正規表達式學習筆記

正規表達式是非常好的工具，先舉個例子吧,如果我要比對("<  zeei seg=1&&88;")這個字元串，應該怎麼比對呢？如果寫java代碼非常麻煩，如果換了正規表達式就非常簡單了，這裡給個例子大家看看。

  matcher m = p.matcher("<  zeei seg=1&&88;");

  boolean b = m.matches();

system.out.println(b);

好了，步入正題，下面的東西我轉自竹筍炒肉的内容。非常不錯的。

　正規表達式(regular expression)描述了一種字元串比對的模式，可以用來檢查一個串是否含有某種子串、将比對的子串做替換或者從某個串中取出符合某個條件的子串等。

　　為便于了解和記憶，先從一些概念入手，所有特殊字元或字元組合有一個總表在後面，最後一些例子供了解相應的概念。

　　是由普通字元（例如字元 a 到 z）以及特殊字元（稱為元字元）組成的文字模式。正規表達式作為一個模闆，将某個字元模式與所搜尋的字元串進行比對。

　　可以通過在一對分隔符之間放入表達式模式的各種元件來構造一個正規表達式，即/expression/

　　由所有那些未顯式指定為元字元的列印和非列印字元組成。這包括所有的大寫和小寫字母字元，所有數字，所有标點符号以及一些符号。

字元

含義

/cx

比對由x指明的控制字元。例如， /cm 比對一個 control-m 或回車符。x 的值必須為 a-z 或 a-z 之一。否則，将 c 視為一個原義的 'c' 字元。

/f

比對一個換頁符。等價于 /x0c 和 /cl。

/n

比對一個換行符。等價于 /x0a 和 /cj。

/r

比對一個回車符。等價于 /x0d 和 /cm。

/s

比對任何空白字元，包括空格、制表符、換頁符等等。等價于 [ /f/n/r/t/v]。

比對任何非空白字元。等價于 [^ /f/n/r/t/v]。

/t

比對一個制表符。等價于 /x09 和 /ci。

/v

比對一個垂直制表符。等價于 /x0b 和 /ck。

　　所謂特殊字元，就是一些有特殊含義的字元，如上面說的"*.txt"中的*，簡單的說就是表示任何字元串的意思。如果要查找檔案名中有＊的檔案，則需要對＊進行轉義，即在其前加一個/。ls /*.txt。正規表達式有以下特殊字元。

特别字元

說明

$

比對輸入字元串的結尾位置。如果設定了 regexp 對象的 multiline 屬性，則 $ 也比對 '/n' 或 '/r'。要比對 $ 字元本身，請使用 /$。

( )

标記一個子表達式的開始和結束位置。子表達式可以擷取供以後使用。要比對這些字元，請使用 /( 和 /)。

*

比對前面的子表達式零次或多次。要比對 * 字元，請使用 /*。

+

比對前面的子表達式一次或多次。要比對 + 字元，請使用 /+。

.

比對除換行符 /n之外的任何單字元。要比對 .，請使用 /。

[

标記一個中括号表達式的開始。要比對 [，請使用 /[。

?

比對前面的子表達式零次或一次，或指明一個非貪婪限定符。要比對 ? 字元，請使用 /?。

/

将下一個字元标記為或特殊字元、或原義字元、或向後引用、或八進制轉義符。例如， 'n' 比對字元 'n'。'/n' 比對換行符。序列 '//' 比對 "/"，而 '/(' 則比對 "("。

^

比對輸入字元串的開始位置，除非在方括号表達式中使用，此時它表示不接受該字元集合。要比對 ^ 字元本身，請使用 /^。

{

标記限定符表達式的開始。要比對 {，請使用 /{。

|

指明兩項之間的一個選擇。要比對 |，請使用 /|。

　　構造正規表達式的方法和建立數學表達式的方法一樣。也就是用多種元字元與操作符将小的表達式結合在一起來建立更大的表達式。正規表達式的元件可以是單個的字元、字元集合、字元範圍、字元間的選擇或者所有這些元件的任意組合。

