正则表达式(Regular Expression, RegEx)学习入门
1. 概述
正则表达式(Regular Expression, RegEx)是一种匹配模式,描述的是一串文本的特征。
正如自然语言中高大、坚固等词语抽象出来描述事物特征一样,正则表达式就是字符的高度抽象,用来描述字符串的特征。
正则表达式通常不独立存在,各种编程语言和工具作为宿主语言提供对正则的支持,并根据自身语言的特点,进行一定的剪裁或扩展。
正则入门很容易,有限的语法规则很容易掌握,但是目前正则的普及率并不高,主要是因为正则的流派众多,各种宿主语言提供的文档都过多的关注于自身的一些细节,而这些细节通常是初学者并不需要关注的。
当然,如果想要深入的了解正则表达式,这些细节又是必须被关注的,这是后话,让我们先从正则的基础开始,进入正则表达式的世界。
2. 正则表达式基础
2.1 基本概念
2.1.1 字符串组成
对于字符串a5
,是由两个字符a
、5
以及三个位置组成的,这一点对于正则表达式的匹配原理理解很重要。
2.1.2 占有字符和零宽度
正则表达式匹配过程中,如果子表达式匹配到的是字符内容,而非位置,并被保存到最终的匹配结果中,那么就认为这个子表达式是占有字符的;如果子表达式匹配的仅仅是位置,或者匹配的内容并不保存到最终的匹配结果中,那么就认为这个子表达式是零宽度的。
占有字符还是零宽度,是针对匹配的内容是否保存到最终的匹配结果中而言的。
占有字符是互斥的,零宽度是非互斥的。也就是一个字符,同一时间只能由一个子表达式匹配,而一个位置,却可以同时由多个零宽度的子表达式匹配。
2.1.3 正则表达式构成
正则表达式由两种字符构成。一种是在正则表达式中具体特殊意义的元字符,另一种是普通的文本字符。
元字符可以是一个字符,如^
,也可以是一个字符序列,如\w
。
2.2 元字符(Meta Character)
2.2.1 字符组(Character Classes)
字符组可以匹配[ ]
中包含的任意一个字符。虽然可以是任意一个,但只能是一个。
字符组支持由连字符-
来表示一个范围。当-
前后构成范围时,要求前面字符的码位小于后面字符的码位。
[^…]
排除型字符组。排除型字符组表示任意一个未列出的字符,同样只能是一个。排除型字符组同样支持由连字符-
来表示一个范围。
表达式 | 说明 |
---|---|
[abc] |
表示a 或b 或c |
[0-9] |
表示0~9 中任意一个数字,等价于[0123456789] |
[\u4e00-\u9fa5] |
表示任意一个汉字 |
[^a1<] |
表示除a 、1 、< 外的其它任意一个字符 |
[^a-z] |
表示除小写字母外的任意一个字符 |
举例:
[0-9][0-9]
在匹配Windows 2003
时,匹配成功,匹配的结果为20
。
[^inW]
在匹配Windows 2003
时,匹配成功,匹配的结果为d
。
2.2.2 常见字符范围缩写
对于一些常用的字符范围,如数字等,由于非常常用,即使使用[0-9]
这样的字符组仍显得麻烦,所以定义了一些元字符,来表示常见的字符范围。
表达式 | 说明 |
---|---|
\d |
任意一个数字,相当于[0-9] ,即0~9 中的任意一个 |
\w |
任意一个字母或数字或下划线,相当于[a-zA-Z0-9_] |
\s |
任意空白字符,相当于[ \r\n\f\t\v] |
\D |
任意一个非数字字符,\d 取反,相当于[^0-9] |
\W |
w 取反,相当于[^a-zA-Z0-9_] |
\S |
任意非空白字符,\s 取反,相当于[^ \r\n\f\t\v] |
举例:
\w\s\d
在匹配Windows 2003
时,匹配成功,匹配的结果为s 2
。
2.2.3 小数点
小数点可以匹配除\n
以外的任意一个字符。如果要匹配包括\n
在内的所有字符,一般用[\s\S]
,或者是用.
加(?s)
匹配模式来实现。
表达式 | 说明 |
---|---|
. |
匹配除了换行符\n 以外的任意一个字符 |
2.2.4 其它元字符
表达式 | 说明 |
---|---|
^ |
匹配字符串开始的位置,不匹配任何字符 |
$ |
匹配字符串结束的位置,不匹配任何字符 |
\b |
匹配单词边界,不匹配任何字符 |
举例:
^a
在匹配cba
时,匹配失败,因为表达式要求开始位置后面是字符a
,而cba
显然是不满足的。
\d$
在匹配123
时,匹配成功,匹配结果为3
,这个表达式要求匹配结尾处的数字,如果结尾处不是数字,如123abc
,则是匹配失败的。
2.2.5 转义字符
一些不可见字符,或是在正则中具有特殊意义的元字符,如想匹配字符本身,需要用\
对其进行转义。
表达式 | 说明 |
---|---|
\r ,\n |
回车和换行 |
\\ |
匹配\ 本身 |
\^ ,\$ ,\. |
分别匹配^ 、$ 和. |
以下字符在匹配其本身时,通常需要进行转义。在实际应用中,根据具体情况,需要转义的字符可能不止如下所列字符:
.
