55分钟学会正则表达式(来自Github)

检查文本中是否含有指定的特征词

找出文中匹配特征词的位置

从文本中提取信息,比如:字符串的子串

修改文本

与文本编辑器相似,几乎所有的高级编程语言都支持正则表达式。在这样的语境下,“文本”也就是一个字符串,可以执行的操作都是类似的。一些编程语言(比如Perl,JavaScript)会检查正则表达式的语法。

正则表达式是什么?

正则表达式只是一个字符串。没有长度限制,但是,这样的正则表达式长度往往较短。如下所示是一些正则表达式的例子:

I had a \S+ day today

[A-Za-z0-9\-_]{3,16}

\d\d\d\d-\d\d-\d\d

v(\d+)(\.\d+)*

TotalMessages="(.*?)"

<[^<>]>

这些字符串实际上都是微型计算机程序。正则表达式的语法,实际上是一种轻量级、简洁、适用于特定领域的编程语言。记住这一点,那么你就很容易理解下面的事情:

每一个正则表达式,都可以分解为一个指令序列,比如“先找到这样的字符,再找到那样的字符,再从中找到一个字符。。。”

每一个正则表达式都有输入(文本)和输出(匹配规则的输出,有时是修改后的文本)

正则表达式有可能出现语法错误——不是所有的字符串都是正则表达式

正则表达式语法很有个性,也可以说很恐怖

有时可以通过编译,使得正则表达式执行更快

在实现中,正则表达式还有其他的特点。本文将重点讨论正则表达式的核心语法,在几乎所有的正则表达式中都可以见到这些规则。

特别提示:正则表达式与文件通配语法无关,比如 *.xml

正则表达式的基础语法 字符

正则表达式中包含了一系列的字符,这些字符只能匹配它们本身。有一些被称为“元字符”的特殊字符,可以匹配一些特殊规则。

如下所示的例子中,我用红色标出了元字符。

I had a \S+ day today

[A-Za-z0-9\-_]{3,16}

\d\d\d\d-\d\d-\d\d

v(\d+)(\.\d+)*

TotalMessages="(.*?)"

<[^<>]*>

大部分的字符,包括所有的字母和数字字符,是普通字符。也就意味着,它们只能匹配它们自己,如下所示的正则表达式:

cat

意味着,只能匹配一个字符串,以“c”开头,然后是字符“a”,紧跟着是字符“t”的字符串。

到目前为止,正则表达式的功能类似于

常规的Find功能

Java中的 String.indexOf() 函数

PHP中的 strpos()函数

等等

注意:不做特殊说明,正则表达式中是区分大小写的。但是,几乎所有正则表达式的实现,都会提供一个Flag用来控制是否区分大小写。

点“.”

我们第一个要讲解的元字符是“.”。这个符号意味着可以匹配任意一个字符。如下所示的正则表达式:

c.t

意味着匹配“以c开头,之后是任意一个字符,紧跟着是字母t”的字符串。

在一段文本中,这样的正则表达式可以用来找出cat, cot, czt这样的字符串,甚至可以找出c.t这样的组合,但是不能找到ct或者是coot这样的字符串。

使用反斜杠“\”可以忽略元字符,使得元字符的功能与普通字符一样。所以,正则表达式

c\.t

表示“找到字母c,然后是一个句号(“.”),紧跟着字母t”

反斜杠本身也是一个元字符,这意味着反斜杠本身也可以通过相似的方法变回到普通字符的用途。因此,正则表达式

c\\t

表示匹配“以字符c开头,然后是一个反斜杠,紧跟着是字母t”的字符串。

注意!在正则表达式的实现中,.是不能用于匹配换行符的。”换行符“的表示方法在不同实现中也不同。实际编程时,请参考相关文档。在本文中,我认为.是可以匹配任意字符的。实现环境通常会提供一个Flag标志位,来控制这一点。

字符类

字符类是一组在方括号内的字符,表示可以匹配其中的任何一个字符。

正则表达式c[aeiou]t,表示可以匹配的字符串是”以c开头,接着是aeiou中的任何一个字符,最后以t结尾”。在文本的实际应用中,这样的正则表达式可以匹配:cat,cet,cit,cot,cut五种字符串。

正则表达式[0123456789]表示匹配任意一个整数。

正则表达式[a]表示匹配单字符a。

包含忽略字符的例子

\[a\]<script type='math/tex; mode=display'>a</script>

表示匹配字符串[a]

[\[\]\ab]表示匹配的字符为”["或者'']”或者”a”,或者”b”

[\\\[\]]表示匹配的字符为”\”或者 “[”或者"]“

在字符类中,字符的重复和出现顺序并不重要。[dabaaabcc]与[abc]是相同的

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/wypdpg.html