正则表达式（regular expressionQ描qC一U字W串匚w的模式，可以用来Q（1Q检查一个串中是否含有符合某个规则的子串Qƈ且可以得到这个子ԌQ?Q根据匹配规则对字符串进行灵zȝ替换操作?/p>
正则表达式学习v来其实是很简单的Q不多的几个较ؓ抽象的概念也很容易理解。之所以很多h感觉正则表达式比较复杂，一斚w是因为大多数的文档没有做到由入深地讲解Q概念上没有注意先后序Q给读者的理解带来困难Q另一斚wQ各U引擎自带的文档一般都要介l它Ҏ(gu)的功能，然而这部分Ҏ(gu)的功能ƈ不是我们首先要理解的?/p>
文章中的每一个D例，都可以点击进入到试面q行试。闲话少_开始?/p>
--------------------------------------------------------------------------------
1. 正则表达式规?br />1.1 普通字W?br /> 字母、数字、汉字、下划线、以及后边章节中没有Ҏ(gu)定义的标点符P都是"普通字W?。表辑ּ中的普通字W，在匹配一个字W串的时候，匚w与之相同的一个字W?/p>
举例1Q表辑ּ "c"Q在匚w字符?"abcde" Ӟ匚wl果是：成功Q匹配到的内Ҏ(gu)Q?c"Q匹配到的位|是Q开始于2Q结束于3。（注：下标?开始还是从1开始，因当前编E语a的不同而可能不同）
举例2Q表辑ּ "bcd"Q在匚w字符?"abcde" Ӟ匚wl果是：成功Q匹配到的内Ҏ(gu)Q?bcd"Q匹配到的位|是Q开始于1Q结束于4?/p>
--------------------------------------------------------------------------------
1.2 单的转义字符
一些不便书写的字符Q采用在前面?"\" 的方法。这些字W其实我们都已经熟知了?/p>
表达?br /> 可匹?br />
\r, \n
代表回R和换行符
\t
制表W?br />
\\
代表 "\" 本n
q有其他一些在后边章节中有Ҏ(gu)用处的标点符P在前面加 "\" 后，׃表该W号本n。比如：^, $ 都有Ҏ(gu)意义Q如果要惛_配字W串?"^" ?"$" 字符Q则表达式就需要写?"\^" ?"\$"?/p>
表达?br /> 可匹?br />
\^
匚w ^ W号本n
\$
匚w $ W号本n
\.
匚w数点（.Q本w?br />
q些转义字符的匹配方法与 "普通字W? 是类似的。也是匹配与之相同的一个字W?/p>
举例1Q表辑ּ "\$d"Q在匚w字符?"abc$de" Ӟ匚wl果是：成功Q匹配到的内Ҏ(gu)Q?$d"Q匹配到的位|是Q开始于3Q结束于5?/p>
--------------------------------------------------------------------------------
1.3 能够?'多种字符' 匚w的表辑ּ
正则表达式中的一些表C方法，可以匚w '多种字符' 其中的Q意一个字W。比如，表达?"\d" 可以匚wL一个数字。虽然可以匹配其中Q意字W，但是只能是一个，不是多个。这好比玩扑克牌时候，大小王可以代替Q意一张牌Q但是只能代替一张牌?/p>
表达?br /> 可匹?br />
\d
L一个数字，0~9 中的L一?br />
\w
L一个字母或数字或下划线Q也是 A~Z,a~z,0~9,_ 中Q意一?br />
\s
包括I格、制表符、换늬{空白字W的其中L一?br />
.
