正則表達式二

正則表達式 - 語法

http://www.runoob.com/regexp/regexp-syntax.html

正則表達式(regular expression)描述了一種字符串匹配的模式，能夠用來檢查一個串是否含有某種子串、將匹配的子串作替換或者從某個串中取出符合某個條件的子串等。

• 列出目錄時，dir *.txt 或 ls *.txt 中的 *.txt 就不是一個正則表達式,由於這裏 * 與正則式的 * 的含義是不一樣的。
• 構造正則表達式的方法和建立數學表達式的方法同樣。也就是用多種元字符與運算符能夠將小的表達式結合在一塊兒來建立更大的表達式。正則表達式的組件能夠是單個的字符、字符集合、字符範圍、字符間的選擇或者全部這些組件的任意組合。

正則表達式是由普通字符（例如字符 a 到 z）以及特殊字符（稱爲"元字符"）組成的文字模式。模式描述在搜索文本時要匹配的一個或多個字符串。正則表達式做爲一個模板，將某個字符模式與所搜索的字符串進行匹配。

普通字符

普通字符包括沒有顯式指定爲元字符的全部可打印和不可打印字符。這包括全部大寫和小寫字母、全部數字、全部標點符號和一些其餘符號。

非打印字符

非打印字符也能夠是正則表達式的組成部分。下表列出了表示非打印字符的轉義序列：

字符	描述
\cx	匹配由x指明的控制字符。例如， \cM 匹配一個 Control-M 或回車符。x 的值必須爲 A-Z 或 a-z 之一。不然，將 c 視爲一個原義的 'c' 字符。
\f	匹配一個換頁符。等價於 \x0c 和 \cL。
\n	匹配一個換行符。等價於 \x0a 和 \cJ。
\r	匹配一個回車符。等價於 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、製表符、換頁符等等。等價於 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等價於 [^ \f\n\r\t\v]。
\t	匹配一個製表符。等價於 \x09 和 \cI。
\v	匹配一個垂直製表符。等價於 \x0b 和 \cK。

特殊字符

所謂特殊字符，就是一些有特殊含義的字符，如上面說的"*.txt"中的*，簡單的說就是表示任何字符串的意思。若是要查找文件名中有*的文件，則須要對*進行轉義，即在其前加一個\。ls \*.txt。

許多元字符要求在試圖匹配它們時特別對待。若要匹配這些特殊字符，必須首先使字符"轉義"，即，將反斜槓字符 (\) 放在它們前面。下表列出了正則表達式中的特殊字符：

特別字符	描述
$	匹配輸入字符串的結尾位置。若是設置了 RegExp 對象的 Multiline 屬性，則 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符自己，請使用 \$。
( )	標記一個子表達式的開始和結束位置。子表達式能夠獲取供之後使用。要匹配這些字符，請使用 \( 和 \)。
*	匹配前面的子表達式零次或屢次。要匹配 * 字符，請使用 \*。
+	匹配前面的子表達式一次或屢次。要匹配 + 字符，請使用 \+。
.	匹配除換行符 \n 以外的任何單字符。要匹配 . ，請使用 \. 。
[	標記一箇中括號表達式的開始。要匹配 [，請使用 \[。
?	匹配前面的子表達式零次或一次，或指明一個非貪婪限定符。要匹配 ? 字符，請使用 \?。
\	將下一個字符標記爲或特殊字符、或原義字符、或向後引用、或八進制轉義符。例如， 'n' 匹配字符 'n'。'\n' 匹配換行符。序列 '\\' 匹配 "\"，而 '\(' 則匹配 "("。
^	匹配輸入字符串的開始位置，除非在方括號表達式中使用，此時它表示不接受該字符集合。要匹配 ^ 字符自己，請使用 \^。
{	標記限定符表達式的開始。要匹配 {，請使用 \{。
|	指明兩項之間的一個選擇。要匹配 |，請使用 \|。

