正则表达式⼊门(ed模糊匹配)
元字符:
/b 代表着单词的开头或结尾,也就是单词的分界处.如果要精确地查hi这个单词的话,我们应该使⽤/bhi/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,它指定*前边的内容可以重复任意次以使整个表达式得到匹配。
.*连在⼀起就意味着任意数量的不包含换⾏的字符。
/d是⼀个新的元字符,匹配任意的数字,0/d/d-/d/d/d/d/d/d/d/d也就是中国的电话号码.为了避免那么多烦⼈的重复,我们也可以这样写这个表达式:0/d{2}-/d{8}。
/s匹配任意的空⽩符,包括空格,制表符(Tab),换⾏符,中⽂全⾓空格等。/w匹配字母或数字或下划线或汉字。
/b/w{6}/b 匹配刚好6个字母/数字的单词。
字符转义:使⽤/来取消这些字符的特殊意义。因此,你应该使⽤/.和/*。当然,要查/本⾝,你也得⽤//。
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
正则表达式提取中文字符/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
重复:
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
要想查数字,字母或数字,你只需要在中括号⾥列出它们就⾏了,像[aeiou]就匹配任何⼀个元⾳字母,[.?!]匹配标点符号(.或?或!)
反义:
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
替换:
正则表达式⾥的替换指的是有⼏种规则,如果满⾜其中任意⼀种规则都应该当成匹配,具体⽅法是⽤|把不同的规则分隔开。
0/d{2}-/d{8}|0/d{3}-/d{7}这个表达式能匹配两种以连字号分隔的电话号码:⼀种是三位区号,8位本地号(如010-********),⼀种是4位区号,7位本地号(0376-*******)。
/(0/d{2}/)[- ]?/d{8}|0/d{2}[- ]?/d{8}这个表达式匹配3位区号的电话号码,其中区号可以⽤⼩括号括起来,
也可以不⽤,区号与本地号间可以⽤连字号或空格间隔,也可以没有间隔。你可以试试⽤替换|把这个表达式扩展成也⽀持4位区号的。
/d{5}-/d{4}|/d{5}这个表达式⽤于匹配美国的。美国邮编的规则是5位数字,或者⽤连字号间隔的9位数字。之所以要给出这个例⼦是因为它能说明⼀个问题:使⽤替换时,顺序是很重要的。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)。原因是匹配替换时,将会从左到右地测试每个分枝条件,如果满⾜了某个分枝的话,就不会去管其它的替换条件了。
分组:
如果想要重复⼀个字符串⼜该怎么办?你可以⽤⼩括号来指定⼦表达式(也叫做分组),然后你就可以指定这个⼦表达式的重复次数了。
(/d{1,3}/.){3}/d{1,3}是⼀个简单的IP地址匹配表达式。要理解这个表达式,请按下列顺序分析它:/d{1,3}匹配1到3位的数字,(/d{1,3}/.}{3}
匹配三位数字加上⼀个英⽂句号(这个整体也就是这个分组)重复3次,最后再加上⼀个⼀到三位的数字(/d{1,3})。不幸的是,它也将匹配256.300.888.999这种不可能存在的IP地址(IP地址中每个数字都不能⼤于255)。如果能使⽤算术⽐较的话,或许能简单地解决这个问题,但是正则表达式中并不提供关于
数学的任何功能,所以只能使⽤冗长的分组,选择,字符类来描述⼀个正确的IP地址: ((2[0-4]/d|25[0-5]| [01]?/d/d?)/.){3}(2[0-4]/d|25[0-5]|[01]?/d/d?)。
后向引⽤:
后向引⽤⽤于重复搜索前⾯某个分组匹配的⽂本。例如,/1代表分组1匹配的⽂本。难以理解?请看⽰例:
/b(/w+)/b/s+/1/b可以⽤来匹配重复的单词,像go go, kitty kitty。⾸先是⼀个单词,也就是单词开始处和结束处之间的多于⼀个的字母或数字(/b(/w+)/b),然后是1个或⼏个空⽩符(/s+,最后是前⾯匹配的那个单词(/1)。
懒惰限定符
*? 重复任意次,但尽可能少重复
+? 重复1次或更多次,但尽可能少重复
重复0次或1次,但尽可能少重复
{n,m}? 重复n到m次,但尽可能少重复
{n,}? 重复n次以上,但尽可能少重复
位置指定:
接下来的四个⽤于查在某些内容(但并不包括这些内容)之前或之后的东西,也就是说它们⽤于指定⼀个位置,就像/b,^,$那样,因此它们也被称为零宽断⾔。最好还是拿例⼦来说明吧:
(?=exp)也叫零宽先⾏断⾔,它匹配⽂本中的某些位置,这些位置的后⾯能匹配给定的后缀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),如果在查I'm singing while you're dancing.时,它会匹配sing和danc。
(?<=exp)也叫零宽后⾏断⾔,它匹配⽂本中的某些位置,这些位置的前⾯能给定的前缀匹配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reading a book时,它匹配ading。
假如你想要给⼀个很长的数字中每三位间加⼀个逗号(当然是从右边加起了),你可以这样查需要在前⾯和⾥⾯添加逗号的部分:((?
