入門簡介
簡單的說,正則表達(dá)式是一種可以用于模式匹配和替換的強(qiáng)有力的工具。我們可以在幾乎所有的基于UNIX系統(tǒng)的工具中找到正則表達(dá)式的身影,例如,vi編輯器,Perl或PHP腳本語言,以及awk或sed shell程序等。此外,象JavaScript這種客戶端的腳本語言也提供了對正則表達(dá)式的支持。由此可見,正則表達(dá)式已經(jīng)超出了某種語言或某個(gè)系統(tǒng)的局限,成為人們廣為接受的概念和功能。
正則表達(dá)式可以讓用戶通過使用一系列的特殊字符構(gòu)建匹配模式,然后把匹配模式與數(shù)據(jù)文件、程序輸入以及WEB頁面的表單輸入等目標(biāo)對象進(jìn)行比較,根據(jù)比較對象中是否包含匹配模式,執(zhí)行相應(yīng)的程序。
舉例來說,正則表達(dá)式的一個(gè)最為普遍的應(yīng)用就是用于驗(yàn)證用戶在線輸入的郵件地址的格式是否正確。如果通過正則表達(dá)式驗(yàn)證用戶郵件地址的格式正確,用戶所填寫的表單信息將會(huì)被正常處理;反之,如果用戶輸入的郵件地址與正則表達(dá)的模式不匹配,將會(huì)彈出提示信息,要求用戶重新輸入正確的郵件地址。由此可見正則表達(dá)式在WEB應(yīng)用的邏輯判斷中具有舉足輕重的作用。
基本語法
在對正則表達(dá)式的功能和作用有了初步的了解之后,我們就來具體看一下正則表達(dá)式的語法格式。
正則表達(dá)式的形式一般如下:
/love/
其中位于“/”定界符之間的部分就是將要在目標(biāo)對象中進(jìn)行匹配的模式。用戶只要把希望查找匹配對象的模式內(nèi)容放入“/”定界符之間即可。為了能夠使用戶更加靈活的定制模式內(nèi)容,正則表達(dá)式提供了專門的“元字符”。所謂元字符就是指那些在正則表達(dá)式中具有特殊意義的專用字符,可以用來規(guī)定其前導(dǎo)字符(即位于元字符前面的字符)在目標(biāo)對象中的出現(xiàn)模式。
較為常用的元字符包括: “+”, “*”,以及 “?”。其中,“+”元字符規(guī)定其前導(dǎo)字符必須在目標(biāo)對象中連續(xù)出現(xiàn)一次或多次,“*”元字符規(guī)定其前導(dǎo)字符必須在目標(biāo)對象中出現(xiàn)零次或連續(xù)多次,而“?”元字符規(guī)定其前導(dǎo)對象必須在目標(biāo)對象中連續(xù)出現(xiàn)零次或一次。
下面,就讓我們來看一下正則表達(dá)式元字符的具體應(yīng)用。
/fo+/
因?yàn)樯鲜稣齽t表達(dá)式中包含“+”元字符,表示可以與目標(biāo)對象中的 “fool”, “fo”, 或者 “football”等在字母f后面連續(xù)出現(xiàn)一個(gè)或多個(gè)字母o的字符串相匹配。
/eg*/
因?yàn)樯鲜稣齽t表達(dá)式中包含“*”元字符,表示可以與目標(biāo)對象中的 “easy”, “ego”, 或者 “egg”等在字母e后面連續(xù)出現(xiàn)零個(gè)或多個(gè)字母g的字符串相匹配。
/Wil?/
因?yàn)樯鲜稣齽t表達(dá)式中包含“?”元字符,表示可以與目標(biāo)對象中的 “Will”, 或者 “Wilson”,等在字母i后面連續(xù)出現(xiàn)零個(gè)或一個(gè)字母l的字符串相匹配。
除了元字符之外,用戶還可以精確指定模式在匹配對象中出現(xiàn)的頻率。例如,
/jim{2,6}/
上述正則表達(dá)式規(guī)定字符m可以在匹配對象中連續(xù)出現(xiàn)2-6次,因此,上述正則表達(dá)式可以同jimmy或jimmmmmy等字符串相匹配。
在對如何使用正則表達(dá)式有了初步了解之后,我們來看一下其它幾個(gè)重要的元字符的使用方式。
s:用于匹配單個(gè)空格符,包括tab鍵和換行符;
S:用于匹配除單個(gè)空格符之外的所有字符;
d:用于匹配從0到9的數(shù)字;
w:用于匹配字母,數(shù)字或下劃線字符;
W:用于匹配所有與w不匹配的字符;
. :用于匹配除換行符之外的所有字符。