数点可以匹配除了换行符Q\nQ以外的L一个字W?br />
举例1Q表辑ּ "\d\d"Q在匚w "abc123" Ӟ匚w的结果是Q成功；匚w到的内容是："12"Q匹配到的位|是Q开始于3Q结束于5?/p>
举例2Q表辑ּ "a.\d"Q在匚w "aaa100" Ӟ匚w的结果是Q成功；匚w到的内容是："aa1"Q匹配到的位|是Q开始于1Q结束于4?/p>
--------------------------------------------------------------------------------
1.4 自定义能够匹?'多种字符' 的表辑ּ
使用Ҏ(gu)?[ ] 包含一pd字符Q能够匹配其中Q意一个字W。用 [^ ] 包含一pd字符Q则能够匚w其中字符之外的Q意一个字W。同L道理Q虽然可以匹配其中Q意一个，但是只能是一个，不是多个?/p>
表达?br /> 可匹?br />
[ab5@]
匚w "a" ?"b" ?"5" ?"@"
[^abc]
匚w "a","b","c" 之外的Q意一个字W?br />
[f-k]
匚w "f"~"k" 之间的Q意一个字?br />
[^A-F0-3]
匚w "A"~"F","0"~"3" 之外的Q意一个字W?br />
举例1Q表辑ּ "[bcd][bcd]" 匚w "abc123" Ӟ匚w的结果是Q成功；匚w到的内容是："bc"Q匹配到的位|是Q开始于1Q结束于3?/p>
举例2Q表辑ּ "[^abc]" 匚w "abc123" Ӟ匚w的结果是Q成功；匚w到的内容是："1"Q匹配到的位|是Q开始于3Q结束于4?/p>
--------------------------------------------------------------------------------
1.5 修饰匚wơ数的特D符?br /> 前面章节中讲到的表达式，无论是只能匹配一U字W的表达式，q是可以匚w多种字符其中L一个的表达式，都只能匹配一ơ。如果用表辑ּ再加上修饰匹配次数的Ҏ(gu)W号Q那么不用重复书写表辑ּ可以重复匹配?/p>
使用Ҏ(gu)是："ơ数修饰"攑֜"被修饰的表达?后边。比如："[bcd][bcd]" 可以写成 "[bcd]{2}"?/p>
表达?br /> 作用
{n}
表达式重复nơ，比如Q?\w{2}" 相当?"\w\w"Q?a{5}" 相当?"aaaaa"
{m,n}
表达式至重复mơ，最多重复nơ，比如Q?ba{1,3}"可以匚w "ba"?baa"?baaa"
{m,}
表达式至重复mơ，比如Q?\w\d{2,}"可以匚w "a12","_456","M12344"...
?
匚w表达?ơ或?ơ，相当?{0,1}Q比如："a[cd]?"可以匚w "a","ac","ad"
+
表达式至出?ơ，相当?{1,}Q比如："a+b"可以匚w "ab","aab","aaab"...
*
表达式不出现或出CQ意次Q相当于 {0,}Q比如："\^*b"可以匚w "b","^^^b"...
举例1Q表辑ּ "\d+\.?\d*" 在匹?"It costs $12.5" Ӟ匚w的结果是Q成功；匚w到的内容是："12.5"Q匹配到的位|是Q开始于10Q结束于14?/p>
举例2Q表辑ּ "go{2,8}gle" 在匹?"Ads by goooooogle" Ӟ匚w的结果是Q成功；匚w到的内容是："goooooogle"Q匹配到的位|是Q开始于7Q结束于17?/p>
--------------------------------------------------------------------------------
1.6 其他一些代表抽象意义的Ҏ(gu)W号
一些符号在表达式中代表抽象的特D意义：
表达?br /> 作用
^
与字W串开始的地方匚wQ不匚wM字符
$
与字W串l束的地方匹配，不匹配Q何字W?br />
\b
匚w一个单词边界，也就是单词和I格之间的位|，不匹配Q何字W?br />
q一步的文字说明仍然比较抽象Q因此，举例帮助大家理解?/p>
