【黑马程序员】10. 正则表达式总结

---------------------- ASP.Net+Android+IOS开发、.Net培训、期待与您交流！ ----------------------

一直以来对正则表达式的使用存在很多疑惑，正则表达式中的符号太多太杂，记忆起来有一定的难度，容易混淆。不过，如果真的熟练掌握了正则，那会是一件多么幸福的事，因为它可以通过简短的代码来实现非常强大的功能。为了加深对这些特殊符号的记忆和用到的时候方便查阅，所以写了这篇日志。

一、 正则表达式概述

正则表达式（regular expression）描述了一种字符串匹配的模式，可以用来检查一个字符串中是否含有某个子串，将匹配的子串从某个串中提取出来或者对匹配的子串做替换。这就是正则表达式要做的事。

正则表达式是由普通字符（如字母a-z）以及特殊字符（称为元字符）组成的文字模式。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

二、常用符号解释

字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。
^	匹配输入字符串的开始位置。
$	匹配输入字符串的结束位置。
* 等价于{0,}	匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。
+等价于{1,}	匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。
?等价于{0,1}	匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。
{n}	匹配前面的子表达式确定的 n 次，n 是一个非负整数。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,}	匹配前面的子表达式至少n 次，n 是一个非负整数。例如，'p{2,}' 不能匹配 "hope" 中的 'p'，但能匹配 "happppy" 中的所有 p。' p{1,}' 等价于 'o+'，'o{0,}' 则等价于 'o*'。
{n,m}	匹配前面的子表达式至少 n 次且最多 m 次，m 和 n 均为非负整数且n <= m。例如，"p{1,3}" 将匹配 "happppppy" 中的前三个 p。'p{0,1}' 等价于 'p?'。注意在逗号和两个数之间不能有空格。
?	当 ? 紧跟在任何一个其他限制符 (*,+,?,{n},{n,},m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。
.	匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使像 '[.\n]' 的模式。
(pattern)	匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '\(' 或 '\)'。
(?:pattern)	匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) '就是一个比 'industry|industries' 更简略的表达式。
(?=pattern)	正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符
(x|y)	匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。
[xyz]	字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\cx	匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符、回车符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
\W	匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。
\xn	匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。.
\num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\nml	如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
\un	匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。

三、正则表达式匹配规则

1、 基本模式匹配

模式是正则表达式最基本的元素，它们是一组描述字符串特征的字符。模式可以很简单，由普通的字符串组成，也可以非常复杂，往往用特殊的字符表示一个范围内的字符、重复出现，或表示上下文。例如：^once：这个模式包含一个特殊的字符^，表示该模式只匹配那些以once开头的字符串。例如该模式与字符串"once upon a time"匹配，与"There once was a man from NewYork"不匹配。

正如如^符号表示开头一样，$符号用来匹配那些以给定模式结尾的字符串。例如：bucket$：这个模式与"Who kept all of this cash in a bucket"匹配，与"buckets"不匹配。

字符^和$同时使用时，表示精确匹配（字符串与模式一样）。例如：^bucket$只匹配字符串"bucket"。

如果一个模式不包括^和$，那么它与任何包含该模式的字符串匹配。例如：once与字符串”There once was a man from NewYork”是匹配的。在该模式中的字母(o-n-c-e)是字面的字符，也就是说，他们表示该字母本身，数字也是一样的。

其他一些稍微复杂的字符，如标点符号和白字符（空格、制表符等），要用到转义序列。所有的转义序列都用反斜杠(\)打头。制表符的转义序列是：\t。用\n表示“新行”，\r表示回车。其他的特殊符号，可以用在前面加上反斜杠，如反斜杠本身用\\表示，句号.用\.表示，以此类推。

2、 字符簇

在网页中，通常用正规表达式来验证用户的输入。当用户提交一个FORM以后，要判断输入的电话号码、地址、EMAIL地址、信用卡号码等信息是否有效，用普通的基于字面的字符是不够的。所以要用一种更自由的描述我们要的模式的办法，它就是字符簇，即把所有的字符放在一个方括号里。

例如：建立一个表示所有元音字符的字符簇可以这样写：[AaEeIiOoUu]，这个模式与任何元音字符匹配（无论大写还是小写），但只能表示一个字符。

用连字符“-”可以表示字符的范围，例如：

[a-z] //匹配所有的小写字母
[A-Z] //匹配所有的大写字母
[a-zA-Z] //匹配所有的字母
[0-9] //匹配所有的数字
[0-9\.\-] //匹配所有的数字，句号和减号
[ \f\r\t\n] //匹配所有的白字符