$
^
{
[
(
|
)
+
?
\
2.2.6 量词(Quantifier)
量词表示一个子表达式可以匹配的次数。量词可以用来修饰一个字符、字符组,或是用()
括起来的子表达式。一些常用的量词被定义成独立的元字符。
表达式 | 说明 | 举例 |
---|---|---|
{m} |
表达式匹配m次 | \d{3} 相当于\d\d\d” (abc){2}相当于 abcabc| | {m,n}| 表达式匹配最少*m*次,最多*n*次 | \d{2,3}可以匹配 12或 321等*2*到*3*位的数字 | | {m,}| 表达式至少匹配*m*次 | [a-z]{8,}表示至少*8*位以上的字母 | | ?| 表达式匹配*0*次或*1*次,相当于 {0,1}| ab?可以匹配 a或 ab| | | 表达式匹配0次或任意多次,相当于 {0,}| <[^>]>中 [^>]表示*0*个或任意多个不是 >的字符 | | +| 表达式匹配*1*次或意多次,至少*1*次,相当于 {1,}| \d\s+\d`表示两个数字中间,至少有一个以上的空白字符 |
注意:在不是动态生成的正则表达式中,不要出现{1}
这样的量词,如\w{1}
在结果上等价于\w
,但是会降低匹配效率和可读性,属于画蛇添足的做法。
2.2.7 分支结构(Alternation)
当一个字符串的某一子串具有多种可能时,采用分支结构来匹配,|
表示多个子表达式之间或的关系,|
是以()
限定范围的,如果在|
的左右两侧没有()
来限定范围,那么它的作用范围即为|
左右两侧整体。
表达式 | 说明 |
---|---|
\| |
多个子表达式之间取或的关系 |
举例:
^aa|b$
在匹配cccb
时,是可以匹配成功的,匹配的结果是b
,因为这个表达式表示匹配^aa
或b$
,而b$
在匹配cccb
时是可以匹配成功的。
^(aa|b)$
在区配cccb
时,是匹配失败的,因为这个表达式表示在开始和结束位置之间只能是aa
或b
,而cccb
显然是不满足的。
3. 正则表达式进阶
3.1 捕获组(Capture Group)
捕获组就是把正则表达式中子表达式匹配的内容,保存到内存中以数字编号或手动命名的组里,以供后面引用。
表达式 | 说明 |
---|---|
(Expression) |
普通捕获组,将子表达式Expression匹配的内容保存到以数字编号的组里 |
(?<name> Expression) |
命名捕获组,将子表达式Expression匹配的内容保存到以name命名的组里 |
普通捕获组(在不产生歧义的情况下,简称捕获组)是以数字进行编号的,编号规则是以(
从左到右出现的顺序,从1
开始进行编号。通常情况下,编号为0
的组表示整个表达式匹配的内容。
命名捕获组可以通过捕获组名,而不是序号对捕获内容进行引用,提供了更便捷的引用方式,不用关注捕获组的序号,也不用担心表达式部分变更会导致引用错误的捕获组。
3.2 非捕获组
一些表达式中,不得不使用( )
,但又不需要保存( )
中子表达式匹配的内容,这时可以用非捕获组来抵消使用( )
带来的副作用。
表达式 | 说明 |
---|---|
(?:Expression) |
进行子表达式Expression的匹配,并将匹配内容保存到最终的整个表达式的区配结果中,但Expression匹配的内容不单独保存到一个组内 |
3.3 反向引用
捕获组匹配的内容,可以在正则表达式的外部程序中进行引用,也可以在表达式中进行引用,表达式中引用的方式就是反向引用。
反向引用通常用来查找重复的子串,或是限定某一子串成对出现。
表达式 | 说明 |
---|---|
\1 ,\2 |
对序号为1和2的捕获组的反向引用 |
\k<name> |
对命名为name的捕获组的反向引用 |
举例:
(a|b)\1
在匹配abaa
时,匹配成功,匹配到的结果是aa
。(a|b)
在尝试匹配时,虽然既可以匹配a
,也可以匹配b
,但是在进行反向引用时,对应()
中匹配的内容已经是固定的了。
3.4 环视(Look Around)
环视只进行子表达式的匹配,匹配内容不计入最终的匹配结果,是零宽度的。
环视按照方向划分有顺序和逆序两种,按照是否匹配有肯定和否定两种,组合起来就有四种环视。环视相当于对所在位置加了一个附加条件。
表达式 | 说明 |
---|---|
(?<=Expression) |
逆序肯定环视,表示所在位置左侧能够匹配Expression |
(?<!Expression) |
逆序否定环视,表示所在位置左侧不能匹配Expression |
(?=Expression) |
顺序肯定环视,表示所在位置右侧能够匹配Expression |
(?!Expression) |
顺序否定环视,表示所在位置右侧不能匹配Expression |
举例:
(?<=Windows )\d+
在匹配Windows 2003
时,匹配成功,匹配结果为2003
。我们知道\d+
表示匹配一个以上的数字,而(?<=Windows )
相当于一个附加条件,表示所在位置左侧必须为Windows
,它所匹配的内容并不计入匹配结果。同样的正则在匹配Office 2003
时,匹配失败,因为这里任意一串数字子串的左侧都不是Windows
。
(?!1)\d+
在匹配123
时,匹配成功,匹配的结果为23
。\d+
匹配一个以上数字,但是附加条件(?!1)
要求所在位置右侧不能是1
,所以匹配成功的位置是2
前面的位置。
3.5 忽略优先和匹配优先
未完 ......