　　限定符用來指定正規表達式的一個給定元件必須要出現多少次才能滿足比對。有*或+或?或{n}或{n,}或{n,m}共6種。

*、+和?限定符都是貪婪的，因為它們會盡可能多的比對文字，隻有在它們的後面加上一個?就可以實作非貪婪或最小比對。

　　正規表達式的限定符有：

描述

比對前面的子表達式零次或多次。例如，zo* 能比對 "z" 以及 "zoo"。* 等價于{0,}。

比對前面的子表達式一次或多次。例如，'zo+' 能比對 "zo" 以及 "zoo"，但不能比對 "z"。+ 等價于 {1,}。

比對前面的子表達式零次或一次。例如，"do(es)?" 可以比對 "do" 或 "does" 中的"do" 。? 等價于 {0,1}。

{n}

n 是一個非負整數。比對确定的 n 次。例如，'o{2}' 不能比對 "bob" 中的 'o'，但是能比對 "food" 中的兩個 o。

{n,}

n 是一個非負整數。至少比對n 次。例如，'o{2,}' 不能比對 "bob" 中的 'o'，但能比對 "foooood" 中的所有 o。'o{1,}' 等價于 'o+'。'o{0,}' 則等價于 'o*'。

{n,m}

m 和 n 均為非負整數，其中n <= m。最少比對 n 次且最多比對 m 次。例如，"o{1,3}" 将比對 "fooooood" 中的前三個 o。'o{0,1}' 等價于 'o?'。請注意在逗号和兩個數之間不能有空格。

　　用來描述字元串或單詞的邊界，^和$分别指字元串的開始與結束，/b描述單詞的前或後邊界，/b表示非單詞邊界。不能對定位符使用限定符。

　　用圓括号将所有選擇項括起來，相鄰的選擇項之間用|分隔。但用圓括号會有一個副作用，是相關的比對會被緩存，此時可用?:放在第一個選項前來消除這種副作用。

　　其中?:是非捕獲元之一，還有兩個非捕獲元是?=和?!，這兩個還有更多的含義，前者為正向預查，在任何開始比對圓括号内的正規表達式模式的位置來比對搜尋字元串，後者為負向預查，在任何開始不比對該正規表達式模式的位置來比對搜尋字元串。

　　對一個正規表達式模式或部分模式兩邊添加圓括号将導緻相關比對存儲到一個臨時緩沖區中，所捕獲的每個子比對都按照在正規表達式模式中從左至右所遇到的内容存儲。存儲子比對的緩沖區編号從 1 開始，連續編号直至最大 99 個子表達式。每個緩沖區都可以使用 '/n' 通路，其中 n 為一個辨別特定緩沖區的一位或兩位十進制數。

　　可以使用非捕獲元字元 '?:', '?=', or '?!' 來忽略對相關比對的儲存。

　　相同優先級的從左到右進行運算，不同優先級的運算先高後低。各種操作符的優先級從高到低如下：

操作符

轉義符

(), (?:), (?=), []

圓括号和方括号

*, +, ?, {n}, {n,}, {n,m}

限定符

^, $, /anymetacharacter

位置和順序

“或”操作

将下一個字元标記為一個特殊字元、或一個原義字元、或一個 向後引用、或一個八進制轉義符。例如，'n' 比對字元 "n"。'/n' 比對一個換行符。序列 '//' 比對 "/" 而 "/(" 則比對 "("。

比對輸入字元串的開始位置。如果設定了 regexp 對象的 multiline 屬性，^ 也比對 '/n' 或 '/r' 之後的位置。

比對輸入字元串的結束位置。如果設定了regexp 對象的 multiline 屬性，$ 也比對 '/n' 或 '/r' 之前的位置。

當該字元緊跟在任何一個其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 後面時，比對模式是非貪婪的。非貪婪模式盡可能少的比對所搜尋的字元串，而預設的貪婪模式則盡可能多的比對所搜尋的字元串。例如，對于字元串 "oooo"，'o+?' 将比對單個 "o"，而 'o+' 将比對所有 'o'。

比對除 "/n" 之外的任何單個字元。要比對包括 '/n' 在内的任何字元，請使用象 '[./n]' 的模式。

(pattern)

比對 pattern 并擷取這一比對。所擷取的比對可以從産生的 matches 集合得到，在vbscript 中使用 submatches 集合，在jscript 中則使用 $0…$9 屬性。要比對圓括号字元，請使用 '/(' 或 '/)'。

(?:pattern)

比對 pattern 但不擷取比對結果，也就是說這是一個非擷取比對，不進行存儲供以後使用。這在使用 "或" 字元 (|) 來組合一個模式的各個部分是很有用。例如， 'industr(?:y|ies) 就是一個比 'industry|industries' 更簡略的表達式。

(?=pattern)