<=/d)/d{3})*/b。请仔细分析这个表达式,它可能不像你第⼀眼看出来的那么简单。
下⾯这个例⼦同时使⽤了前缀和后缀:(?<=/s)/d+(?=/s)匹配以空⽩符间隔的数字(再次强调,不包括这些空⽩符)。
负向位置指定:
前⾯我们提到过怎么查不是某个字符或不在某个字符类⾥的字符的⽅法(反义)。但是如果我们只是想要确保某个字符没有出现,但并不想去匹配它时怎么办?例如,如果我们想查这样的单词--它⾥⾯出现了字母q,但是q后⾯跟的不是字母u,我们可以尝试这样:
/b/w*q[^u]/w*/b匹配包含后⾯不是字母u的字母q的单词。但是如果多做测试(或者你思维⾜够敏锐,直接就观察出来了),你会发现,如果q出现在单词的结尾的话,像Iraq,Benq,这个表达式就会出错。这是因为[^u]总是匹配⼀个字符,所以如果q是单词的最后⼀个字符的话,后⾯的 [^u]将会匹配q后⾯的单词分隔符(可能是空格,或者是句号或其它的什么),后⾯的/w+/b将会匹配下⼀个单词,于是/b/w*q[^u]/w*/b 就能匹配整个Iraq fighting。负向位置指定能解决这样的问题,因为它只匹配⼀个位置,并不消费任何字符。现在,我们可以这样来解决这个问题:/b/w*q(?!u) /w*/b。
零宽负向先⾏断⾔(?!exp),只会匹配后缀exp不存在的位置。/d{3}(?!/d)匹配三位数字,⽽且这三位数字的后⾯不能是数字。
同理,我们可以⽤(?<!exp),零宽负向后⾏断⾔来查前缀exp不存在的位置:(?<![a-z])/d{7}匹配前⾯不是⼩写字母的七位数字(实验时发现错误?注意你的“区分⼤⼩写”先项是否选中)。
⼀个更复杂的例⼦:(?<=<(/w+)>).*(?=<///1>)匹配不包含属性的简单HTML标签内⾥的内容。(<?(/w+)>)指定了这样的前缀:被尖括号括起来的单词(⽐如可能是<b>),然后是.*(任意的字符串),最后是⼀个后缀(?=<///1>)。注意后缀⾥的//,它⽤到了前⾯提过的字符转义;/1则是⼀个反向引⽤,引⽤的正是捕获的第⼀组,前⾯的 (/w+)匹配的内容,这样如果前缀实际上是<b>的话,后缀就是</b>了。整个表达式匹配的是<b>和< /b>之间的内容(再次提醒,不包括前缀和后缀本⾝)。
注释:
⼩括号的另⼀种⽤途是能过语法(?#comment)来包含注释。例如:2[0-4]/d(?#200-249)|25[0-5](?#250-255)|[01]?/d/d?(?#0-199)。
要包含注释的话,最好是启⽤“忽略模式⾥的空⽩符”选项,这样在编写表达式时能任意的添加空格,Tab,换⾏,⽽实际使⽤时这些都将被忽略。启⽤这个选项后,在#后⾯到这⼀⾏结束的所有⽂本都将被当成注释忽略掉。
例如,我们可以前⾯的⼀个表达式写成这样:
(?<=    # 查前缀,但不包含它
<(/w+)> # 查尖括号括起来的字母或数字(标签)
)      # 前缀结束
.*      # 匹配任意⽂本
(?=    # 查后缀,但不包含它
<///1>  # 查尖括号括起来的内容:前⾯是⼀个"/",后⾯是先前捕获的标签
)      # 后缀结束
贪婪与懒惰:
当正则表达式中包含能接受重复的限定符(指定数量的代码,例如*,{5,12}等)时,通常的⾏为是(在使整个表达式能得到匹配的前提下)匹配尽可能多的字符。考虑这个表达式:a.*b,它将会匹配最长的以a开始,以b结束的字符串。如果⽤它来搜索aabab的话,它会匹配整个字符串aabab。这被称为贪婪匹配。
有时,我们更需要懒惰匹配,也就是匹配尽可能少的字符。前⾯给出的限定符都可以被转化为懒惰匹配模式,只要在它后⾯加上⼀个问号?。这样.*?就意味着匹配任意数量的重复,但是在能使整个匹配成功的前提下使⽤最少的重复。现在看看懒惰版的例⼦吧:
a.*?b匹配最短的,以a开始,以b结束的字符串。如果把它应⽤于aabab的话,它会匹配aab和ab(为什么第⼀个匹配是aab⽽不是ab?简单地说,最先开始的区配最有最⼤的优先权——The Match That Begins Earliest Wins)。
表5.懒惰限定符 *? 重复任意次,但尽可能少重复
+? 重复1次或更多次,但尽可能少重复
重复0次或1次,但尽可能少重复
{n,m}? 重复n到m次,但尽可能少重复
{n,}? 重复n次以上,但尽可能少重复
-------------------------------------------------------
下⾯是⼀些常⽤的正则表达式:
匹配中⽂字符的正则表达式: [/u4e00-/u9fa5]
评注:匹配中⽂还真是个头疼的事,有了这个表达式就好办了
匹配双字节字符(包括汉字在内):[^/x00-/xff]
