小课堂【武汉第132期】

如何使用正则表达式

1.背景介绍

正则表达式到底是什么东西？

   正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表通常被用来检索、替换那些符合某个模式(规则)的文本。正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合组成一个“规则字符串“，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

2.知识剖析

2.1 元字符，拥有特殊含义的字符

常用的元字符

代码            说明
 .     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

我们举个例子来看看这些元字符是什么意思

  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}$。

  因为使用了^和$，所以输入的整个字符串都要用来和\d{5,12}来匹配，也就是说整个输入必须是5到12个数字，因此如果输入的QQ号能匹配这个正则表达式的话，那就符合要求了。

2.2 字符转义

  如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\.

例如：jnshu\.com匹配jnshu.com，C:\\Windows匹配C:\Windows。

2.3 重复

常用的限定符

代码/语法        说明
    *      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

例如：

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

2.4 反义

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：

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[^b]+>匹配用尖括号括起来的以a开头的字符串。

2.5 贪婪与懒惰

懒惰限定符

代码/语法               说明
    *?     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

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）。

3.常见问题

4.解决方案

5.编码实战

参见PPT编码实战

6.扩展思考

回到前面的贪婪与懒惰匹配，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

7.参考文献

http://deerchao.net/tutorials/regex/regex.htm

http://www.cnblogs.com/zfc2201/archive/2012/12/18/2824107.html

8.更多讨论

正则表达式还有其他哪些用法呢？