正则表达式基础教程:从基础到master

4星 · 超过85%的资源 需积分: 11 2 下载量 55 浏览量 更新于2024-07-30 收藏 179KB DOC 举报
正则表达式基础教程 正则表达式是一种用于描述文本规则的工具,广泛应用于字符串处理、文本匹配、数据验证等领域。以下是正则表达式基础教程的知识点总结: 1. 正则表达式的定义:正则表达式是一种用于描述文本规则的工具,用于描述某些复杂规则的字符串。 2. 正则表达式的应用场景:正则表达式广泛应用于字符串处理、文本匹配、数据验证等领域,例如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。 3. 正则表达式与通配符的区别:正则表达式与通配符类似,但正则表达式能更精确地描述用户的需求,代价是更复杂。 4. 正则表达式的基本概念:正则表达式由元字符、字符转义、重复、字符类、反义、替换、分组、后向引用、零宽断言、负向零宽断言等概念组成。 5. 元字符:元字符是正则表达式中的特殊字符,用于指定匹配模式,例如"."、"["、"{"、"|"等。 6. 字符转义:字符转义是指在正则表达式中使用特殊字符时,需要使用反斜杠 "\" 进行转义,以避免特殊字符的特殊含义。 7. 重复:重复是指在正则表达式中指定某个模式出现的次数,例如 "{n,m}" 表示出现 n 到 m 次。 8. 字符类:字符类是指在正则表达式中指定某个字符集合,例如 "[a-zA-Z]" 表示匹配所有字母。 9. 反义:反义是指在正则表达式中指定某个模式的反义,例如 "[^a-zA-Z]" 表示匹配所有非字母。 10. 替换:替换是指在正则表达式中使用某个模式替换另一个模式,例如 "s/old/new/"。 11. 分组:分组是指在正则表达式中使用括号 "()" 将某个模式分组,例如 "(abc)def"。 12. 后向引用:后向引用是指在正则表达式中使用某个分组的引用,例如 "\1"。 13. 零宽断言:零宽断言是指在正则表达式中指定某个模式的断言,例如 "(?=abc)"。 14. 负向零宽断言:负向零宽断言是指在正则表达式中指定某个模式的负向断言,例如 "(?!abc)"。 15. 注释:注释是指在正则表达式中使用 "#" 或 ";" 等符号进行注释。 16. 贪婪与懒惰:贪婪与懒惰是指在正则表达式中指定某个模式的匹配方式,例如 贪婪匹配 ".*" 和 懒惰匹配 ".*?"。 17. 处理选项:处理选项是指在正则表达式中指定某个模式的处理方式,例如忽略大小写 "i"。 18. 平衡组/递归匹配:平衡组/递归匹配是指在正则表达式中使用某个模式的递归匹配,例如 "(?<name>...)"。 19. 其他概念:还有些其他的正则表达式概念,例如断言、捕获、非捕获、条件匹配等。 通过学习正则表达式基础教程,可以让您快速掌握正则表达式的基本概念和应用场景,为您在实际工作中使用正则表达式提供了坚实的基础。
2007-08-19 上传
正则表达式教程
 正则表达式(regular expression)描述了一种字符串匹配的模式,可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。

列目录时, dir *.txt或ls *.txt中的*.txt就不是一个正则表达式,因为这里*与正则式的*的含义是不同的。
  正则表达式是由普通字符(例如字符 a 到 z)以及特殊字符(称为元字符)组成的文字模式。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。

3.1 普通字符
  由所有那些未显式指定为元字符的打印和非打印字符组成。这包括所有的大写和小写字母字符,所有数字,所有标点符号以及一些符号。

3.2 非打印字符 字符 含义
\cx 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。
\f 匹配一个换页符。等价于 \x0c 和 \cL。
\n 匹配一个换行符。等价于 \x0a 和 \cJ。
\r 匹配一个回车符。等价于 \x0d 和 \cM。
\s 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]。
\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t 匹配一个制表符。等价于 \x09 和 \cI。
\v 匹配一个垂直制表符。等价于 \x0b 和 \cK。


3.3 特殊字符

   所谓特殊字符,就是一些有特殊含义的字符,如上面说的"*.txt"中的*,简单的说就是表示任何字符串的意思。如果要查找文件名中有*的文件,则需要对*进行转义,即在其前加一个\。ls \*.txt。正则表达式有以下特殊字符。

 

特别字符 说明
$ 匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性,则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身,请使用 \$。
( ) 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符,请使用 \( 和 \)。
* 匹配前面的子表达式零次或多次。要匹配 * 字符,请使用 \*。
+ 匹配前面的子表达式一次或多次。要匹配 + 字符,请使用 \+。
. 匹配除换行符 \n之外的任何单字符。要匹配 .,请使用 \。
[ 标记一个中括号表达式的开始。要匹配 [,请使用 \[。
? 匹配前面的子表达式零次或一次,或指明一个非贪婪限定符。要匹配 ? 字符,请使用 \?。
\ 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如, 'n' 匹配字符 'n'。'\n' 匹配换行符。序列 '\\' 匹配 "\",而 '\(' 则匹配 "("。
^ 匹配输入字符串的开始位置,除非在方括号表达式中使用,此时它表示不接受该字符集合。要匹配 ^ 字符本身,请使用 \^。
{ 标记限定符表达式的开始。要匹配 {,请使用 \{。
| 指明两项之间的一个选择。要匹配 |,请使用 \|。

  构造正则表达式的方法和创建数学表达式的方法一样。也就是用多种元字符与操作符将小的表达式结合在一起来创建更大的表达式。正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。
 

3.4 限定符

   限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有*或+或?或{n}或{n,}或{n,m}共6种。
*、+和?限定符都是贪婪的,因为它们会尽可能多的匹配文字,只有在它们的后面加上一个?就可以实现非贪婪或最小匹配。
   正则表达式的限定符有:
 

字符 描述
* 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} 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,} 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*'。
{n,m} 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。

3.5 定位符

   用来描述字符串或单词的边界,^和$分别指字符串的开始与结束,\b描述单词的前或后边界,\B表示非单词边界。不能对定位符使用限定符。

3.6 选择

   用圆括号将所有选择项括起来,相邻的选择项之间用|分隔。但用圆括号会有一个副作用,是相关的匹配会被缓存,此时可用?:放在第一个选项前来消除这种副作用。
   其中?:是非捕获元之一,还有两个非捕获元是?=和?!,这两个还有更多的含义,前者为正向预查,在任何开始匹配圆括号内的正则表达式模式的位置来匹配搜索字符串,后者为负向预查,在任何开始不匹配该正则表达式模式的位置来匹配搜索字符串。

3.7 后向引用

   对一个正则表达式模式或部分模式两边添加圆括号将导致相关匹配存储到一个临时缓冲区中,所捕获的每个子匹配都按照在正则表达式模式中从左至右所遇到的内容存储。存储子匹配的缓冲区编号从 1 开始,连续编号直至最大 99 个子表达式。每个缓冲区都可以使用 '\n' 访问,其中 n 为一个标识特定缓冲区的一位或两位十进制数。
   可以使用非捕获元字符 '?:', '?=', or '?!' 来忽略对相关匹配的保存。