正則表達(dá)式
原文：http://www.regexlab.com/zh/regref.htm

由于轉(zhuǎn)載時(shí)轉(zhuǎn)換問題，注意，在本文中，紅色的 " 代表 \\

 說實(shí)話，挺怕學(xué)這個(gè)的，因?yàn)槠浔容^復(fù)雜，可是在web開發(fā)中不得不用，以前開發(fā)的時(shí)候都是用別人寫的通用的表達(dá)式，我覺得有必要，也來學(xué)一學(xué)！這是一篇絕好的學(xué)習(xí)正則表達(dá)式的文章。
       文檔中的例子可以測(cè)試。

一、引言

正則表達(dá)式可以用來：（1）驗(yàn)證字符串是否符合指定特征，比如驗(yàn)證是否是合法的郵件地址。（2）用來查找字符串，從一個(gè)長(zhǎng)的文本中查找符合指定特征的字符串，比查找固定字符串更加靈活方便。（3）用來替換，比普通的替換更強(qiáng)大。

二、正則表達(dá)式規(guī)則

1、普通字符

字母、數(shù)字、漢字、下劃線、沒有特殊定義的標(biāo)點(diǎn)符號(hào)，都是"普通字符"。

舉例1：表達(dá)式 "bcd"，在匹配字符串 "abcde" 時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是："bcd"；匹配到的位置是：開始于1，結(jié)束于4。

2、簡(jiǎn)單的轉(zhuǎn)義字符

一些不便書寫的字符，采用在前面加 """ 的方法。這些字符其實(shí)我們都已經(jīng)熟知了。

    還有其他一些在后邊章節(jié)中有特殊用處的標(biāo)點(diǎn)符號(hào)，在前面加 """ 后，就代表該符號(hào)本身。比如：^, $ 都有特殊意義，如果要想匹配字符串中 "^" 和 "$" 字符，則表達(dá)式就需要寫成 ""^" 和 ""$"。

這些轉(zhuǎn)義字符的匹配方法與 "普通字符" 是類似的。也是匹配與之相同的一個(gè)字符。
    舉例1：表達(dá)式 ""$d"，在匹配字符串 "abc$de" 時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是："$d"；匹配到的位置是：開始于3，結(jié)束于5。

3、能夠與 '多種字符' 匹配的表達(dá)式

    正則表達(dá)式中的一些表示方法，可以匹配 '多種字符' 其中的任意一個(gè)字符。比如，表達(dá)式 ""d" 可以匹配任意一個(gè)數(shù)字。雖然可以匹配其中任意字符，但是只能是一個(gè)，不是多個(gè)。這就好比玩撲克牌時(shí)候，大小王可以代替任意一張牌，但是只能代替一張牌。

舉例1：表達(dá)式 ""d"d"，在匹配 "abc123" 時(shí)，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："12"；匹配到的位置是：開始于3，結(jié)束于5。
    舉例2：表達(dá)式 "a."d"，在匹配 "aaa100" 時(shí)，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："aa1"；匹配到的位置是：開始于1，結(jié)束于4。

4、自定義能夠匹配 '多種字符' 的表達(dá)式

    使用方括號(hào) [ ] 包含一系列字符，能夠匹配其中任意一個(gè)字符。用 [^ ] 包含一系列字符，則能夠匹配其中字符之外的任意一個(gè)字符。同樣的道理，雖然可以匹配其中任意一個(gè)，但是只能是一個(gè)，不是多個(gè)。

舉例1：表達(dá)式 "[bcd][bcd]" 匹配 "abc123" 時(shí)，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："bc"；匹配到的位置是：開始于1，結(jié)束于3。
    舉例2：表達(dá)式 "[^abc]" 匹配 "abc123" 時(shí)，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："1"；匹配到的位置是：開始于3，結(jié)束于4。

5、修飾匹配次數(shù)的特殊符號(hào)

    前面章節(jié)中講到的表達(dá)式，無論是只能匹配一種字符的表達(dá)式，還是可以匹配多種字符其中任意一個(gè)的表達(dá)式，都只能匹配一次。如果使用表達(dá)式再加上修飾匹配次數(shù)的特殊符號(hào)，那么不用重復(fù)書寫表達(dá)式就可以重復(fù)匹配。
    使用方法是："次數(shù)修飾"放在"被修飾的表達(dá)式"后邊。比如："[bcd][bcd]" 可以寫成 "[bcd]{2}"。

