文章分享

正則表達式 - 語法

普通字符

普通字符包括沒有顯式指定為元字符的所有可打印和不可打印字符。這包括所有大寫和小寫字母、所有數(shù)字、所有標點符號和一些其他符號。

非打印字符

非打印字符也可以是正則表達式的組成部分。下表列出了表示非打印字符的轉(zhuǎn)義序列：

特殊字符

所謂特殊字符，就是一些有特殊含義的字符，如上面說的"*.txt"中的*，簡單的說就是表示任何字符串的意思。如果要查找文件名中有*的文件，則需要對*進行轉(zhuǎn)義，即在其前加一個\。ls \*.txt。

許多元字符要求在試圖匹配它們時特別對待。若要匹配這些特殊字符，必須首先使字符"轉(zhuǎn)義"，即，將反斜杠字符 (\) 放在它們前面。下表列出了正則表達式中的特殊字符：

限定符

限定符用來指定正則表達式的一個給定組件必須要出現(xiàn)多少次才能滿足匹配。有*或+或?或{n}或{n,}或{n,m}共6種。

正則表達式的限定符有：

由于章節(jié)編號在大的輸入文檔中會很可能超過九，所以您需要一種方式來處理兩位或三位章節(jié)編號。限定符給您這種能力。下面的正則表達式匹配編號為任何位數(shù)的章節(jié)標題：

/Chapter [1-9][0-9]*/

請注意，限定符出現(xiàn)在范圍表達式之后。因此，它應(yīng)用于整個范圍表達式，在本例中，只指定從 0 到 9 的數(shù)字（包括 0 和 9）。

這里不使用 + 限定符，因為在第二個位置或后面的位置不一定需要有一個數(shù)字。也不使用？字符，因為它將章節(jié)編號限制到只有兩位數(shù)。您需要至少匹配 Chapter 和空格字符后面的一個數(shù)字。

如果您知道章節(jié)編號被限制為只有 99 章，可以使用下面的表達式來至少指定一位但至多兩位數(shù)字。

/Chapter [0-9]{1,2}/

上面的表達式的缺點是，大于 99 的章節(jié)編號仍只匹配開頭兩位數(shù)字。另一個缺點是 Chapter 0 也將匹配。只匹配兩位數(shù)字的更好的表達式如下：

/Chapter [1-9][0-9]?/

或

/Chapter [1-9][0-9]{0,1}/

*、+和?限定符都是貪婪的，因為它們會盡可能多的匹配文字，只有在它們的后面加上一個?就可以實現(xiàn)非貪婪或最小匹配。

例如，您可能搜索 HTML 文檔，以查找括在 H1 標記內(nèi)的章節(jié)標題。該文本在您的文檔中如下：

<H1>Chapter 1 – Introduction to Regular Expressions</H1>

下面的表達式匹配從開始小于符號 (<) 到關(guān)閉 H1 標記的大于符號 (>) 之間的所有內(nèi)容。

/<.*>/

如果您只需要匹配開始 H1 標記，下面的"非貪心"表達式只匹配 <H1>。

/<.*?>/

通過在 *、+ 或 ? 限定符之后放置 ?，該表達式從"貪心"表達式轉(zhuǎn)換為"非貪心"表達式或者最小匹配。

定位符

定位符使您能夠?qū)⒄齽t表達式固定到行首或行尾。它們還使您能夠創(chuàng)建這樣的正則表達式，這些正則表達式出現(xiàn)在一個單詞內(nèi)、在一個單詞的開頭或者一個單詞的結(jié)尾。

定位符用來描述字符串或單詞的邊界，^和$分別指字符串的開始與結(jié)束，\b描述單詞的前或后邊界，\B表示非單詞邊界。

正則表達式的限定符有：

注意：不能將限定符與定位點一起使用。由于在緊靠換行或者字邊界的前面或后面不能有一個以上位置，因此不允許諸如 ^* 之類的表達式。

若要匹配一行文本開始處的文本，請在正則表達式的開始使用 ^ 字符。不要將 ^ 的這種用法與中括號表達式內(nèi)的用法混淆。

若要匹配一行文本的結(jié)束處的文本，請在正則表達式的結(jié)束處使用 $ 字符。

若要在搜索章節(jié)標題時使用定位點，下面的正則表達式匹配一個章節(jié)標題，該標題只包含兩個尾隨數(shù)字，并且出現(xiàn)在行首：

/^Chapter [1-9][0-9]{0,1}/

真正的章節(jié)標題不僅出現(xiàn)行的開始處，而且它還是該行中僅有的文本。它即出現(xiàn)在行首又出現(xiàn)在同一行的結(jié)尾。下面的表達式能確保指定的匹配只匹配章節(jié)而不匹配交叉引用。通過創(chuàng)建只匹配一行文本的開始和結(jié)尾的正則表達式，就可做到這一點。