举例1Q表辑ּ "^aaa" 在匹?"xxx aaa xxx" Ӟ匚wl果是：p|。因?"^" 要求与字W串开始的地方匚wQ因此，只有?"aaa" 位于字符串的开头的时候，"^aaa" 才能匚wQ比如："aaa xxx xxx"?/p>
举例2Q表辑ּ "aaa$" 在匹?"xxx aaa xxx" Ӟ匚wl果是：p|。因?"$" 要求与字W串l束的地方匹配，因此Q只有当 "aaa" 位于字符串的l尾的时候，"aaa$" 才能匚wQ比如："xxx xxx aaa"?/p>
举例3Q表辑ּ ".\b." 在匹?"@@@abc" Ӟ匚wl果是：成功Q匹配到的内Ҏ(gu)Q?@a"Q匹配到的位|是Q开始于2Q结束于4?br /> q一步说明："\b" ?"^" ?"$" cMQ本w不匚wM字符Q但是它要求它在匚wl果中所处位|的左右两边Q其中一Ҏ(gu) "\w" 范围Q另一Ҏ(gu) ?\w" 的范围?/p>
举例4Q表辑ּ "\bend\b" 在匹?"weekend,endfor,end" Ӟ匚wl果是：成功Q匹配到的内Ҏ(gu)Q?end"Q匹配到的位|是Q开始于15Q结束于18?/p>
一些符号可以媄响表辑ּ内部的子表达式之间的关系Q?/p>
表达?br /> 作用
|
左右两边表达式之?"? 关系Q匹配左Ҏ(gu)者右?br />
( )
(1). 在被修饰匚wơ数的时候，括号中的表达式可以作为整体被修饰
(2). 取匹配结果的时候，括号中的表达式匹配到的内容可以被单独得到
举例5Q表辑ּ "Tom|Jack" 在匹配字W串 "I'm Tom, he is Jack" Ӟ匚wl果是：成功Q匹配到的内Ҏ(gu)Q?Tom"Q匹配到的位|是Q开始于4Q结束于7。匹配下一个时Q匹配结果是Q成功；匚w到的内容是："Jack"Q匹配到的位|时Q开始于15Q结束于19?/p>
举例6Q表辑ּ "(go\s*)+" 在匹?"Let's go go go!" Ӟ匚wl果是：成功Q匹配到内容是："go go go"Q匹配到的位|是Q开始于6Q结束于14?/p>
举例7Q表辑ּ "K?\d+\.?\d*)" 在匹?"Q?0.9,K?0.5" Ӟ匚w的结果是Q成功；匚w到的内容是："K?0.5"Q匹配到的位|是Q开始于6Q结束于10。单独获取括可围匹配到的内Ҏ(gu)Q?20.5"?/p>
--------------------------------------------------------------------------------
2. 正则表达式中的一些高U规?br />2.1 匚wơ数中的贪婪与非贪婪
在用修饰匹配次数的Ҏ(gu)W号Ӟ有几U表C方法可以同一个表辑ּ能够匚w不同的次敎ͼ比如Q?{m,n}", "{m,}", "?", "*", "+"Q具体匹配的ơ数随被匚w的字W串而定。这U重复匹配不定次数的表达式在匚wq程中，L可能多的匹配。比如，针对文本 "dxxxdxxxd"QD例如下：
表达?br /> 匚wl果
(d)(\w+)
"\w+" 匹配第一?"d" 之后的所有字W?"xxxdxxxd"
(d)(\w+)(d)
"\w+" 匹配第一?"d" 和最后一?"d" 之间的所有字W?"xxxdxxx"。虽?"\w+" 也能够匹配上最后一?"d"Q但是ؓ了整个表达式匹配成功，"\w+" 可以 "让出" 它本来能够匹配的最后一?"d"
由此可见Q?\w+" 在匹配的时候，L可能多的匹配符合它规则的字W。虽然第二个举例中，它没有匹配最后一?"d"Q但那也是ؓ了让整个表达式能够匹配成功。同理，?"*" ?"{m,n}" 的表辑ּ都是可能地多匹配，?"?" 的表辑ּ在可匚w可不匚w的时候，也是可能的 "要匹?。这 U匹配原则就叫作 "贪婪" 模式 ?/p>
非贪婪模式：
在修饰匹配次数的Ҏ(gu)W号后再加上一?"?" P则可以匚wơ数不定的表辑ּ可能少的匹配，使可匚w可不匚w的表辑ּQ尽可能?"不匹?。这U匹配原则叫?"非贪? 模式Q也叫作 "勉强" 模式。如果少匚w׃D整个表达式匹配失败的时候，与贪婪模式类|非贪婪模式会最限度的再匹配一些，以整个表达式匹配成功。D例如下，针对文本 "dxxxdxxxd" 举例Q?/p>
表达?br /> 匚wl果
(d)(\w+?)