    舉例1：表達(dá)式 ""d+".?"d*" 在匹配 "It costs $12.5" 時(shí)，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："12.5"；匹配到的位置是：開始于10，結(jié)束于14。
    舉例2：表達(dá)式 "go{2,8}gle" 在匹配 "Ads by goooooogle" 時(shí)，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："goooooogle"；匹配到的位置是：開始于7，結(jié)束于17。

6、其他一些代表抽象意義的特殊符號(hào)

    一些符號(hào)在表達(dá)式中代表抽象的特殊意義：

進(jìn)一步的文字說明仍然比較抽象，因此，舉例幫助大家理解。
    舉例1：表達(dá)式 "^aaa" 在匹配 "xxx aaa xxx" 時(shí)，匹配結(jié)果是：失敗。因?yàn)?/span> "^" 要求與字符串開始的地方匹配，因此，只有當(dāng) "aaa" 位于字符串的開頭的時(shí)候，"^aaa" 才能匹配，比如："aaa xxx xxx"。
    舉例2：表達(dá)式 "aaa$" 在匹配 "xxx aaa xxx" 時(shí)，匹配結(jié)果是：失敗。因?yàn)?/span> "$" 要求與字符串結(jié)束的地方匹配，因此，只有當(dāng) "aaa" 位于字符串的結(jié)尾的時(shí)候，"aaa$" 才能匹配，比如："xxx xxx aaa"。
    舉例3：表達(dá)式 "."b." 在匹配 "@@@abc" 時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是："@a"；匹配到的位置是：開始于2，結(jié)束于4。
    進(jìn)一步說明：""b" 與 "^" 和 "$" 類似，本身不匹配任何字符，但是它要求它在匹配結(jié)果中所處位置的左右兩邊，其中一邊是 ""w" 范圍，另一邊是非""w" 的范圍。
    舉例4：表達(dá)式 ""bend"b" 在匹配 "weekend,endfor,end" 時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是："end"；匹配到的位置是：開始于15，結(jié)束于18。

    一些符號(hào)可以影響表達(dá)式內(nèi)部的子表達(dá)式之間的關(guān)系：

    舉例5：表達(dá)式 "Tom|Jack" 在匹配字符串 "I'm Tom, he is Jack" 時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是："Tom"；匹配到的位置是：開始于4，結(jié)束于7。匹配下一個(gè)時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是："Jack"；匹配到的位置時(shí)：開始于15，結(jié)束于19。
    舉例6：表達(dá)式 "(go"s*)+" 在匹配 "Let's go go go!" 時(shí)，匹配結(jié)果是：成功；匹配到內(nèi)容是："go go go"；匹配到的位置是：開始于6，結(jié)束于14。
    舉例7：表達(dá)式 "￥("d+".?"d*)" 在匹配 "＄10.9,￥20.5" 時(shí)，匹配的結(jié)果是：成功；匹配到的內(nèi)容是："￥20.5"；匹配到的位置是：開始于6，結(jié)束于10。單獨(dú)獲取括號(hào)范圍匹配到的內(nèi)容是："20.5"。

2. 正則表達(dá)式中的一些高級(jí)規(guī)則

2.1 匹配次數(shù)中的貪婪與非貪婪

    在使用修飾匹配次數(shù)的特殊符號(hào)時(shí)，有幾種表示方法可以使同一個(gè)表達(dá)式能夠匹配不同的次數(shù)，比如："{m,n}", "{m,}", "?", "*", "+"，具體匹配的次數(shù)隨被匹配的字符串而定。這種重復(fù)匹配不定次數(shù)的表達(dá)式在匹配過程中，總是盡可能多的匹配。比如，針對(duì)文本 "dxxxdxxxd"，舉例如下：

