学习之路——正则表达式(上)

转载请注明出处

[我的博客]http://www.lostbug.com

\bhi\b

\b 是正则表达式的一个特殊字符（元字符，metacharacter），代表单词的开头或结尾，即起始位置。

虽然英文单词的开始或结束 常以空格、标点符号、换行来标识，但”\b”并不匹配这些单词分割符号的任意一个，它只匹配一个位置

\bhi\b.*\bLucy\b

“.”是另一个元字符，匹配除了换行符以外的任意字符。

“*”同样是元字符，不过它代表的不是字符，也不是位置，而是数量——它指”*”前面的内容可以重复任意次数，以使表达式得到匹配。

“.*”就表示任意不包含还换行符的重复字段，整个表达式表示：hi+任意字符（不包括换行符）+Lucy

0\d{2}-\d{8}

\d 元字符，匹配一位数字，d后面的{2}、{8}表示前面的\d必须连续重复匹配的次数

\s 元字符 匹配任意空白符，包括空格、制表符、换行符，中文全角空格等

\w 匹配 字母、数字、下划线、汉字等

\d+

“+” 类似*“，不过“*”是重复任意次数（包括0次），“+”是重复1次或以上

\b\w{6}\b

匹配6个字符的单词

^\d{5,12}$

^ 匹配字符串的开始

$ 匹配字符串的结束

匹配5-12数字

重复

代码/语法	说明
*	重复0次或更多次
+	重复一次或更多次
？	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

字符类

[aeiou] 匹配任意元音字母

[.?!] 匹配[]中的. ? !任意一个

[0-9]代表的含意与\d就是完全一致的；同理[a-z0-9A-Z_]也完全等同于\w（如果只考虑英文的话）

(?0\d{2}[) -]?\d{8}

分枝条件

0\d{2}-\d{8}|0\d{3}-\d{7}

(?0\d{2})?[- ]?\d{8}|0\d{2}[- ]?\d{8}

\d{5}-\d{4}|\d{5} 使用分枝条件时，要注意各个条件的顺序。如果你把它改成\d{5}|\d{5}-\d{4}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了

分组

(\d{1,3}.){3}\d{1,3}

((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

反义

代码/语法	说明
\W	匹配任意不是字母、数字、下划线、汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结尾的位置
[^x]	匹配x以外的任意字符
[^aeiou]	匹配元音字母以外的任意字符

< a[^>]+>匹配尖括号括起来的以a开头的任意字符串

反向引用

使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

\b(\w+)\b\s+\1\b

可以自己指定子表达式的组名

要指定一个子表达式的组名，请使用这样的语法：(?< Word>\w+)(或者把尖括号换成’也行：(?’Word’\w+)),这样就把\w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用\k< Word>

\b(?< Word>\w+)\b\s+\k< Word>\b

注：<与Word间没空格，找不到转义符号

分类	代表语法	说明
捕获	(exp)	匹配exp,并捕获文本到自动命名的组里
	(?< name>(exp))	匹配exp,并捕获文本到名称为name的组里，也可以写成(?’name’exp)
	(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号
零宽断言	(?=exp)	匹配exp前面的位置
	(?<=exp)	匹配exp后面的位置
	(?!exp)	匹配后面跟的不是exp的位置
	(?< !exp)	匹配前面不是exp的位置
注释	(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

零宽断言

(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I’m singing while you’re dancing.时，它会匹配sing和danc。

(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading。

例 (?<=\s)\d+(?=\s)

负向零宽断言

零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。例如：\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字；\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词

(?<!exp)

,零宽度负回顾后发断言来断言此位置的前面不能匹配表达式

exp：(?< ![a-z])\d{7}

匹配前面不是小写字母的七位数字

例

(?<=< (\w+)>).*(?=<\/\1>)

匹配不包含属性的简单HTML标签内里的内容

注释

小括号的另一种用途是通过语法(?#comment)来包含注释。例如：2[0-4]\d(?#200-249)|250-5|[01]?\d\d?(?#0-199)。

注：大部分代码参照 http://deerchao.net/tutorials/regex/regex.htm