A股上市公司传智教育(股票代码 003032)旗下技术交流社区北京昌平校区

 找回密码
 加入黑马

QQ登录

只需一步,快速开始

© 创造命运 中级黑马   /  2014-4-6 09:57  /  911 人查看  /  1 人回复  /   1 人收藏 转载请遵从CC协议 禁止商业使用本文

本帖最后由 创造命运 于 2014-4-6 21:40 编辑

一、什么是正则表达式
        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。

        作用:用于专门操作字符串。
        特点:用于一些特定的符号来表示一些代码操作,以简化代码书写。

二、常用符号
        1)  元字符(metacharacter)
                        .        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
                        例如\bhi\b表式以h开头,以i结束的单词。
                                \bhi\b.*\bLucy\b的意思:先是一个单词hi,然后是任意个任意字符(但不能是换行),最后是Lucy这个单词。
                                \b并不匹配这些单词分隔字符中的任何一个,它只匹配一个位置。
        2)  转义字符
                        \\    反斜线字符
                        \t    制表符
                        \n    回车符
                        \f    换页符
                        \a          报警字符(打印它的效果是电脑嘀一声)
                        \r          回车
                        \v          竖向制表符
                        \e          Escape
                        \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
                        例如:www\.baidu\.com匹配www.baidu.com
                                  C:\\Windows匹配C:\Windows。
        3)  字符类
                        [abc]           a、b或c
                        [^abc]          任何字符,除了a、b或c
                        [a-zA-Z]        a到z或A到Z
                        [a-e[p-t]]      a到e或p到t(另一种写法:[a-ep-t])
        4)  反义
                        \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。
        5)  重复
                        *                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

                        *?                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
                        例子:0\d{2}-\d{8}:前面\d必须连续重复匹配2次(8次)
                                  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)
                                  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。

三、分枝条件
        正则表达式里的分枝条件指的是有几种规则,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。
    例如: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010-12345678),一种是4位区号,7位本地号(0376-2233445)。
        使用分枝条件时,要注意各个条件的顺序。
        例如:\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。
        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。

四、分组
        用小括号来指定子表达式(也叫做分组)。
        例如表达式:(\d{1,3}\.){3}\d{1,3}   这是一个简单的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。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?)。
        理解这个表达式的关键是理解"2[0-4]\d|25[0-5]|[01]?\d\d?" : 2[0-4]\d为200到249; 25[0-5]为250到255; [01]?\d\d?为0到199

五、处理选项
        IgnoreCase(忽略大小写)                                匹配时不区分大小写。
        Multiline(多行模式)                                        更改^和$的含义,使它们分别在任意一行的行首和行尾匹配,而不仅仅在整个字符串
                                                                                的开头和结尾匹配。(在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束
                                                                                前的位置.)
        Singleline(单行模式)                                更改.的含义,使它与每一个字符匹配(包括换行符\n)。
        IgnorePatternWhitespace(忽略空白)        忽略表达式中的非转义空白并启用由#标记的注释。
        ExplicitCapture(显式捕获)                        仅捕获已被显式命名的组。
        一个经常被问到的问题是:是不是只能同时使用多行模式和单行模式中的一种?答案是:不是。这两个选项之间没有任何关系,
        除了它们的名字比较相似(以至于让人感到疑惑)以外。

六、笔记来源
        我只记下了我能够看到懂并理解的部分。其他关于后向引用、零宽断言负、向零宽断言、平衡组/递归匹配等等什么的,
        目前的我看了,也不是很理解,所以决定暂时先不管了。
        网址:http://www.jb51.net/tools/zhengze.html#mission
                  http://blog.csdn.net/shengfeixiang/article/details/8820673
                  关于正则表达式语言元素的MSDN在线文档http://msdn.microsoft.com/zh-cn/library/az24scfc.aspx

1 个回复

倒序浏览
您需要登录后才可以回帖 登录 | 加入黑马