Reglar Expression

参考：http://zh.wikipedia.org/wiki/%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F

 

正则表达式 （英文 ：Regular Expression ）在计算机科学 中，是指一个用来描述或者匹配一系列符合某个句法 规则的字符串 的单个字符串。在很多文本编辑器 或其他工具里，正则表达式通常被用来检索和/或替换那些符合某个模式的文本内容。许多程序设计语言 都支持利用正则表达式进行字符串操作。例如，在Perl 中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由Unix 中的工具软件（例如sed 和grep ）普及开的。正则表达式通常缩写成“regex ”，单数 有regexp、regex，复数 有regexps、regexes、regexen。

 

一个正则表达式通常被称为一个模式 (pattern) ，为用来描述或者匹配一系列符合某个句法 规则的字符串 。

 

历史

 

最初的正则表达式出现于理论计算机科学 的自动控制 理论和形式化语言 理论中。在这些领域中有对计算（自动控制）的模型和对形式化语言 描述与分类的研究。1940年代 ，Warren McCulloch与Walter Pitts将神经系统 中的神经元描述成小而简单的自动控制元。在1950年代 ，数学家斯蒂芬·科尔·克莱尼 利用称之为“正则集合”的数学符号来描述此模型。肯·汤普逊 将此符号系统引入编辑器QED ，然后是Unix 上的编辑器ed ，并最终引入grep 。自此，正则表达式被广泛地使用于各种Unix或者类似Unix的工具，例如Perl 。

Perl正则表达式源自于Henry Spencer写的regex，它已经演化成了pcre（Perl兼容正则表达式，Perl Compatible Regular Expressions），一个由Philip Hazel开发的，为很多现代工具所使用的库。

各计算机语言之间的正则表达式的集成目前开展的很差。未来的Perl6的子项目Apocalypse的设计中已考虑到了这点。

 

表达式全集

正则表达式有多种不同的风格。下表是在PCRE中元字符及其在正则表达式上下文中的行为的一个完整列表：

字符 描述 \ ^ $ * + ? {n } {n ,} {n ,m } ? . (pattern) (?:pattern) (?=pattern) (?!pattern) x|y [xyz] [^xyz] [a-z] [^a-z] \b \B \cx \d \D \f \n \r \s \S \t \v \w \W \xn \num \n \nm \nml \un

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。如果设置了RegExp对象的Multiline属性，^也匹配“\n ”或“\r ”之后的位置。

匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“\n ”或“\r ”之前的位置。

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{0,}。

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{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 ”。?等价于{0,1}。

n 是一个非负整数。匹配确定的n 次。例如，“o{2} ”不能匹配“Bob ”中的“o ”，但是能匹配“food ”中的两个o。

n 是一个非负整数。至少匹配n 次。例如，“o{2,} ”不能匹配“Bob ”中的“o ”，但能匹配“foooood ”中的所有o。“o{1,} ”等价于“o+ ”。“o{0,} ”则等价于“o* ”。

m 和n 均为非负整数，其中n <=m 。最少匹配n 次且最多匹配m 次。例如，“o{1,3} ”将匹配“fooooood ”中的前三个o。“o{0,1} ”等价于“o? ”。请注意在逗号和两个数之间不能有空格。

当该字符紧跟在任何一个其他限制符（*,+,?，{n }，{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，请使用像“[.\ n ] ”的模式。

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VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“\( ”或“\) ”。

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。

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“Windows2000 ”中的“Windows ”，但不能匹配“Windows3.1 ”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。

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“Windows3.1 ”中的“Windows ”，但不能匹配“Windows2000 ”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

匹配x或y。例如，“z|food ”能匹配“z ”或“food ”。“(z|f)ood ”则匹配“zood ”或“food ”。

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 ”。

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 ”。

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。

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。

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 ”。

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 ”。

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。

匹配一个数字字符。等价于[0-9]。

匹配一个非数字字符。等价于[^0-9]。

匹配一个换页符。等价于\x0c和\cL。

匹配一个换行符。等价于\x0a和\cJ。

匹配一个回车符。等价于\x0d和\cM。

匹配任何空白字符，包括空格、制表符、换页符等等。等价于[\f\n\r\t\v]。

匹配任何非空白字符。等价于[^\f\n\r\t\v]。

匹配一个制表符。等价于\x09和\cI。

匹配一个垂直制表符。等价于\x0b和\cK。

匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_] ”。

匹配任何非单词字符。等价于“[^A-Za-z0-9_] ”。

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。.

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。

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。

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 。

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nm l。

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

（©）。