限定符

限定符用來指定正則表達式的一個給定組件必需要出現多少次才能知足匹配。有*或+或?或{n}或{n,}或{n,m}共6種。

正則表達式的限定符有：

字符	描述
*	匹配前面的子表達式零次或屢次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等價於{0,}。
+	匹配前面的子表達式一次或屢次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等價於 {1,}。
?	匹配前面的子表達式零次或一次。例如，"do(es)?" 能夠匹配 "do" 或 "does" 中的"do" 。? 等價於 {0,1}。
{n}	n 是一個非負整數。匹配肯定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，可是能匹配 "food" 中的兩個 o。
{n,}	n 是一個非負整數。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的全部 o。'o{1,}' 等價於 'o+'。'o{0,}' 則等價於 'o*'。
{n,m}	m 和 n 均爲非負整數，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 將匹配 "fooooood" 中的前三個 o。'o{0,1}' 等價於 'o?'。請注意在逗號和兩個數之間不能有空格。

因爲章節編號在大的輸入文檔中會極可能超過九，因此您須要一種方式來處理兩位或三位章節編號。限定符給您這種能力。下面的正則表達式匹配編號爲任何位數的章節標題：

/Chapter [1-9][0-9]*/

請注意，限定符出如今範圍表達式以後。所以，它應用於整個範圍表達式，在本例中，只指定從 0 到 9 的數字（包括 0 和 9）。

這裏不使用 + 限定符，由於在第二個位置或後面的位置不必定須要有一個數字。也不使用？字符，由於它將章節編號限制到只有兩位數。您須要至少匹配 Chapter 和空格字符後面的一個數字。

若是您知道章節編號被限制爲只有 99 章，可使用下面的表達式來至少指定一位但至多兩位數字。

/Chapter [0-9]{1,2}/

上面的表達式的缺點是，大於 99 的章節編號仍只匹配開頭兩位數字。另外一個缺點是 Chapter 0 也將匹配。只匹配兩位數字的更好的表達式以下：

/Chapter [1-9][0-9]?/

或

/Chapter [1-9][0-9]{0,1}/

*、+和?限定符都是貪婪的，由於它們會盡量多的匹配文字，只有在它們的後面加上一個?就能夠實現非貪婪或最小匹配。

例如，您可能搜索 HTML 文檔，以查找括在 H1 標記內的章節標題。該文本在您的文檔中以下：

<H1>Chapter 1 – Introduction to Regular Expressions</H1>

下面的表達式匹配從開始小於符號 (<) 到關閉 H1 標記的大於符號 (>) 之間的全部內容。

/<.*>/

若是您只須要匹配開始 H1 標記，下面的"非貪心"表達式只匹配 <H1>。

/<.*?>/

經過在 *、+ 或 ? 限定符以後放置 ?，該表達式從"貪心"表達式轉換爲"非貪心"表達式或者最小匹配。

定位符

定位符使您可以將正則表達式固定到行首或行尾。它們還使您可以建立這樣的正則表達式，這些正則表達式出如今一個單詞內、在一個單詞的開頭或者一個單詞的結尾。

定位符用來描述字符串或單詞的邊界，^和$分別指字符串的開始與結束，\b描述單詞的前或後邊界，\B表示非單詞邊界。

正則表達式的限定符有：

字符	描述
^	匹配輸入字符串開始的位置。若是設置了 RegExp 對象的 Multiline 屬性，^ 還會與 \n 或 \r 以後的位置匹配。
$	匹配輸入字符串結尾的位置。若是設置了 RegExp 對象的 Multiline 屬性，$ 還會與 \n 或 \r 以前的位置匹配。
\b	匹配一個字邊界，即字與空格間的位置。
\B	非字邊界匹配。

注意：不能將限定符與定位點一塊兒使用。因爲在緊靠換行或者字邊界的前面或後面不能有一個以上位置，所以不容許諸如 ^* 之類的表達式。

若要匹配一行文本開始處的文本，請在正則表達式的開始使用 ^ 字符。不要將 ^ 的這種用法與中括號表達式內的用法混淆。

若要匹配一行文本的結束處的文本，請在正則表達式的結束處使用 $ 字符。

若要在搜索章節標題時使用定位點，下面的正則表達式匹配一個章節標題，該標題只包含兩個尾隨數字，而且出如今行首：

/^Chapter [1-9][0-9]{0,1}/

真正的章節標題不只出現行的開始處，並且它仍是該行中僅有的文本。它即出如今行首又出如今同一行的結尾。下面的表達式能確保指定的匹配只匹配章節而不匹配交叉引用。經過建立只匹配一行文本的開始和結尾的正則表達式，就可作到這一點。

