正則表達(dá)式 – 語法

正則表達(dá)式(regular expression)描述了一種字符串匹配的模式，可以用來檢查一個(gè)串是否含有某種子串、將匹配的子串做替換或者從某個(gè)串中取出符合某個(gè)條件的子串等。

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(biāo)點(diǎn)符號(hào)和一些其他符號(hào)。

非打印字符

非打印字符也可以是正則表達(dá)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(duì)*進(jìn)行轉(zhuǎn)義，即在其前加一個(gè)\。ls \*.txt。

許多元字符要求在試圖匹配它們時(shí)特別對(duì)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(dá)式中的特殊字符：

限定符

限定符用來指定正則表達(dá)式的一個(gè)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(dá)式的限定符有：

由于章節(jié)編號(hào)在大的輸入文檔中會(huì)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(hào)。限定符給您這種能力。下面的正則表達(dá)式匹配編號(hào)為任何位數(shù)的章節(jié)標(biāo)題：

/Chapter [1-9][0-9]*/

請(qǐng)注意，限定符出現(xiàn)在范圍表達(dá)式之后。因此，它應(yīng)用于整個(gè)范圍表達(dá)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?yàn)樵诘诙€(gè)位置或后面的位置不一定需要有一個(gè)數(shù)字。也不使用？字符，因?yàn)樗鼘⒄鹿?jié)編號(hào)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(gè)數(shù)字。

如果您知道章節(jié)編號(hào)被限制為只有 99 章，可以使用下面的表達(dá)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(dá)式的缺點(diǎn)是，大于 99 的章節(jié)編號(hào)仍只匹配開頭兩位數(shù)字。另一個(gè)缺點(diǎn)是 Chapter 0 也將匹配。只匹配兩位數(shù)字的更好的表達(dá)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?yàn)樗鼈儠?huì)盡可能多的匹配文字，只有在它們的后面加上一個(gè)?就可以實(shí)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(biāo)記內(nèi)的章節(jié)標(biāo)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(dá)式匹配從開始小于符號(hào) (<) 到關(guān)閉 H1 標(biāo)記的大于符號(hào) (>) 之間的所有內(nèi)容。

/<.*>/

如果您只需要匹配開始 H1 標(biāo)記，下面的"非貪心"表達(dá)式只匹配 <H1>。

/<.*?>/

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

定位符

定位符使您能夠?qū)⒄齽t表達(dá)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(dá)式，這些正則表達(dá)式出現(xiàn)在一個(gè)單詞內(nèi)、在一個(gè)單詞的開頭或者一個(gè)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(dá)式的限定符有：

注意：不能將限定符與定位點(diǎn)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(gè)以上位置，因此不允許諸如 ^* 之類的表達(dá)式。

若要匹配一行文本開始處的文本，請(qǐng)?jiān)谡齽t表達(dá)式的開始使用 ^ 字符。不要將 ^ 的這種用法與中括號(hào)表達(dá)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(qǐng)?jiān)谡齽t表達(dá)式的結(jié)束處使用 $ 字符。

若要在搜索章節(jié)標(biāo)題時(shí)使用定位點(diǎn)，下面的正則表達(dá)式匹配一個(gè)章節(jié)標(biāo)題，該標(biāo)題只包含兩個(gè)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(biāo)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(dá)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(dá)式，就可做到這一點(diǎn)。

/^Chapter [1-9][0-9]{0,1}$/

匹配字邊界稍有不同，但向正則表達(dá)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(dá)式匹配單詞 Chapter 的開頭三個(gè)字符，因?yàn)檫@三個(gè)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(xiàng)。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(xiàng)。例如，下面的表達(dá)式匹配單詞 Chapter 中的字符串 ter，因?yàn)樗霈F(xiàn)在字邊界的前面：

/ter\b/

下面的表達(dá)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(duì)于 \B 非字邊界運(yùn)算符，位置并不重要，因?yàn)槠ヅ洳魂P(guān)心究竟是單詞的開頭還是結(jié)尾。

選擇

用圓括號(hào)將所有選擇項(xiàng)括起來，相鄰的選擇項(xiàng)之間用|分隔。但用圓括號(hào)會(huì)有一個(gè)副作用，是相關(guān)的匹配會(huì)被緩存，此時(shí)可用?:放在第一個(gè)選項(xiàng)前來消除這種副作用。

其中?:是非捕獲元之一，還有兩個(gè)非捕獲元是?=和?!，這兩個(gè)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(hào)內(nèi)的正則表達(dá)式模式的位置來匹配搜索字符串，后者為負(fù)向預(yù)查，在任何開始不匹配該正則表達(dá)式模式的位置來匹配搜索字符串。

反向引用

對(duì)一個(gè)正則表達(dá)式模式或部分模式兩邊添加圓括號(hào)將導(dǎo)致相關(guān)匹配存儲(chǔ)到一個(gè)臨時(shí)緩沖區(qū)中，所捕獲的每個(gè)子匹配都按照在正則表達(dá)式模式中從左到右出現(xiàn)的順序存儲(chǔ)。緩沖區(qū)編號(hào)從 1 開始，最多可存儲(chǔ) 99 個(gè)捕獲的子表達(dá)式。每個(gè)緩沖區(qū)都可以使用 '\n' 訪問，其中 n 為一個(gè)標(biāo)識(shí)特定緩沖區(qū)的一位或兩位十進(jìn)制數(shù)。

可以使用非捕獲元字符 '?:'、'?=' 或 '?!' 來重寫捕獲，忽略對(duì)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(gè)相同的相鄰單詞的匹配項(xiàng)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(gè)重復(fù)的單詞。如果能設(shè)計(jì)一種方法定位該句子，而不必查找每個(gè)單詞的重復(fù)出現(xiàn)，那該有多好。下面的正則表達(dá)式使用單個(gè)子表達(dá)式來實(shí)現(xiàn)這一點(diǎn)：

/\b([a-z]+) \1\b/gi

捕獲的表達(dá)式，正如 [a-z]+ 指定的，包括一個(gè)或多個(gè)字母。正則表達(dá)式的第二部分是對(duì)以前捕獲的子匹配項(xiàng)的引用，即，單詞的第二個(gè)匹配項(xiàng)正好由括號(hào)表達(dá)式匹配。\1 指定第一個(gè)子匹配項(xiàng)。字邊界元字符確保只檢測整個(gè)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(dá)式識(shí)別。

正則表達(dá)式后面的全局標(biāo)記 (g) 指示，將該表達(dá)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(dá)式的結(jié)尾處的不區(qū)分大小寫 (i) 標(biāo)記指定不區(qū)分大小寫。多行標(biāo)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://o2fo.com:80/html/html-tutorial.html

下面的正則表達(dá)式提供該功能：

/(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)/

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

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

• 第一個(gè)括號(hào)子表達(dá)式包含"http"
• 第二個(gè)括號(hào)子表達(dá)式包含"o2fo.com"
• 第三個(gè)括號(hào)子表達(dá)式包含":80"
• 第四個(gè)括號(hào)子表達(dá)式包含"/html/html-tutorial.html"