"\w+?" 尽可能的匚wW一?"d" 之后的字W，l果是："\w+?" 只匹配了一?"x"
(d)(\w+?)(d)
Z让整个表辑ּ匚w成功Q?\w+?" 不得不匹?"xxx" 才可以让后边?"d" 匚wQ从而整个表达式匹配成功。因此，l果是："\w+?" 匚w "xxx"
更多的情况，举例如下Q?/p>
举例1Q表辑ּ "<td>(.*)</td>" 与字W串 "<td><p>aa</p></td> <td><p>bb</p></td>" 匚wӞ匚w的结果是Q成功；匚w到的内容?"<td><p>aa</p></td> <td><p>bb</p></td>" 整个字符Ԍ 表达式中?"</td>" 与字符串中最后一?"</td>" 匚w?
举例2Q相比之下，表达?"<td>(.*?)</td>" 匚w举例1中同L字符串时Q将只得?"<td><p>aa</p></td>"Q?再次匚w下一个时Q可以得到第二个 "<td><p>bb</p></td>"?/p>
--------------------------------------------------------------------------------
2.2 反向引用 \1, \2...
表达式在匚wӞ表达式引擎会小括号 "( )" 包含的表辑ּ所匚w到的字符串记录下来。在获取匚wl果的时候，括号包含的表达式所匚w到的字符串可以单独获取。这一点，在前面的举例中，已经多次展示了。在实际应用场合中，当用某种边界来查找，而所要获取的内容又不包含边界Ӟ必须使用括h指定所要的范围。比如前面的 "<td>(.*?)</td>"?/p>
其实Q?括号包含的表达式所匚w到的字符? 不仅是在匚wl束后才可以使用Q在匚wq程中也可以使用。表辑ּ后边的部分，可以引用前面 "括号内的子匹配已l匹配到的字W串"。引用方法是 "\" 加上一个数字?\1" 引用W?Ҏ(gu)号内匚w到的字符Ԍ"\2" 引用W?Ҏ(gu)号内匚w到的字符东y…以此类推，如果一Ҏ(gu)号内包含另一Ҏ(gu)P则外层的括号先排序号。换句话_哪一对的左括?"(" 在前Q那q一对就先排序号?/p>
举例如下Q?/p>
举例1Q表辑ּ "('|")(.*?)(\1)" 在匹?" 'Hello', "World" " Ӟ匚wl果是：成功Q匹配到的内Ҏ(gu)Q? 'Hello' "。再ơ匹配下一个时Q可以匹配到 " "World" "?/p>
举例2Q表辑ּ "(\w)\1{4,}" 在匹?"aa bbbb abcdefg ccccc 111121111 999999999" Ӟ匚wl果是：成功Q匹配到的内Ҏ(gu) "ccccc"。再ơ匹配下一个时Q将得到 999999999。这个表辑ּ要求 "\w" 范围的字W至重?ơ，注意?"\w{5,}" 之间的区别?/p>
举例3Q表辑ּ "<(\w+)\s*(\w+(=('|").*?\4)?\s*)*>.*?</\1>" 在匹?"<td id='td1' style="bgcolor:white"></td>" Ӟ匚wl果是成功。如?"<td>" ?"</td>" 不配对，则会匚wp|Q如果改成其他配对，也可以匹配成功?/p>
--------------------------------------------------------------------------------
2.3 预搜索，不匹配；反向预搜索，不匹?br /> 前面的章节中Q我讲到了几个代表抽象意义的Ҏ(gu)W号Q?^"Q?$"Q?\b"。它们都有一个共同点Q那是Q它们本w不匚wM字符Q只是对 "字符串的两头" 或?"字符之间的缝? 附加了一个条件。理解到q个概念以后Q本节将l箋介绍另外一U对 "两头" 或?"~隙" 附加条g的，更加灉|的表C方法?/p>
正向预搜索："(?=xxxxx)"Q?(?!xxxxx)"
格式Q?(?=xxxxx)"Q在被匹配的字符串中Q它Ҏ(gu)处的 "~隙" 或?"两头" 附加的条件是Q所在缝隙的右侧Q必能够匹配上 xxxxx q部分的表达式。因为它只是在此作ؓq个~隙上附加的条gQ所以它q不影响后边的表辑ּȝ正匹配这个缝隙之后的字符。这q?"\b"Q本w不匚wM字符?\b" 只是所在缝隙之前、之后的字符取来q行了一下判断，不会影响后边的表辑ּ来真正的匚w?/p>
