首页 > 代码库 > 正则表达式的基本应用

正则表达式的基本应用

    比如有三个单词 hi nihi wohime  如果我们需要匹配到hi可以直接输入hi 匹配, 但是我们注意到这样匹配会把hi nihi wohime  三个单词里面的hi同事匹配到。(注意:这里输出为hi hi hi 三个hi).

    如果我们只想要匹配到只含有hi的这个单词,也就是h开头i结尾中间没有任何其他单词。就需要使用\b:  用法\bhi\b  (这里表示配置h开头i结尾中间没有任何其他单词的也就是hi这个单词)

            \b  :一般成之为元字符,相当于一个占位符,匹配单词的开头和结尾.

    如果我们想匹配hi并且他前面有两个单词这里就会用到  .      。也是元字符,他表示:匹配除了换行符以外的任意单个字符 经常和 *一起用* 也是一个元字符,他表示前面的内容可以匹配任意次。 .*就表示匹配任意字符任意次。

            所以现在有 nihao  ni   nihaome   ni   hao

            如果需要匹配nihaome就可以使用\bnihaome\b,或者ni.*me ni.*e

            这里需要注意的是:如果一行中有 nia zhuzai zhongguo ni hao zhongguo   ni ai zhongguo这样的几个单词,想要匹配ni xxxx zhongguo的话 就可以结合前面的知识使用 \bni\b.*\bzhongguo\b 或者\bni\b .* zhongguo这里第二个需要注意原文中ni后面只有一个空格hao后面一个空格所以这里最多也只能隔一个空格。

            如果想要匹配0XX-XXXXXXX加入这里表示电话号码,也就是X只能代表数字。就要使用\d

            \d 这里的\d表示匹配任意一个数字(也就是0-9里面的任意一个数字)

            0\d\d-\d\d\d\d\d\d\d\d(注意这里面有一个 - 这个 -  没有任何其他意义只是代表本身,也就是在某个位置他要出现)

            当然为了简便写法,我们这里可以使用一个简便写法:0\d{2}-\d{7} 注意:这里的{7}7代表包括前面的\d一共出现7次数字。

            \w  匹配字母或数字或下划线或汉字

             比如:\ba\w*\b   表示a开头的任意单词,这里需注意的是加入有 awd aww a12 这里都会匹配到(*不是匹配\w匹配到的那个数字或者单词或者下划线任意次,他是指的是\w 这一类数据可以出现任意次) 

            \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。wdf_46 ______ 123456 qwerty   都可以被匹配

            \s                匹配任意的空白符

            ^    $    

             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}$。这里需要注意在某些主机是不支持这种用法,需要使用perl的正则引擎比如linux的grep就需要加上-P才能正常是使用 egrep -P "^\d{5,12}$"    /tmp/1

            注意 如果在使用过程中需要使用元字符本身比如   as\sd  就需要在元字符前面再加一个\ as\\sd


常用的重复方式


*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


^\w+:这里需要注意的是+匹配的是前面的类型!!!!!


[]:用法匹配[]里面给出的任意一个!比如:      abb a8b   ab8h    a[b8h]b 只能匹配到    abb    a8b 他只能匹配里面给的一个,如果多个都出现了就无法匹配.

理解 :\(?0\d{2}[) -]?\d{8}  :提醒"(" 是元字符。


\d{5}-\d{4}|\d{5}这个表达式用于匹配美国的邮政编码。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:使用分枝条件时,要注意各个条件的顺序。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)。原因是匹配分枝条件时,将会从左到右地测试每个条件,如果满足了某个分枝的话,就不会去再管其它的条件了。   这里需要特别注意的是如果你输入一个  23827-easasd123 匹配的结果是23827 之前我理解的是会匹配到26827-   这里应该这样理解        (\d{5}-\d{4})|(\d{5}) 这里的"|范围要特别注意


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

例子:\S+匹配不包含空白符的字符串。

<a[^>]+>匹配用尖括号括起来的以a开头的字符串。

另外需要注意的是 \<a  和\ba一样的意思:表示匹配以A开头的单词


使用小括号的时候,还有很多特定用途的语法。下面列出了最常用的一些:

表4.常用分组语法
分类代码/语法说明
捕获(exp)匹配exp,并捕获文本到自动命名的组里
(?<name>exp)匹配exp,并捕获文本到名称为name的组里,也可以写成(?‘name‘exp)
(?:exp)匹配exp,不捕获匹配的文本,也不给此分组分配组号
零宽断言(?=exp)匹配exp前面的位置
(?<=exp)匹配exp后面的位置
(?!exp)匹配后面跟的不是exp的位置
(?<!exp)匹配前面不是exp的位置
注释(?#comment)这种类型的分组不对正则表达式的处理产生任何影响,用于提供注释让人阅读

我们已经讨论了前两种语法。第三个(?:exp)不会改变正则表达式的处理方式,只是这样的组匹配的内容不会像前两种那样被捕获到某个组里面,也不会拥有组号


当正则表达式中包含能接受重复的限定符时,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。以这个表达式为例: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(第一到第三个字符)和ab(第四到第五个字符)。

为什么第一个匹配是aab(第一到第三个字符)而不是ab(第二到第三个字符)?简单地说,因为正则表达式有另一条规则,比懒惰/贪婪规则的优先级更高:最先开始的匹配拥有最高的优先权——The match that begins earliest wins。


上边已经描述了构造正则表达式的大量元素,但是还有很多没有提到的东西。下面是一些未提到的元素的列表,包含语法和简单的说明。你可以在网上找到更详细的参考资料来学习它们--当你需要用到它们的时候。如果你安装了MSDN Library,你也可以在里面找到.net下正则表达式详细的文档。这里的介绍很简略,如果你需要更详细的信息,而又没有在电脑上安装MSDN Library,可以查看关于正则表达式语言元素的MSDN在线文档。

表7.尚未详细讨论的语法
代码/语法说明
\a报警字符(打印它的效果是电脑嘀一声)
\b通常是单词分界位置,但如果在字符类里使用代表退格
\t制表符,Tab
\r回车
\v竖向制表符
\f换页符
\n换行符
\eEscape
\0nnASCII代码中八进制代码为nn的字符
\xnnASCII代码中十六进制代码为nn的字符
\unnnnUnicode代码中十六进制代码为nnnn的字符
\cNASCII控制字符。比如\cC代表Ctrl+C
\A字符串开头(类似^,但不受处理多行选项的影响)
\Z字符串结尾或行尾(不受处理多行选项的影响)
\z字符串结尾(类似$,但不受处理多行选项的影响)
\G当前搜索的开头
\p{name}Unicode中命名为name的字符类,例如\p{IsGreek}
(?>exp)贪婪子表达式
(?<x>-<y>exp)平衡组
(?im-nsx:exp)在子表达式exp中改变处理选项
(?im-nsx)为表达式后面的部分改变处理选项
(?(exp)yes|no)把exp当作零宽正向先行断言,如果在这个位置能匹配,使用yes作为此组的表达式;否则使用no
(?(exp)yes)同上,只是使用空表达式作为no
(?(name)yes|no)如果命名为name的组捕获到了内容,使用yes作为表达式;否则使用no
(?(name)yes)同上,只是使用空表达式作为no


正则表达式的基本应用