網絡編程入門教程：正則表達式

別被下面那些復雜的表達式嚇倒，只要跟著我一步一步來，你會發現正則表達式其實并沒有你想像中的那么困難。當然，如果你看完了這篇教程之后，發現自己明白了很多，卻又幾乎什么都記不得，那也是很正常的——我認為，沒接觸過正則表達式的人在看完這篇教程后，能把提到過的語法記住80%以上的可能性為零。這里只是讓你明白基本的原理，以后你還需要多練習，多使用，才能熟練掌握正則表達式。
除了作為入門教程之外，本文還試圖成為可以在日常工作中使用的正則表達式語法參考手冊。就作者本人的經歷來說，這個目標還是完成得不錯的——你看，我自己也沒能把所有的東西記下來，不是嗎？
清除格式 文本格式約定：專業術語 元字符/語法格式 正則表達式 正則表達式中的一部分(用于分析) 對其進行匹配的源字符串 對正則表達式或其中一部分的說明
隱藏邊注 文右邊有一些注釋，主要是用來提供一些相關信息，或者給沒有程序員背景的讀者解釋一些基本概念，通常可以忽略。

學習正則表達式的最好方法是從例子開始，理解例子之后再自己對例子進行修改，實驗。下面給出了不少簡單的例子，并對它們作了詳細的說明。
假設你在一篇英文小說里查找hi，你可以使用正則表達式hi。
這幾乎是最簡單的正則表達式了，它可以精確匹配這樣的字符串：由兩個字符組成，前一個字符是h,后一個是i。通常，處理正則表達式的工具會提供一個忽略大小寫的選項，如果選中了這個選項，它可以匹配hi,HI,Hi,hI這四種情況中的任意一種。
不幸的是，很多單詞里包含hi這兩個連續的字符，比如him,history,high等等。用hi來查找的話，這里邊的hi也會被找出來。如果要精確地查找hi這個單詞的話，我們應該使用hi。
是正則表達式規定的一個特殊代碼（好吧，某些人叫它元字符，metacharacter），代表著單詞的開頭或結尾，也就是單詞的分界處。雖然通常英文的單詞是由空格，標點符號或者換行來分隔的，但是并不匹配這些單詞分隔字符中的任何一個，它只匹配一個位置。

假如你要找的是hi后面不遠處跟著一個Lucy，你應該用hi.*Lucy。
這里，.是另一個元字符，匹配除了換行符以外的任意字符。*同樣是元字符，不過它代表的不是字符，也不是位置，而是數量——它指定*前邊的內容可以連續重復出現任意次以使整個表達式得到匹配。因此，.*連在一起就意味著任意數量的不包含換行的字符。現在hi.*Lucy的意思就很明顯了：先是一個單詞hi,然后是任意個任意字符(但不能是換行)，最后是Lucy這個單詞。

如果同時使用其它元字符，我們就能構造出功能更強大的正則表達式。比如下面這個例子：
0dd-dddddddd匹配這樣的字符串：以0開頭，然后是兩個數字，然后是一個連字號“-”，最后是8個數字(也就是中國的電話號碼。當然，這個例子只能匹配區號為3位的情形)。
這里的d是個新的元字符，匹配一位數字(0，或1，或2，或……)。-不是元字符，只匹配它本身——連字符或者減號。
為了避免那么多煩人的重復，我們也可以這樣寫這個表達式：0d{2}-d{8}。 這里d后面的{2}({8})的意思是前面d必須連續重復匹配2次(8次)。

元字符

現在你已經知道幾個很有用的元字符了，如,.,*，還有d.正則表達式里還有更多的元字符，比如s匹配任意的空白符，包括空格，制表符(Tab)，換行符，中文全角空格等。w匹配字母或數字或下劃線或漢字等。
下面來看看更多的例子：
aw*匹配以字母a開頭的單詞——先是某個單詞開始處()，然后是字母a,然后是任意數量的字母或數字(w*)，最后是單詞結束處()。
d+匹配1個或更多連續的數字。這里的+是和*類似的元字符，不同的是*匹配重復任意次(可能是0次)，而+則匹配重復1次或更多次。
w{6} 匹配剛好6個字母/數字的單詞。
表1.常用的元字符代碼說明.匹配除換行符以外的任意字符w匹配字母或數字或下劃線或漢字s匹配任意的空白符d匹配數字匹配單詞的開始或結束^匹配字符串的開始$匹配字符串的結束

元字符^（和數字6在同一個鍵位上的符號）和$都匹配一個位置，這和有點類似。^匹配你要用來查找的字符串的開頭，$匹配結尾。這兩個代碼在驗證輸入的內容時非常有用，比如一個網站如果要求你填寫的QQ號必須為5位到12位數字時，可以使用：^d{5,12}$。
這里的{5,12}和前面介紹過的{2}是類似的，只不過{2}匹配只能不多不少重復2次，{5,12}則是重復的次數不能少于5次，不能多于12次，否則都不匹配。
因為使用了^和$，所以輸入的整個字符串都要用來和d{5,12}來匹配，也就是說整個輸入必須是5到12個數字，因此如果輸入的QQ號能匹配這個正則表達式的話，那就符合要求了。
和忽略大小寫的選項類似，有些正則表達式處理工具還有一個處理多行的選項。如果選中了這個選項，^和$的意義就變成了匹配行的開始處和結束處。

字符轉義如果你想查找元字符本身的話，比如你查找.,或者*,就出現了問題：你沒辦法指定它們，因為它們會被解釋成別的意思。這時你就得使用來取消這些字符的特殊意義。因此，你應該使用.和*。當然，要查找本身，你也得用.
例如：unibetter.com匹配unibetter.com，C:Windows匹配C:Windows。

重復你已經看過了前面的*,+,{2},{5,12}這幾個匹配重復的方式了。下面是正則表達式中所有的限定符(指定數量的代碼，例如*,{5,12}等)：
表2.常用的限定符代碼/語法說明*重復零次或更多次+重復一次或更多次?重復零次或一次{n}重復n次{n,}重復n次或更多次{n,m}重復n到m次
下面是一些使用重復的例子：
Windowsd+匹配Windows后面跟1個或更多數字
^w+匹配一行的第一個單詞(或整個字符串的第一個單詞，具體匹配哪個意思得看選項設置)

生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