(說明:我們可以把s和S以及w和W看作互為逆運(yùn)算)
下面,我們就通過實(shí)例看一下如何在正則表達(dá)式中使用上述元字符。
/s+/
上述正則表達(dá)式可以用于匹配目標(biāo)對象中的一個(gè)或多個(gè)空格字符。
/d000/
如果我們手中有一份復(fù)雜的財(cái)務(wù)報(bào)表,那么我們可以通過上述正則表達(dá)式輕而易舉的查找到所有總額達(dá)千元的款項(xiàng)。
除了我們以上所介紹的元字符之外,正則表達(dá)式中還具有另外一種較為獨(dú)特的專用字符,即定位符。定位符用于規(guī)定匹配模式在目標(biāo)對象中的出現(xiàn)位置。
較為常用的定位符包括: “^”, “$”, “” 以及 “B”。其中,“^”定位符規(guī)定匹配模式必須出現(xiàn)在目標(biāo)字符串的開頭,“$”定位符規(guī)定匹配模式必須出現(xiàn)在目標(biāo)對象的結(jié)尾,定位符規(guī)定匹配模式必須出現(xiàn)在目標(biāo)字符串的開頭或結(jié)尾的兩個(gè)邊界之一,而“B”定位符則規(guī)定匹配對象必須位于目標(biāo)字符串的開頭和結(jié)尾兩個(gè)邊界之內(nèi),即匹配對象既不能作為目標(biāo)字符串的開頭,也不能作為目標(biāo)字符串的結(jié)尾。同樣,我們也可以把“^”和“$”以及“”和“B”看作是互為逆運(yùn)算的兩組定位符。舉例來說:
/^hell/
因?yàn)樯鲜稣齽t表達(dá)式中包含“^”定位符,所以可以與目標(biāo)對象中以 “hell”, “hello”或 “hellhound”開頭的字符串相匹配。
/ar$/
因?yàn)樯鲜稣齽t表達(dá)式中包含“$”定位符,所以可以與目標(biāo)對象中以 “car”, “bar”或 “ar” 結(jié)尾的字符串相匹配。
/bom/
因?yàn)樯鲜稣齽t表達(dá)式模式以“”定位符開頭,所以可以與目標(biāo)對象中以 “bomb”, 或 “bom”開頭的字符串相匹配。
/man/
因?yàn)樯鲜稣齽t表達(dá)式模式以“”定位符結(jié)尾,所以可以與目標(biāo)對象中以 “human”, “woman”或 “man”結(jié)尾的字符串相匹配。
為了能夠方便用戶更加靈活的設(shè)定匹配模式,正則表達(dá)式允許使用者在匹配模式中指定某一個(gè)范圍而不局限于具體的字符。例如:
/[A-Z]/
上述正則表達(dá)式將會(huì)與從A到Z范圍內(nèi)任何一個(gè)大寫字母相匹配。
/[a-z]/
上述正則表達(dá)式將會(huì)與從a到z范圍內(nèi)任何一個(gè)小寫字母相匹配。
/[0-9]/
上述正則表達(dá)式將會(huì)與從0到9范圍內(nèi)任何一個(gè)數(shù)字相匹配。
/([a-z][A-Z][0-9])+/
上述正則表達(dá)式將會(huì)與任何由字母和數(shù)字組成的字符串,如 “aB0” 等相匹配。這里需要提醒用戶注意的一點(diǎn)就是可以在正則表達(dá)式中使用 “()” 把字符串組合在一起。“()”符號包含的內(nèi)容必須同時(shí)出現(xiàn)在目標(biāo)對象中。因此,上述正則表達(dá)式將無法與諸如 “abc”等的字符串匹配,因?yàn)椤癮bc”中的最后一個(gè)字符為字母而非數(shù)字。
如果我們希望在正則表達(dá)式中實(shí)現(xiàn)類似編程邏輯中的“或”運(yùn)算,在多個(gè)不同的模式中任選一個(gè)進(jìn)行匹配的話,可以使用管道符 “|”。例如:
/to|too|2/
上述正則表達(dá)式將會(huì)與目標(biāo)對象中的 “to”, “too”, 或 “2” 相匹配。
正則表達(dá)式中還有一個(gè)較為常用的運(yùn)算符,即否定符 “[^]”。與我們前文所介紹的定位符 “^” 不同,否定符 “[^]”規(guī)定目標(biāo)對象中不能存在模式中所規(guī)定的字符串。例如:
/[^A-C]/