    由此可見，""w+" 在匹配的時(shí)候，總是盡可能多的匹配符合它規(guī)則的字符。雖然第二個(gè)舉例中，它沒有匹配最后一個(gè) "d"，但那也是為了讓整個(gè)表達(dá)式能夠匹配成功。同理，帶 "*" 和 "{m,n}" 的表達(dá)式都是盡可能地多匹配，帶 "?" 的表達(dá)式在可匹配可不匹配的時(shí)候，也是盡可能的 "要匹配"。這 種匹配原則就叫作 "貪婪" 模式 。

    非貪婪模式：

    在修飾匹配次數(shù)的特殊符號(hào)后再加上一個(gè) "?" 號(hào)，則可以使匹配次數(shù)不定的表達(dá)式盡可能少的匹配，使可匹配可不匹配的表達(dá)式，盡可能的 "不匹配"。這種匹配原則叫作 "非貪婪" 模式，也叫作 "勉強(qiáng)" 模式。如果少匹配就會(huì)導(dǎo)致整個(gè)表達(dá)式匹配失敗的時(shí)候，與貪婪模式類似，非貪婪模式會(huì)最小限度的再匹配一些，以使整個(gè)表達(dá)式匹配成功。舉例如下，針對(duì)文本 "dxxxdxxxd" 舉例：

    更多的情況，舉例如下：

    舉例1：表達(dá)式 "<td>(.*)</td>" 與字符串 "<td><p>aa</p></td> <td><p>bb</p></td>" 匹配時(shí)，匹配的結(jié)果是：成功；匹配到的內(nèi)容是 "<td><p>aa</p></td> <td><p>bb</p></td>" 整個(gè)字符串， 表達(dá)式中的 "</td>" 將與字符串中最后一個(gè) "</td>" 匹配。

    舉例2：相比之下，表達(dá)式 "<td>(.*?)</td>" 匹配舉例1中同樣的字符串時(shí)，將只得到 "<td><p>aa</p></td>"， 再次匹配下一個(gè)時(shí)，可以得到第二個(gè) "<td><p>bb</p></td>"。

2.2 反向引用 "1, "2...

    表達(dá)式在匹配時(shí)，表達(dá)式引擎會(huì)將小括號(hào) "( )" 包含的表達(dá)式所匹配到的字符串記錄下來。在獲取匹配結(jié)果的時(shí)候，小括號(hào)包含的表達(dá)式所匹配到的字符串可以單獨(dú)獲取。這一點(diǎn)，在前面的舉例中，已經(jīng)多次展示了。在實(shí)際應(yīng)用場(chǎng)合中，當(dāng)用某種邊界來查找，而所要獲取的內(nèi)容又不包含邊界時(shí)，必須使用小括號(hào)來指定所要的范圍。比如前面的 "<td>(.*?)</td>"。

    其實(shí)，"小括號(hào)包含的表達(dá)式所匹配到的字符串" 不僅是在匹配結(jié)束后才可以使用，在匹配過程中也可以使用。表達(dá)式后邊的部分，可以引用前面 "括號(hào)內(nèi)的子匹配已經(jīng)匹配到的字符串"。引用方法是 """ 加上一個(gè)數(shù)字。""1" 引用第1對(duì)括號(hào)內(nèi)匹配到的字符串，""2" 引用第2對(duì)括號(hào)內(nèi)匹配到的字符串……以此類推，如果一對(duì)括號(hào)內(nèi)包含另一對(duì)括號(hào)，則外層的括號(hào)先排序號(hào)。換句話說，哪一對(duì)的左括號(hào) "(" 在前，那這一對(duì)就先排序號(hào)。

    舉例如下：
    舉例1：表達(dá)式 "('|")(.*?)("1)" 在匹配 " 'Hello', "World" " 時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是：" 'Hello' "。再次匹配下一個(gè)時(shí)，可以匹配到 " "World" "。
    舉例2：表達(dá)式 "("w)"1{4,}" 在匹配 "aa bbbb abcdefg ccccc 111121111 999999999" 時(shí)，匹配結(jié)果是：成功；匹配到的內(nèi)容是 "ccccc"。再次匹配下一個(gè)時(shí)，將得到 999999999。這個(gè)表達(dá)式要求 ""w" 范圍的字符至少重復(fù)5次，注意與 ""w{5,}" 之間的區(qū)別。
    舉例3：表達(dá)式 "<("w+)"s*("w+(=('|").*?"4)?"s*)*>.*?</"1>" 在匹配 "<td id='td1' style="bgcolor:white"></td>" 時(shí)，匹配結(jié)果是成功。如果 "<td>" 與 "</td>" 不配對(duì)，則會(huì)匹配失敗；如果改成其他配對(duì)，也可以匹配成功。