点击访问原文(进入后根据右侧标签,快速定位到本文)
正则表达式(Regular Expression, RegEx)学习入门的更多相关文章
- 正则表达式 Regular expression为学习助跑
这是一个Regular expression的铁路图(至少我现在是这么称呼的)的图形化界面帮助检验和理解我们所写的Regular expression是否正确. 1.官网 :https://regex ...
- 正则表达式-Regular expression学习笔记
正则表达式 正则表达式(Regular expression)是一种符号表示法,被用来识别文本模式. 最近在学习正则表达式,今天整理一下其中的一些知识点 grep - 打印匹配行 grep 是个很强大 ...
- Java基础-正则表达式(Regular Expression)语法规则简介
Java基础-正则表达式(Regular Expression)语法规则简介 作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任. 一.正则表达式的概念 正则表达式(Regular Exp ...
- Python正则表达式Regular Expression基本用法
资料来源:http://blog.csdn.net/whycadi/article/details/2011046 直接从网上资料转载过来,作为自己的参考.这个写的很清楚.先拿来看看. 1.正则表 ...
- C#中【正则表达式regular expression】相关的知识
Regex System.Text.RegularExpressions.Regex regex应该是regular expression的缩写 https://msdn.microsoft ...
- java 正则表达式 -Regular Expression
正则表达式(Regular Expression),可以说就是一个字符构成的串,它定义了一个用来搜索匹配字符串的模式.正则表达式定义了字符串的模式,可以用来搜索.编辑或处理文本,不仅限于某一种语言(P ...
- Python中的正则表达式regular expression
1 match = re.search(pat,str) If the search is successful, search() returns a match object or None o ...
- Python -- 正则表达式 regular expression
正则表达式(regular expression) 根据其英文翻译,re模块 作用:用来匹配字符串. 在Python中,正则表达式是特殊的字符序列,检查一个字符串是否与某种模式匹配. 设计思想:用一 ...
- 正则表达式,regular expression, regex, RE
正则表达式是用来简洁表达一组字符串的表达式 正则表达式可以用来判断某字符串的特征归属
随机推荐
- JavaScript 字符串转数字(整数,浮点数,进制转换)
下面是使用parseFloat()方法的示例: parseFloat("1234blue"); //returns 1234.0 parseFloat("0xA" ...
- 纯JS 10分钟 实现图片懒惰加载
知识点: 1:h5 新增选择器 document.querySelectorAll 2:JS 经典,防抖 3:距离判断:getBoundingClientRect 思路:通过浏览器滚动事件, 判断 ...
- IOS添加真机调试设备
注意点: 有时需要同意协议什么的,很多时候刷新出来都是白屏,解决办法: 对于不能确认新协议的问题,我发现了一个解决方法:登陆后,直接在浏览器的地址框访问:https://developer.apple ...
- OpenJudge数据结构与算法-计算点的距离并排序
/*================================================================== 距离排序 总时间限制: 1000ms 内存限制: 65536k ...
- http://www.cnblogs.com/sealedbook/p/6194047.html
http://www.cnblogs.com/sealedbook/p/6194047.html
- PHP无限级树形结构算法(递归和引用)
测试数组 $array = [ [, , 'name' => '这是主类'], [, , 'name' => '这是主类'], [, , 'name' => '父级为1子类'], [ ...
- angular 中*ngIf 和*ngSwitch判断语句
<div style="text-align:center"> <h1> Welcome to {{ title }}! </h1> <p ...
- Linux系列之——tomcat 的开机自启动
--未验证 每次开机都要启动tomcat,非常麻烦:通过直接修改系统文件,实现tomcat自启动: 1. 修改脚本文件rc.local:vim /etc/rc.d/rc.local 这个脚本是使用者自 ...
- SQL 引号中的问号在PrepareStatement 中不被看作是占位符
SQL 引号中的问号在PrepareStatement 中不被看作是占位符. 如:SELECT P.NAME, S.YEAR, S.QUANTITY FROM SALES S LEFT JOIN PR ...
- 算法习题---4-6莫尔斯电码(UVa508)
一:题目 A-Z0-9分别对应一些莫尔斯电码字符串 A .- B -... C -.-. D -.. E . F ..-. G --. H .... I .. J .--- K -.- L .-.. ...