评注:可以⽤来计算字符串的长度(⼀个双字节字符长度计2,ASCII字符计1)
匹配空⽩⾏的正则表达式:/n/s*/r
评注:可以⽤来删除空⽩⾏
匹配HTML标记的正则表达式:<(/S*?)[^>]*>.*?<//1>|<.*? />
评注:⽹上流传的版本太糟糕,上⾯这个也仅仅能匹配部分,对于复杂的嵌套标记依旧⽆能为⼒
匹配⾸尾空⽩字符的正则表达式:^/s*|/s*$
评注:可以⽤来删除⾏⾸⾏尾的空⽩字符(包括空格、制表符、换页符等等),⾮常有⽤的表达式
匹配Email地址的正则表达式:/w+([-+.]/w+)*@/w+([-.]/w+)*/./w+([-.]/w+)*
评注:表单验证时很实⽤
匹配⽹址URL的正则表达式:[a-zA-z]+://[^/s]*
评注:⽹上流传的版本功能很有限,上⾯这个基本可以满⾜需求
匹配帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线):^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注:表单验证时很实⽤
匹配国内电话号码:/d{3}-/d{8}|/d{4}-/d{7}
评注:匹配形式如 0511-******* 或 021-********
匹配腾讯QQ号:[1-9][0-9]{4,}
评注:腾讯QQ号从10000开始
匹配中国:[1-9]/d{5}(?!/d)
评注:中国为6位数字
匹配⾝份证:/d{15}|/d{18}
评注:中国的⾝份证为15位或18位
匹配ip地址:/d+/./d+/./d+/./d+
评注:提取ip地址时有⽤
匹配特定数字:
^[1-9]/d*$  //匹配正整数
^-[1-9]/d*$  //匹配负整数
^-?[1-9]/d*$  //匹配整数
^[1-9]/d*|0$  //匹配⾮负整数(正整数 + 0)
^-[1-9]/d*|0$  //匹配⾮正整数(负整数 + 0)
^[1-9]/d*/./d*|0/./d*[1-9]/d*$  //匹配正浮点数
^-([1-9]/d*/./d*|0/./d*[1-9]/d*)$  //匹配负浮点数
^-?([1-9]/d*/./d*|0/./d*[1-9]/d*|0?/.0+|0)$  //匹配浮点数
^[1-9]/d*/./d*|0/./d*[1-9]/d*|0?/.0+|0$  //匹配⾮负浮点数(正浮点数 + 0)
^(-([1-9]/d*/./d*|0/./d*[1-9]/d*))|0?/.0+|0$  //匹配⾮正浮点数(负浮点数 + 0)
评注:处理⼤量数据时有⽤,具体应⽤时注意修正
匹配特定字符串:
^[A-Za-z]+$  //匹配由26个英⽂字母组成的字符串
^[A-Z]+$  //匹配由26个英⽂字母的⼤写组成的字符串
^[a-z]+$  //匹配由26个英⽂字母的⼩写组成的字符串
^[A-Za-z0-9]+$  //匹配由数字和26个英⽂字母组成的字符串
^/w+$  //匹配由数字、26个英⽂字母或者下划线组成的字符串
评注:最基本也是最常⽤的⼀些表达式
18311  xencons=12wS0 on 3/29/2007    4 - Minor Error save_state missing
g/^18311/+0,s/xencons=[:a-z:]*[:A-Z:]*[:0-9:]*/xencons=ttyS/g
.
18311  xencons=ttyS on 3/29/2007    4 - Minor Error save_state missing long image listing: pan -il
18311  xencons=ttyS on 3/29/2007    4 - Minor Error save_state missing long image listing: pan -il
g/^18311/+0,s/xencons=[:a-z:|:0-9:|:A-Z:]/xencons=ttyS9/g
.
18311  xencons=ttyS9tyS on 3/29/2007    4 - Minor Error save_state missing long image listing: pan -il g/^18311/+0,s/xencons=[:a-z:|:0-9:|:A-Z:]*/xencons=ttyS9/g
.
18311  xencons=ttyS9 on 3/29/2007    4 - Minor Error save_state missing long image listing: pan -il

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。