精编最新正则表达式30分钟入门教程(第二版)

正则表达式正则表达式 3030 分钟入门教程分钟入门教程( (第二版第二版) )本文目标本文目标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。如何使用本教程如何使用本教程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不像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，那也是很正常的其实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 是让你明白基本道理，以后你还需要多练习，多查资料，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）。文本格式约定：专业术语专业术语 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什么是正则表达式什么是正则表达式？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。正则表达正则表达式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通配符(wildcard)(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bhib。b 是正则表达式规定的一个特殊代码（好吧，某些人叫它元字符元字符，metacharactermetacharacter），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bhib.*bLucyb。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*前边的内容可以重复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。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：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 是一个新的元字符，匹配任意的数字(0，或 1，或 2，或)。-不是元字符，只匹配它本身连字号。为了避免那么多烦人的重复，我们也可以这样写这个表达式：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)。测试正则表达式测试正则表达式如果你不觉得正则表达式很难读写的话，要么你是一个天才，要么，你不是地球人。正则表达式的语法很令人头疼，即使对经常使用它的人来说也是如此。由于难于读写，容易出错，所以很有必要创建一种工具来测试正则表达式。由于在不同的环境下正则表达式的一些细节是不相同的，本教程介绍的是 Microsoft .Net 2.0下正则表达式的行为，所以，我向你介绍一个.Net 下的工具 Regex Tester。首先你确保已经安装了.Net Framework 2.0，然后下载 Regex Tester，下载完后打开压缩包,直接运行RegexTester.exe。下面是 Regex Tester 运行时的截图：Regex Tester 运行时的截 图元字符元字符现在你已经知道几个很有用的元字符了，如b,.,*，还有d.当然还有更多的元字符，比如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。下面来试试更多的例子：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)（好吧，现在我们说说这里的单词是什么意思吧：就是几个连续的w。不错，这与学习英文时要背的成千上万个同名的东西的确关系不大）。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 个字母/数字的单词。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$匹配字符串的结束元字符（和 6 在同一个键位上的符号）以及$和b 有点类似，都匹配一个位置。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则是必须重复最少 5 次，最多 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。字符转义字符转义如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没法指定它们，因为它们会被解释成其它的意思。这时你就必须使用来取消这些字符的特殊意义。因此，你应该使用.和*。当然，要查找本身，你也得用.例如：www.unibetter.com 匹配 www.unibetter.com，c:windows 匹配 c:windows,28 匹配 28(通常这是 2 的 8 次方的书写方式)。重复重复你已经看过了前面的*,+,2,5,12这几个匹配重复的方式了。下面是正则表达式中所有指定重复的方式：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 次下面是一些使用重复的例子：Windowsd+匹配 Windows 后面跟 1 个或更多数字13d9匹配以 13 后面跟 9 个数字(中国的手机号)w+匹配一行的第一个单词(或整个字符串的第一个单词，具体匹配哪个意思得看选项设置)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的元字符，但是如果你想匹配没有预定义元字符的字符集比如元音字母(a,e,i,o,u),怎么办？很简单，你只需要在中括号里列出它们就行了，像aeiou就匹配任何一个元音字母，.?!匹配标点符号(.或?或!)(英文语句通常只以这三个标点结束)。注意，我们不需要写成.?!。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。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(2)，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)。不幸的是，它也能匹配010)12345678或(022-87654321这样的“不正确”的格式。要解决这个问题，请在本教程的下面查找答案。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。替换替换好了，现在终于到了解决 3 位或 4 位区号问题的时间了。正则表达式里的替换替换指的是有几种规则，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。你可以试试用替换|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：使用替换时使用替换时，顺序是很重顺序是很重要的要的。如果你把它改成d5|d5-d4的话，那么就只会匹配 5 位的邮