正则表达式-word资料(精).doc

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 )。元字符现在你已经知道几个很有用的元字符了,如\b,.,*,还有\,比如\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等。下面来看看更多的例子: \ba\w*\b 匹配以字母 a开头的单词——先是某个单词开始处(\b),然后是字母 a,然后是任意数量的字母或数字(\w* ),最后是单词结束处(\b)。\d+ 匹配 1个或更多连续的数字。这里的+是和*类似的元字符,不同的是*匹配重复任意次(可能是 0次),而+则匹配重复 1次或更多次。\b\w{6}\b 匹配刚好 6个字符的单词。表 1. \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$匹配字符串的结束元字符^(和数字 6在同一个键位上的符号)和$都匹配一个位置,这和\b有点类似。^匹配你要用来查找的字符串的开头,$匹配结尾。这两个代码在验证输入的内容时非常有用,比如一个网站如果要求你填写的 QQ 号必须为 5位到 12位数字时,可以使用: ^\d{5,12}$ 。这里的{5,12} 和前面介绍过的{2} 是类似的,只不过{2} 匹配只能不多不少重复 2次,{5,12} 则是重复的次数不能少于 5次,不能多于 12次,否则都不匹配。因为使用了^和$,所以输入的整个字符串都要用来和\d{5,12} 来匹配, 也就是说整个输入必须是 5到12个数字,因此如果输入的 QQ号能匹配这个正则表达式的话,那就符合要求了。和忽略大小写的选项类似,有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项, ^和$的意义就变成了匹配行的开始处和结束处。字符转义如果你想查找元字符本身的话,比如你查找.,或者*,就出现了问题: 你没办法指定它们,因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此,你应该使用\.和\*。当然,要查找\本身, 你也得用\\.例如: deerchao\.net 匹配 ,C:\\Windows 匹配 C:\Windows 。重复你已经看过了前面的*,+,{2} ,{5,12} 这几个匹配重复的方式了。下面是正则表达式中所有的限定符(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次表 2. 常用的限定符代码/语法说明{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: Windows\d+ 匹配 Windows 后面跟 1个或更多数字^\w+ 匹配一行的第一个单词(或整个字符串的第一个单词,具体匹配哪个意思得看选项设置) 字符类要想查找数字,字母或数字,空白是很简单的,因为已经有了对应这些字符集合的元字符,但是如果你想匹配没有预定义元字符的字符集合(比如元音字母 a,e,i,o,u), 应该怎么办? 很简单,你只需要在方括号里列出它们就行了,像[aeiou] 就匹配任何一个英文元音字母,[.?!] 匹配标点符号(.或?或!)。我们也可以轻松地指定一个字符范围,像[0-9] 代表的含意与\d就是完全一致的: 一位数字;同理[a-z0-9A-Z_] 也完全等同于\w(如果只考虑英文的话)。下面是一个更复杂的表达式: \(?0\d{2}[) -]?\d{8} 。“(”和“)”也是元字符,后面的分组节里会提到,所以在这里需要使用转义。这个表达式可以匹配几种格式的电话号码,像(010)88886666 ,或 022-22334455 ,或 02912345678 等。我们对它进行一些分析吧:首先是一个转义字符\(,它能出现 0次或 1次(?),然后是一个 0,后面跟着 2个数字(\d{2} ),然后是)或-或空格中的一个,