/^Chapter [1-9][0-9]{0,1}$/

匹配字邊界稍有不一樣，但向正則表達式添加了很重要的能力。字邊界是單詞和空格之間的位置。非字邊界是任何其餘位置。下面的表達式匹配單詞 Chapter 的開頭三個字符，由於這三個字符出現字邊界後面：

/\bCha/

\b 字符的位置是很是重要的。若是它位於要匹配的字符串的開始，它在單詞的開始處查找匹配項。若是它位於字符串的結尾，它在單詞的結尾處查找匹配項。例如，下面的表達式匹配單詞 Chapter 中的字符串 ter，由於它出如今字邊界的前面：

/ter\b/

下面的表達式匹配 Chapter 中的字符串 apt，但不匹配 aptitude 中的字符串 apt：

/\Bapt/

字符串 apt 出如今單詞 Chapter 中的非字邊界處，但出如今單詞 aptitude 中的字邊界處。對於 \B 非字邊界運算符，位置並不重要，由於匹配不關心到底是單詞的開頭仍是結尾。

選擇

用圓括號將全部選擇項括起來，相鄰的選擇項之間用|分隔。但用圓括號會有一個反作用，是相關的匹配會被緩存，此時可用?:放在第一個選項前來消除這種反作用。

其中?:是非捕獲元之一，還有兩個非捕獲元是?=和?!，這兩個還有更多的含義，前者爲正向預查，在任何開始匹配圓括號內的正則表達式模式的位置來匹配搜索字符串，後者爲負向預查，在任何開始不匹配該正則表達式模式的位置來匹配搜索字符串。

反向引用

對一個正則表達式模式或部分模式兩邊添加圓括號將致使相關匹配存儲到一個臨時緩衝區中，所捕獲的每一個子匹配都按照在正則表達式模式中從左到右出現的順序存儲。緩衝區編號從 1 開始，最多可存儲 99 個捕獲的子表達式。每一個緩衝區均可以使用 '\n' 訪問，其中 n 爲一個標識特定緩衝區的一位或兩位十進制數。

可使用非捕獲元字符 '?:'、'?=' 或 '?!' 來重寫捕獲，忽略對相關匹配的保存。

反向引用的最簡單的、最有用的應用之一，是提供查找文本中兩個相同的相鄰單詞的匹配項的能力。如下面的句子爲例：

Is is the cost of of gasoline going up up?

上面的句子很顯然有多個重複的單詞。若是能設計一種方法定位該句子，而沒必要查找每一個單詞的重複出現，那該有多好。下面的正則表達式使用單個子表達式來實現這一點：

/\b([a-z]+) \1\b/gi

捕獲的表達式，正如 [a-z]+ 指定的，包括一個或多個字母。正則表達式的第二部分是對之前捕獲的子匹配項的引用，即，單詞的第二個匹配項正好由括號表達式匹配。\1 指定第一個子匹配項。字邊界元字符確保只檢測整個單詞。不然，諸如"is issued"或"this is"之類的詞組將不能正確地被此表達式識別。

正則表達式後面的全局標記 (g) 指示，將該表達式應用到輸入字符串中可以查找到的儘量多的匹配。表達式的結尾處的不區分大小寫 (i) 標記指定不區分大小寫。多行標記指定換行符的兩邊可能出現潛在的匹配。

反向引用還能夠將通用資源指示符 (URI) 分解爲其組件。假定您想將下面的 URI 分解爲協議（ftp、http 等等）、域地址和頁/路徑：

http://www.runoob.com:80/html/html-tutorial.html

下面的正則表達式提供該功能：

/(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)/

第一個括號子表達式捕獲 Web 地址的協議部分。該子表達式匹配在冒號和兩個正斜槓前面的任何單詞。第二個括號子表達式捕獲地址的域地址部分。子表達式匹配 / 和 : 以外的一個或多個字符。第三個括號子表達式捕獲端口號（若是指定了的話）。該子表達式匹配冒號後面的零個或多個數字。只能重複一次該子表達式。最後，第四個括號子表達式捕獲 Web 地址指定的路徑和/或頁信息。該子表達式能匹配不包括 # 或空格字符的任何字符序列。

將正則表達式應用到上面的 URI，各子匹配項包含下面的內容：

• 第一個括號子表達式包含"http"
• 第二個括號子表達式包含"www.runoob.com"
• 第三個括號子表達式包含":80"
• 第四個括號子表達式包含"/html/html-tutorial.html"