/^Chapter [1-9][0-9]{0,1}$/

匹配字邊界稍有不同，但向正則表達式添加了很重要的能力。字邊界是單詞和空格之間的位置。非字邊界是任何其他位置。下面的表達式匹配單詞 Chapter 的開頭三個字符，因為這三個字符出現(xiàn)字邊界后面：

/\bCha/

\b 字符的位置是非常重要的。如果它位于要匹配的字符串的開始，它在單詞的開始處查找匹配項。如果它位于字符串的結(jié)尾，它在單詞的結(jié)尾處查找匹配項。例如，下面的表達式匹配單詞 Chapter 中的字符串 ter，因為它出現(xiàn)在字邊界的前面：

/ter\b/

下面的表達式匹配 Chapter 中的字符串 apt，但不匹配 aptitude 中的字符串 apt：

/\Bapt/

字符串 apt 出現(xiàn)在單詞 Chapter 中的非字邊界處，但出現(xiàn)在單詞 aptitude 中的字邊界處。對于 \B 非字邊界運算符，位置并不重要，因為匹配不關(guān)心究竟是單詞的開頭還是結(jié)尾。

選擇

用圓括號將所有選擇項括起來，相鄰的選擇項之間用|分隔。但用圓括號會有一個副作用，是相關(guān)的匹配會被緩存，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(yù)查，在任何開始匹配圓括號內(nèi)的正則表達式模式的位置來匹配搜索字符串，后者為負向預(yù)查，在任何開始不匹配該正則表達式模式的位置來匹配搜索字符串。

反向引用

對一個正則表達式模式或部分模式兩邊添加圓括號將導(dǎo)致相關(guān)匹配存儲到一個臨時緩沖區(qū)中，所捕獲的每個子匹配都按照在正則表達式模式中從左到右出現(xiàn)的順序存儲。緩沖區(qū)編號從 1 開始，最多可存儲 99 個捕獲的子表達式。每個緩沖區(qū)都可以使用 '\n' 訪問，其中 n 為一個標識特定緩沖區(qū)的一位或兩位十進制數(shù)。

可以使用非捕獲元字符 '?:'、'?=' 或 '?!' 來重寫捕獲，忽略對相關(guān)匹配的保存。

反向引用的最簡單的、最有用的應(yīng)用之一，是提供查找文本中兩個相同的相鄰單詞的匹配項的能力。以下面的句子為例：

Is is the cost of of gasoline going up up?

上面的句子很顯然有多個重復(fù)的單詞。如果能設(shè)計一種方法定位該句子，而不必查找每個單詞的重復(fù)出現(xiàn)，那該有多好。下面的正則表達式使用單個子表達式來實現(xiàn)這一點：

/\b([a-z]+) \1\b/gi

捕獲的表達式，正如 [a-z]+ 指定的，包括一個或多個字母。正則表達式的第二部分是對以前捕獲的子匹配項的引用，即，單詞的第二個匹配項正好由括號表達式匹配。\1 指定第一個子匹配項。字邊界元字符確保只檢測整個單詞。否則，諸如"is issued"或"this is"之類的詞組將不能正確地被此表達式識別。

正則表達式后面的全局標記 (g) 指示，將該表達式應(yīng)用到輸入字符串中能夠查找到的盡可能多的匹配。表達式的結(jié)尾處的不區(qū)分大小寫 (i) 標記指定不區(qū)分大小寫。多行標記指定換行符的兩邊可能出現(xiàn)潛在的匹配。

反向引用還可以將通用資源指示符 (URI) 分解為其組件。假定您想將下面的 URI 分解為協(xié)議（ftp、http 等等）、域地址和頁/路徑：

http://www.w3cschool.cn:80/html/html-tutorial.html

下面的正則表達式提供該功能：

/(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)/

第一個括號子表達式捕獲 Web 地址的協(xié)議部分。該子表達式匹配在冒號和兩個正斜杠前面的任何單詞。第二個括號子表達式捕獲地址的域地址部分。子表達式匹配 / 或 : 之外的一個或多個字符。第三個括號子表達式捕獲端口號（如果指定了的話）。該子表達式匹配冒號后面的零個或多個數(shù)字。只能重復(fù)一次該子表達式。最后，第四個括號子表達式捕獲 Web 地址指定的路徑和/或頁信息。該子表達式能匹配不包括 # 或空格字符的任何字符序列。

將正則表達式應(yīng)用到上面的 URI，各子匹配項包含下面的內(nèi)容：

• 第一個括號子表達式包含"http"

• 第二個括號子表達式包含"www.w3cschool.cn"

• 第三個括號子表達式包含":80"

• 第四個括號子表達式包含"/html/html-tutorial.html"