全面学习正则表达式（一）

正则表达式到底是什么东西？

    在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式 就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。

    很可能你使用过Windows/Dos下用于文件查找的通配符(wildcard) ，也就是 * 和 ? 。 如 果你想查找某个目录下的所有的Word文档的话，你会搜索*.doc 。在这里，* 会被解释成任意的字符串。和通配符类似，正则表达式也是用来进行文本匹配的工具，只不过比起通配符，它能更精确地描述你的需求——当然，代价就是更复杂——比如你可以编写一个正则表达式，用来查找所有以0开头，后面跟着2-3个数字，然后是一个连字号“-”，最后是7或8位数字的字符串 (像010-12345678 或0376-7654321 )。

    如果你不觉得正则表达式很难读写的话，要么你是一个天才，要么，你不是地球人。正则表达式的语法很令人头疼，即使对经常使用它的人来说也是如此。由于难于读写，容易出错，所以找一种工具对正则表达式进行测试是很有必要的。

Javascript正则表达式在线测试工具

  元字符

表1.常用的元字符 代码 说明

.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

式中所有的限定符(指定数量的代码，例如*,{5,12}等)：

表2.常用的限定符 代码/语法 说明

*	重复零次或更多次
+	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

下面是一些使用重复的例子：

 

有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义 ：

表3.常用的反义代码 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束的位置
[^x]	匹配除了x以外的任意字符
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符

最有效地利用正则表达式

大量 UNIX 命令使用正则表达式作为参数。从技术角度而言，正则表达式 是表示某种模式的字符串（也就是说，由字母、数字和符号组成的字符序列），用于定义零或更长的字符串。正则表达式使用元字符（例如，星号 [* ] 和问号 [? ]）来匹配其他字符串的部分或全部内容。正则表达式不一定包含通配符，但通配符可以使正则表达式在搜索模式和处理文件时发挥更大的作用。表 1 显示了一些基本正则表达式序列。

表 1. 正则表达式序列

序列 说明

脱字符 (^ )	匹配出现在行首的表达式，例如 ^A
美元符号 ($ )	匹配出现在行末的表达式，例如 A$
反斜杠 (\ )	取消下一个字符的特殊含义，例如 \^
方括号 ([] )	匹配括起来的任一字符，例如 [aeiou] （使用连字符 [- ] 表示范围，例如 [0-9] ）。
[^ ]	匹配除括起来字符以外的任一字符，例如 [^0-9]
句点 (. )	匹配除行尾之外的任意单个字符
星号 (* )	匹配零个或多个前驱字符或表达式
\{x,y\}	匹配出现过 x 到 y 个和前面相同的内容
\{x\}	精确匹配出现过 x 个和前面相同的内容
\{x,\}	匹配出现过 x 个或更多和前面相同的内容

 

 

如下显示了与 grep 命令一起使用的一些基本正则表达式。

$ # Lists your mail
$ grep '^From: ' /usr/mail/$USER   
$ # Any line with at least one letter  
$ grep '[a-zA-Z]'  search-file.txt
$ # Anything not a letter or number
$ grep '[^a-zA-Z0-9] search-file.txt
$ # Find phone numbers in the form 999-9999 
$ grep '[0-9]\{3\}-[0-9]\{4\}' search-file.txt
$ # Find lines with exactly one character
$ grep '^.$' search-file.txt
$ #  Find any line that starts with a period "."          
$ grep '^\.' search-file.txt 
$ # Find lines that  start with a "." and 2 lowercase letters
$ grep '^\.[a-z][a-z]' search-file.txt