2.3 預(yù)搜索，不匹配；反向預(yù)搜索，不匹配

    前面的章節(jié)中，我講到了幾個(gè)代表抽象意義的特殊符號(hào)："^"，"$"，""b"。它們都有一個(gè)共同點(diǎn)，那就是：它們本身不匹配任何字符，只是對(duì) "字符串的兩頭" 或者 "字符之間的縫隙" 附加了一個(gè)條件。理解到這個(gè)概念以后，本節(jié)將繼續(xù)介紹另外一種對(duì) "兩頭" 或者 "縫隙" 附加條件的，更加靈活的表示方法。

    正向預(yù)搜索："(?=xxxxx)"，"(?!xxxxx)"
    格式："(?=xxxxx)"，在被匹配的字符串中，它對(duì)所處的 "縫隙" 或者 "兩頭" 附加的條件是：所在縫隙的右側(cè)，必須能夠匹配上 xxxxx 這部分的表達(dá)式。因?yàn)樗皇窃诖俗鳛檫@個(gè)縫隙上附加的條件，所以它并不影響后邊的表達(dá)式去真正匹配這個(gè)縫隙之后的字符。這就類似 ""b"，本身不匹配任何字符。""b" 只是將所在縫隙之前、之后的字符取來進(jìn)行了一下判斷，不會(huì)影響后邊的表達(dá)式來真正的匹配。

    舉例1：表達(dá)式 "Windows (?=NT|XP)" 在匹配 "Windows 98, Windows NT, Windows 2000" 時(shí)，將只匹配 "Windows NT" 中的 "Windows "，其他的 "Windows " 字樣則不被匹配。
    舉例2：表達(dá)式 "("w)((?="1"1"1)("1))+" 在匹配字符串 "aaa ffffff 999999999" 時(shí)，將可以匹配6個(gè)"f"的前4個(gè)，可以匹配9個(gè)"9"的前7個(gè)。這個(gè)表達(dá)式可以讀解成：重復(fù)4次以上的字母數(shù)字，則匹配其剩下最后2位之前的部分。當(dāng)然，這個(gè)表達(dá)式可以不這樣寫，在此的目的是作為演示之用。

格式："(?!xxxxx)"，所在縫隙的右側(cè)，必須不能匹配 xxxxx 這部分表達(dá)式。
    舉例3：表達(dá)式 "((?!"bstop"b).)+" 在匹配 "fdjka ljfdl stop fjdsla fdj" 時(shí)，將從頭一直匹配到 "stop" 之前的位置，如果字符串中沒有 "stop"，則匹配整個(gè)字符串。
    舉例4：表達(dá)式 "do(?!"w)" 在匹配字符串 "done, do, dog" 時(shí)，只能匹配 "do"。在本條舉例中，"do" 后邊使用 "(?!"w)" 和使用 ""b" 效果是一樣的。

    反向預(yù)搜索："(?<=xxxxx)"，"(?<!xxxxx)"

    這兩種格式的概念和正向預(yù)搜索是類似的，反向預(yù)搜索要求的條件是：所在縫隙的 "左側(cè)"，兩種格式分別要求必須能夠匹配和必須不能夠匹配指定表達(dá)式，而不是去判斷右側(cè)。與 "正向預(yù)搜索" 一樣的是：它們都是對(duì)所在縫隙的一種附加條件，本身都不匹配任何字符。
    舉例5：表達(dá)式 "(?<="d{4})"d+(?="d{4})" 在匹配 "1234567890123456" 時(shí)，將匹配除了前4個(gè)數(shù)字和后4個(gè)數(shù)字之外的中間8個(gè)數(shù)字。由于 JScript.RegExp 不支持反向預(yù)搜索，因此，本條舉例不能夠進(jìn)行演示。很多其他的引擎可以支持反向預(yù)搜索，比如：Java 1.4 以上的 java.util.regex 包，.NET 中System.Text.RegularExpressions 命名空間，以及本站推薦的最簡(jiǎn)單易用的 DEELX 正則引擎。