正向預查，在任何比對 pattern 的字元串開始處比對查找字元串。這是一個非擷取比對，也就是說，該比對不需要擷取供以後使用。例如，'windows (?=95|98|nt|2000)' 能比對 "windows 2000" 中的 "windows" ，但不能比對 "windows 3.1" 中的 "windows"。預查不消耗字元，也就是說，在一個比對發生後，在最後一次比對之後立即開始下一次比對的搜尋，而不是從包含預查的字元之後開始。

(?!pattern)

負向預查，在任何不比對 pattern 的字元串開始處比對查找字元串。這是一個非擷取比對，也就是說，該比對不需要擷取供以後使用。例如'windows (?!95|98|nt|2000)' 能比對 "windows 3.1" 中的 "windows"，但不能比對 "windows 2000" 中的 "windows"。預查不消耗字元，也就是說，在一個比對發生後，在最後一次比對之後立即開始下一次比對的搜尋，而不是從包含預查的字元之後開始

x|y

比對 x 或 y。例如，'z|food' 能比對 "z" 或 "food"。'(z|f)ood' 則比對 "zood" 或 "food"。

[xyz]

字元集合。比對所包含的任意一個字元。例如， '[abc]' 可以比對 "plain" 中的 'a'。

[^xyz]

負值字元集合。比對未包含的任意字元。例如， '[^abc]' 可以比對 "plain" 中的'p'。

[a-z]

字元範圍。比對指定範圍内的任意字元。例如，'[a-z]' 可以比對 'a' 到 'z' 範圍内的任意小寫字母字元。

[^a-z]

負值字元範圍。比對任何不在指定範圍内的任意字元。例如，'[^a-z]' 可以比對任何不在 'a' 到 'z' 範圍内的任意字元。

/b

比對一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er/b' 可以比對"never" 中的 'er'，但不能比對 "verb" 中的 'er'。

比對非單詞邊界。'er/b' 能比對 "verb" 中的 'er'，但不能比對 "never" 中的 'er'。

比對由 x 指明的控制字元。例如， /cm 比對一個 control-m 或回車符。x 的值必須為 a-z 或 a-z 之一。否則，将 c 視為一個原義的 'c' 字元。

/d

比對一個數字字元。等價于 [0-9]。

比對一個非數字字元。等價于 [^0-9]。

/w

比對包括下劃線的任何單詞字元。等價于'[a-za-z0-9_]'。

比對任何非單詞字元。等價于 '[^a-za-z0-9_]'。

/xn

比對 n，其中 n 為十六進制轉義值。十六進制轉義值必須為确定的兩個數字長。例如，'/x41' 比對 "a"。'/x041' 則等價于 '/x04' & "1"。正規表達式中可以使用 ascii 編碼。.

/num

比對 num，其中 num 是一個正整數。對所擷取的比對的引用。例如，'(.)/1' 比對兩個連續的相同字元。

辨別一個八進制轉義值或一個向後引用。如果 /n 之前至少 n 個擷取的子表達式，則 n 為向後引用。否則，如果 n 為八進制數字 (0-7)，則 n 為一個八進制轉義值。

/nm

辨別一個八進制轉義值或一個向後引用。如果 /nm 之前至少有 nm 個獲得子表達式，則 nm 為向後引用。如果 /nm 之前至少有 n 個擷取，則 n 為一個後跟文字 m 的向後引用。如果前面的條件都不滿足，若 n 和 m 均為八進制數字 (0-7)，則 /nm 将比對八進制轉義值 nm。

/nml

如果 n 為八進制數字 (0-3)，且 m 和 l 均為八進制數字 (0-7)，則比對八進制轉義值 nml。

/un

比對 n，其中 n 是一個用四個十六進制數字表示的 unicode 字元。例如， /u00a9 比對版權符号 (?)。

正規表達式

//b([a-z]+) /1/b/gi

一個單詞連續出現的位置

/(/w+):////([^/:]+)(:/d*)?([^# ]*)/

将一個url解析為協定、域、端口及相對路徑

/^(?:chapter|section) [1-9][0-9]{0,1}$/

定位章節的位置

/[-a-z]/

a至z共26個字母再加一個-号。

/ter/b/

可比對chapter，而不能terminal

//bapt/

可比對chapter，而不能aptitude

/windows(?=95 |98 |nt )/

可比對windows95或windows98或windowsnt,當找到一個比對後，從windows後面開始進行下一次的檢索比對。

參考文獻：

http://www.soulogic.com/code/doc/regularexpressions/