正则表达式基础

一、句点符号 

假设你在玩英文拼字游戏，想要找出三个字母的单词，而且这些单词必须以“t”字母开头，以“n”字母结束。另外，假设有一本英文字典，你可以用正则表达式搜索它的全部内容。要构造出这个正则表达式，你可以使用一个通配符——句点符号“.”。这样，完整的表达式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，还匹配“t#n”、“tpn”甚至“t n”，还有其他许多无意义的组合。这是因为句点符号匹配所有字符，包括空格、Tab字符甚至换行符： 

 

正则表达式：t.n

匹配：ten   tan     tin     ton     t n     t#n等

 

二、 方括号符号 

为了解决句点符号匹配范围过于广泛这一问题，你可以在方括号（“[]”）里面指定看来有意义的字符。此时，只有方括号里面指定的字符才参与匹配。也就是说，正则表达式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因为在方括号之内你只能匹配单个字符： 

 

正则表达式：t[aeio]n

匹配：tan   ten     tin     ton

 

 三、 “或”符号

如果除了上面匹配的所有单词之外，你还想要匹配“toon”，那么，你可以使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正则表达式。这里不能使用方括号，因为方括号只允许匹配单个字符，这里必须使用圆括号“()”。

 

正则表达式：t(a|e|i|o|oo)n

匹配：tan   ten     tin     ton     toon

 

四、 表示匹配次数的符号

下表显示了表示匹配次数的符号，这些符号用来确定紧靠该符号左边的符号出现的次数：

 

符号	次数
*	0次或者多次
+	1次或者多次
?	0次或者1次
{n}	刚好n次
{n,m}	从n次到m次(大于等于n次，小于等于m次)

 

假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式如下表所示。在正则表达式中，连字符（“-”）有着特殊的意义，它表示一个范围，比如从0到9。因此，匹配社会安全号码中的连字符号时，它的前面要加上一个转义字符“\”。  

匹配所有123-12-1234形式的社会安全号码

[0-9]{3}\-[0-9]{2}\-[0-9]{4}

 

假设进行搜索的时候，你希望连字符号可以出现，也可以不出现——即，999-99-9999和999999999都属于正确的格式。这时，你可以在连字符号后面加上“？”来限定符号数量

 

匹配所有123-12-1234和123121234形式的社会安全号码

[0-9]{3}\-?[0-9]{2}\-?[0-9]{4}

 

下面我们再来看另外一个例子。美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。下表显示了完整的正则表达式。

 

匹配典型的美国汽车牌照号码，如8836KV

[0-9]{4}[A-Z]{2}

 

五、 “否”符号

“^”符号称为“否”符号。如果用在方括号内，“^”表示不想要匹配的字符。例如下表的正则表达式匹配所有单词，但以“X”字母开头的单词除外。

 

匹配所有单词，但“X”开头的除外

[^X][a-z]+

 

六、 圆括号和空白符号

假设要从格式为“June 26, 1951”的生日日期中提取出月份部分，用来匹配该日期的正则表达式可以如下表所示：

 

匹配所有Moth DD,YYYY格式的日期

[a-z]+\s[0-9]{1,2},\s*[0-9]{4}

“\s”符号是空白符号，匹配所有的空白字符，包括Tab字符。

 

 七、 其它符号

为简便起见，你可以使用一些为常见正则表达式创建的快捷符号。如下表所示：

 

符号	等价正则表达式
\d	[0-9]
\D	[^0-9]
\w	[A-Z0-9]
\W	[^A-Z0-9]
\s	[\t\n\r\f]
\S	[^\t\n\r\f]

 

例如，在前面社会安全号码的例子中，所有出现“[0-9]”的地方我们都可以使用“\d”。修改后的正则表达式如下表所示： 

 

匹配所有123-12-1234格式的社会安全号码:

\d{3}\-\d{2}\-\d{4}