同样，这些每个字符簇也只表示一个字符。

如果要匹配一个由一个小写字母和一位数字组成的字符串，比如"z2"、"t6"或"g7"，但不是"ab2"、"r2d3" 或"b52"的话，用这个模式：^[a-z][0-9]$，尽管[a-z]代表26个字母的范围，但在这里它只能与第一个字符是小写字母的字符串匹配。

前面曾经提到^表示字符串的开头，但它还有另外一个含义。当在一组方括号里使用^是，它表示“非”或“排除”的意思，常常用来排除某个字符。还用前面的例子，我们要求第一个字符不能是数字：^[^0-9][0-9]$，这个模式与"&5"、"g7"及"-2"是匹配的，但与"12"、"66"是不匹配的。

下面是几个排除特定字符的例子：

[^a-z] //除了小写字母以外的所有字符
[^\\\/\^] //除了(\)(/)(^)之外的所有字符
[^\"\'] //除了双引号(")和单引号(')之外的所有字符

特殊字符"." (点，句号)表示除了“\n”之外的所有字符。所以模式"^.5$"与任何两个字符的、以数字5结尾和以其他非“新行”字符开头的字符串匹配。

模式"."可以匹配任何字符串，除了空串和只包括一个“\n”的字符串。

3、 重复匹配

在更多的情况下，可能要匹配一个单词或一组数字。一个单词有若干个字母组成，一组数字有若干个单数组成。跟在字符或字符簇后面的花括号({})用来确定前面的内容的重复出现的次数。

例如：

^[a-zA-Z_]$ //匹配所有的字母和下划线

^a$ //匹配字母a

^a{4}$ //匹配“aaaa”

\t{2} //匹配两个制表符

.{2} //匹配所有的两个字符

^a{2,}$ //匹配开头包含多于两个a的字符串

^a{2,} //匹配开头至少含有2个a的字符串如：aardvark和aaab，但apple不行

a{2,} //匹配串中至少连续出现2个a，如：baad和aaa，但Nantucket不行

^a{2,4}$ //匹配串开头a至少2次且至多4次，如：aa,aaa或aaaa

^a{1,3}$ //匹配串开头a至少1次且至多3次，如：a,aa或aaa

这些例子描述了花括号的三种不同的用法：

{x}：表示前面的字符或字符簇只出现x次；

{x,}：表示前面的内容出现x或更多的次数；

{x,y}：表示“前面的内容至少出现x次，但不超过y次”。

我们可以把模式扩展到更多的单词或数字，例如:

^[a-zA-Z0-9_]{1,}$ //所有包含一个以上的字母、数字或下划线的字符串 ^[0-9]{1,}$ //所有的正数

^\-{0,1}[0-9]{1,}$ //所有的整数

^\-{0,1}[0-9]{0,}\.{0,}$ //所有的小数

最后一个例子不太好理解,这么来看：与所有以一个可选的负号(\-{0,1})开头(^)、跟着0个或更多的数字([0-9]{0,})、和一个可选的小数点(\.{0,1})再跟上0个或多个数字([0-9]{0,})，并且没有其他任何东西($)。

下面你将知道能够使用的更为简单的方法。

特殊字符"?"与{0,1}是相等的，它们都代表着：“0个或1个前面的内容”或“前面的内容是可选的”。所以这个模式

^\-{0,}$

可以简化为：

^\-?[0-9]{0,}\.?[0-9]{0,}$

特殊字符"*"与{0,}是相等的，它们都代表着“0个或多个前面的内容”。

特殊字符"+"与{1,}是相等的，表示“1个或多个前面的内容”。

所以上面的4个例子可以写成：

^[a-zA-Z0-9_]+$ //所有包含一个以上的字母、数字或下划线的字符串
^[0-9]+$ //所有的正数
^\-?[0-9]+$ //所有的整数
^\-?[0-9]*\.?[0-9]*$ //所有的小数

当然这并不能从技术上降低正规表达式的复杂性，但可以简化书写。

---------------------- ASP.Net+Android+IOS开发、.Net培训、期待与您交流！ ----------------------

详细请查看：http://edu.csdn.net