可以用来匹配重复的单词,像go go, 或者kitty kitty。这个表达式首先是一个单词,也就是单词开始处和结束处之间的多于一个的字母或数字(b(w+)b),这个单词会被捕获到编号为 1 的分组中,然后是 1 个或几个空白符(s+),最后是分组 1 中捕获的内容(也就是前面匹配的那个单词)(1)。你也可以自己指定子表达式的组名组名。要指定一个子表达式的组名,请使用这样的语法:(?w+)(或者把尖括号换成也行:(?Wordw+),这样就把w+的组名指定为 Word 了。要反向引用这个分组捕获捕获的内容,你可以使用k,所以上一个例子也可以写成这样:b(?w+)bs+kb。使用小括号的时候,还有很多特定用途的语法。下面列出了最常用的一些:表表 4.4.常用分组语法常用分组语法分类分类代码代码/ /语法语法说说 明明(exp)匹配 exp,并捕获文本到自动命名的组里(?exp)匹配 exp,并捕获文本到名称为 name 的组里,也可以写成(?nameexp)捕获捕获(?:exp)匹配 exp,不捕获匹配的文本,也不给此分组分配组号(?=exp)匹配 exp 前面的位置(?).*(?=),这个表达式最能表现零宽断言的真正用途。一个更复杂的例子:(?).*(?=)匹配不包含属性的简单 HTML 标签内里的内容。()指定了这样的前缀前缀:被尖括号括起来的单词(比如可能是),然后是.*(任意的字符串),最后是一个后缀后缀(?=)。注意后缀里的/,它用到了前面提过的字符转义;1 则是一个反向引用,引用的正是捕获的第一组,前面的(w+)匹配的内容,这样如果前缀实际上是的话,后缀就是了。整个表达式匹配的是和之间的内容(再次提醒,不包括前缀和后缀本身)。注释注释小括号的另一种用途是通过语法(?#comment)来包含注释。例如:20-4d(?#200-249)|250-5(?#250-255)|01?dd?(?#0-199)。要包含注释的话,最好是启用“忽略模式里的空白符”选项,这样在编写表达式时能任意的添加空格,Tab,换行,而实际使用时这些都将被忽略。启用这个选项后,在#后面到这一行结束的所有文本都将被当成注释忽略掉。例如,我们可以前面的一个表达式写成这样:(? # 查找尖括号括起来的字母或数字(即 HTML/XML 标签) # 前缀结束.* # 匹配任意文本(?= # 断言要匹配的文本的后缀# 查找尖括号括起来的内容:前面是一个“/“,后面是先前捕获的标签) # 后缀结束贪婪与懒惰贪婪与懒惰当正则表达式中包含能接受重复的限定符时,通常的行为是(在使整个表达式能得到匹配的前提下)匹配尽可能多尽可能多的字符。以这个表达式为例:a.*b,它将会匹配最长的以 a 开始,以 b 结束的字符串。如果用它来搜索
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号