举例1Q表辑ּ "Windows (?=NT|XP)" 在匹?"Windows 98, Windows NT, Windows 2000" Ӟ只匚w "Windows NT" 中的 "Windows "Q其他的 "Windows " 字样则不被匹配?/p>
举例2Q表辑ּ "(\w)((?=\1\1\1)(\1))+" 在匹配字W串 "aaa ffffff 999999999" Ӟ可以匹??f"的前4个，可以匚w9?9"的前7个。这个表辑ּ可以读解成：重复4ơ以上的字母数字Q则匚w其剩下最?位之前的部分。当Ӟq个表达式可以不q样写，在此的目的是作ؓ演示之用?/p>
格式Q?(?!xxxxx)"Q所在缝隙的右侧Q必M能匹?xxxxx q部分表辑ּ?/p>
举例3Q表辑ּ "((?!\bstop\b).)+" 在匹?"fdjka ljfdl stop fjdsla fdj" Ӟ从头一直匹配到 "stop" 之前的位|，如果字符串中没有 "stop"Q则匚w整个字符丌Ӏ?/p>
举例4Q表辑ּ "do(?!\w)" 在匹配字W串 "done, do, dog" Ӟ只能匚w "do"。在本条举例中，"do" 后边使用 "(?!\w)" 和?"\b" 效果是一L?/p>
反向预搜索："(?<=xxxxx)"Q?(?<!xxxxx)"
q两U格式的概念和正向预搜烦是类似的Q反向预搜烦要求的条件是Q所在缝隙的 "左侧"Q两U格式分别要求必能够匹配和必须不能够匹配指定表辑ּQ而不是去判断右侧。与 "正向预搜? 一L是：它们都是Ҏ(gu)在缝隙的一U附加条Ӟ本n都不匚wM字符?/p>
举例5Q表辑ּ "(?<=\d{4})\d+(?=\d{4})" 在匹?"1234567890123456" Ӟ匹配除了前4个数字和?个数字之外的中间8个数字。由?JScript.RegExp 不支持反向预搜烦Q因此，本条举例不能够进行演C。很多其他的引擎可以支持反向预搜索，比如QJava 1.4 以上?java.util.regex 包，.NET 中System.Text.RegularExpressions 命名I间Qboost::regex 以及 GRETA 正则表达式库{?/p>
--------------------------------------------------------------------------------
3. 其他通用规则
q有一些在各个正则表达式引擎之间比较通用的规则，在前面的讲解q程中没有提到?/p>
3.1 表达式中Q可以?"\xXX" ?"\uXXXX" 表示一个字W（"X" 表示一个十六进制数Q?/p>
形式
字符范围
\xXX
~号?0 ~ 255 范围的字W，比如Q空格可以?"\x20" 表示
\uXXXX
M字符可以使用 "\u" 再加上其~号?位十六进制数表示Q比如："\u4E2D"
3.2 在表辑ּ "\s"Q?\d"Q?\w"Q?\b" 表示Ҏ(gu)意义的同Ӟ对应的大写字母表C相反的意义
表达?br /> 可匹?br />
\S
匚w所有非I白字符Q?\s" 可匹配各个空白字W）
\D
匚w所有的非数字字W?br />
\W
匚w所有的字母、数字、下划线以外的字W?br />
\B
匚w非单词边界，卛_右两辚w?"\w" 范围或者左右两辚w不是 "\w" 范围时的字符~隙
3.3 在表辑ּ中有Ҏ(gu)意义Q需要添?"\" 才能匚w该字W本w的字符汇?/p>
字符
说明
^
匚w输入字符串的开始位|。要匚w "^" 字符本nQ请使用 "\^"
$
匚w输入字符串的l尾位置。要匚w "$" 字符本nQ请使用 "\$"
( )
标记一个子表达式的开始和l束位置。要匚w括P请?"\(" ?"\)"
[ ]
用来自定义能够匹?'多种字符' 的表辑ּ。要匚w中括P请?"\[" ?"\]"
{ }
修饰匚wơ数的符受要匚w大括P请?"\{" ?"\}"
.