3. 其他通用規(guī)則

    還有一些在各個(gè)正則表達(dá)式引擎之間比較通用的規(guī)則，在前面的講解過程中沒有提到。

3.1 表達(dá)式中，可以使用 ""xXX" 和 ""uXXXX" 表示一個(gè)字符（"X" 表示一個(gè)十六進(jìn)制數(shù)）

3.2 在表達(dá)式 ""s"，""d"，""w"，""b" 表示特殊意義的同時(shí)，對(duì)應(yīng)的大寫字母表示相反的意義

3.3 在表達(dá)式中有特殊意義，需要添加 """ 才能匹配該字符本身的字符匯總

3.4 括號(hào) "( )" 內(nèi)的子表達(dá)式，如果希望匹配結(jié)果不進(jìn)行記錄供以后使用，可以使用 "(?:xxxxx)" 格式

    舉例1：表達(dá)式 "(?:("w)"1)+" 匹配 "a bbccdd efg" 時(shí)，結(jié)果是 "bbccdd"。括號(hào) "(?:)" 范圍的匹配結(jié)果不進(jìn)行記錄，因此 "("w)" 使用 ""1" 來引用。

3.5 常用的表達(dá)式屬性設(shè)置簡(jiǎn)介：Ignorecase，Singleline，Multiline，Global

4. 其他提示

4.1 如果想要了解高級(jí)的正則引擎還支持那些復(fù)雜的正則語法，可參見本站 DEELX 正則引擎的說明文檔。

4.2 如果要要求表達(dá)式所匹配的內(nèi)容是整個(gè)字符串，而不是從字符串中找一部分，那么可以在表達(dá)式的首尾使用 "^" 和 "$"，比如："^"d+$" 要求整個(gè)字符串只有數(shù)字。

4.3 如果要求匹配的內(nèi)容是一個(gè)完整的單詞，而不會(huì)是單詞的一部分，那么在表達(dá)式首尾使用 ""b"，比如：使用 ""b(if|while|else|void|int……)"b" 來匹配程序中的關(guān)鍵字。

4.4 表達(dá)式不要匹配空字符串。否則會(huì)一直得到匹配成功，而結(jié)果什么都沒有匹配到。比如：準(zhǔn)備寫一個(gè)匹配 "123"、"123."、"123.5"、".5" 這幾種形式的表達(dá)式時(shí)，整數(shù)、小數(shù)點(diǎn)、小數(shù)數(shù)字都可以省略，但是不要將表達(dá)式寫成：""d*".?"d*"，因?yàn)槿绻裁炊紱]有，這個(gè)表達(dá)式也可以匹配成功。更好的寫法是：""d+".?"d*|"."d+"。

4.5 能匹配空字符串的子匹配不要循環(huán)無限次。如果括號(hào)內(nèi)的子表達(dá)式中的每一部分都可以匹配 0 次，而這個(gè)括號(hào)整體又可以匹配無限次，那么情況可能比上一條所說的更嚴(yán)重，匹配過程中可能死循環(huán)。雖然現(xiàn)在有些正則表達(dá)式引擎已經(jīng)通過辦法避免了這種情況出現(xiàn)死循環(huán)了，比如 .NET 的正則表達(dá)式，但是我們?nèi)匀粦?yīng)該盡量避免出現(xiàn)這種情況。如果我們?cè)趯懕磉_(dá)式時(shí)遇到了死循環(huán)，也可以從這一點(diǎn)入手，查找一下是否是本條所說的原因。

4.6 合理選擇貪婪模式與非貪婪模式，參見話題討論。

4.7 或 "|" 的左右兩邊，對(duì)某個(gè)字符最好只有一邊可以匹配，這樣，不會(huì)因?yàn)?/span> "|" 兩邊的表達(dá)式因?yàn)榻粨Q位置而有所不同。