上述字符串將會(huì)與目標(biāo)對象中除A,B,和C之外的任何字符相匹配。一般來說,當(dāng)“^”出現(xiàn)在 “[]”內(nèi)時(shí)就被視做否定運(yùn)算符;而當(dāng)“^”位于“[]”之外,或沒有“[]”時(shí),則應(yīng)當(dāng)被視做定位符。
最后,當(dāng)用戶需要在正則表達(dá)式的模式中加入元字符,并查找其匹配對象時(shí),可以使用轉(zhuǎn)義符“”。例如:
/Th*/
上述正則表達(dá)式將會(huì)與目標(biāo)對象中的“Th*”而非“The”等相匹配。
使用實(shí)例
在對正則表達(dá)式有了較為全面的了解之后,我們就來看一下如何在Perl,PHP,以及JavaScript中使用正則表達(dá)式。
通常,Perl中正則表達(dá)式的使用格式如下:
operator / regular-expression / string-to-replace / modifiers
運(yùn)算符一項(xiàng)可以是m或s,分別代表匹配運(yùn)算和替換運(yùn)算。
其中,正則表達(dá)式一項(xiàng)是將要進(jìn)行匹配或替換操作的模式,可以由任意字符,元字符,或定位符等組成。替換字符串一項(xiàng)是使用s運(yùn)算符時(shí),對查找到的模式匹配對象進(jìn)行替換的字符串。最后的參數(shù)項(xiàng)用來控制不同的匹配或替換方式。例如:
s/geed/good/
將會(huì)在目標(biāo)對象中查找第一個(gè)出現(xiàn)的geed字串,并將其替換為good。如果我們希望在目標(biāo)對象的全局范圍內(nèi)執(zhí)行多次查找—替換操作的話,可以使用參數(shù) “g”,即s/love/lust/g。
此外,如果我們不需要限制匹配的大小寫形式的話,可以使用參數(shù) “i ”。例如,
m/JewEL/i
上述正則表達(dá)式將會(huì)與目標(biāo)對象中的jewel,Jewel,或JEWEL相匹配。
在Perl中,使用專門的運(yùn)算符“=~”指定正則表達(dá)式的匹配對象。例如:
$flag =~ s/abc/ABC/
上述正則表達(dá)式將會(huì)把變量$flag中的字串a(chǎn)bc替換為ABC。
下面,我們就在Perl程序中加入正則表達(dá)式,驗(yàn)證用戶郵件地址格式的有效性。代碼如下:
#!/usr/bin/perl
# get input
print “What's your email address? ”;
$email = <>
chomp($email);
# match and display result
if($email =~ /^([a-zA-Z0-9_-])+@([a-zA-Z0-9_-])+(.[a-zA-Z0-9_-])+/)
{
print(“Your email address is correct! ”);
}
else
{
print(“Please try again! ”);
}
如果用戶更偏愛PHP的話,可以使用ereg()函數(shù)進(jìn)行模式匹配操作。ereg()函數(shù)的使用格式如下:
ereg(pattern, string)
其中,pattern代表正則表達(dá)式的模式,而string則是執(zhí)行查找替換操作的目標(biāo)對象。同樣是驗(yàn)證郵件地址,使用PHP編寫的程序代碼如下:
if (ereg(“^([a-zA-Z0-9_-])+@([a-zA-Z0-9_-])+(.[a-zA-Z0-9_-])+”,$email))
{ echo “Your email address is correct!”;}
else
{ echo “Please try again!”;}
?>
最后,我們在來看一下JavaScript。JavaScript 1.2中帶有一個(gè)功能強(qiáng)大的RegExp()對象,可以用來進(jìn)行正則表達(dá)式的匹配操作。其中的test()方法可以檢驗(yàn)?zāi)繕?biāo)對象中是否包含匹配模式,并相應(yīng)的返回true或false。
我們可以使用JavaScript編寫以下腳本,驗(yàn)證用戶輸入的郵件地址的有效性。
< language="Javascript1.2">