匚w除了换行W（\nQ以外的L一个字W。要匚w数Ҏ(gu)w，请?"\."
?
修饰匚wơ数?0 ơ或 1 ơ。要匚w "?" 字符本nQ请使用 "\?"
+
修饰匚wơ数?1 ơ。要匚w "+" 字符本nQ请使用 "\+"
*
修饰匚wơ数?0 ơ或Lơ。要匚w "*" 字符本nQ请使用 "\*"
|
左右两边表达式之?"? 关系。匹?"|" 本nQ请使用 "\|"
3.4 括号 "( )" 内的子表辑ּQ如果希望匹配结果不q行记录供以后用，可以使用 "(?:xxxxx)" 格式
举例1Q表辑ּ "(?:(\w)\1)+" 匚w "a bbccdd efg" Ӟl果?"bbccdd"。括?"(?:)" 范围的匹配结果不q行记录Q因?"(\w)" 使用 "\1" 来引用?/p>
3.5 常用的表辑ּ属性设|简介：IgnorecaseQSinglelineQMultilineQGlobal
表达式属?br /> 说明
Ignorecase
默认情况下，表达式中的字母是要区分大写的。配|ؓ Ignorecase 可匚w时不区分大小写。有的表辑ּ引擎Q把 "大小? 概念延?UNICODE 范围的大写?br />
Singleline
默认情况下，数?"." 匚w除了换行W（\nQ以外的字符。配|ؓ Singleline 可ɞ数点可匚w包括换行W在内的所有字W?br />
Multiline
默认情况下，表达?"^" ?"$" 只匹配字W串的开??和结??位置。如Q?/p>
①xxxxxxxxx②\n
③xxxxxxxxx?/p>
配置?Multiline 可以?"^" 匚w ?外，q可以匹配换行符之后Q下一行开始前 ?的位|，?"$" 匚w ?外，q可以匹配换行符之前Q一行结??的位|?br />
Global
主要在将表达式用来替换时起作用，配置?Global 表示替换所有的匚w?br />
--------------------------------------------------------------------------------
4. l合提示
4.1 如果要要求表辑ּ所匚w的内Ҏ(gu)整个字符Ԍ而不是从字符串中找一部分Q那么可以在表达式的首尾使用 "^" ?"$"Q比如："^\d+$" 要求整个字符串只有数字?/p>
4.2 如果要求匚w的内Ҏ(gu)一个完整的单词Q而不会是单词的一部分Q那么在表达式首?"\b"Q比如：使用 "\b(if|while|else|void|int…?\b" 来匹配程序中的关键字?/p>
4.3 表达式不要匹配空字符丌Ӏ否则会一直得到匹配成功，而结果什么都没有匚w到。比如：准备写一个匹?"123"?123."?123.5"?.5" q几UŞ式的表达式时Q整数、小数点、小数数字都可以省略Q但是不要将表达式写成："\d*\.?\d*"Q因为如果什么都没有Q这个表辑ּ也可以匹配成功。更好的写法是："\d+\.?\d*|\.\d+"?/p>
4.4 能匹配空字符串的子匹配不要@环无限次。如果括号内的子表达式中的每一部分都可以匹?0 ơ，而这个括h体又可以匚w无限ơ，那么情况可能比上一条所说的更严重，匚wq程中可能死循环。虽然现在有些正则表辑ּ引擎已经通过办法避免了这U情况出现死循环了，比如 .NET 的正则表辑ּQ但是我们仍然应该尽量避免出现这U情c如果我们在写表辑ּ旉Cd@环，也可以从q一点入手，查找一下是否是本条所说的原因?/p>
4.5 合理选择贪婪模式与非贪婪模式Q参见话题讨论?/p>
4.6 ?"|" 的左右两边，Ҏ(gu)个字W最好只有一边可以匹配，q样Q不会因?"|" 两边的表辑ּ因ؓ交换位置而有所不同?/p>
]]>