首页 > 编程 > Regex > 正文

详解正则表达式

2020-03-22 17:21:53
字体:
来源:转载
供稿:网友

html' target='_blank'>正则表达式语言由两种基本字符类型组成:原义(正常)文本字符和元字符。
元字符使用正则表达式具有处理能力。元字符既可以是放在[ ] 中的任意单个字符(如 [a]表示匹配单个小写字符 a),也可以是字符序列(如 [a-d] 表示匹配 a 、b、 c、 d 之间的任意一个字符,而 /w 表示任意英文字母和数字及下划线),常见的元字符如下:

常见的元字符
字符描述特别说明
.匹配除换行符(/n)以外的任意字符~[abcde]匹配 a b c d e 之中的任意一个字符所有字符是 的关系[a-h]匹配 ah之间的任意一个字符~[^fgh]不与 fgh之中的任意一个字符匹配在 中括号[ ] 的第一个字符前加上 ^ 表示 取反
不匹配中括号里面出现的任意字符
/w匹配大小写英文字符及数字 0 到 9 之间的任意一个及下划线,相当于[a-zA-Z0-9_]~/W/w 相反,相当于 [^a-zA-Z0-9_]~/s匹配任意的空白符,相当于 [/f/n/r/t/v]~/S/s相反,相当于 [^/s]~/d匹配任何 0 到 9 之间的单个数字,相当于 [0-9]~/D/d 相反,相当于[^0-9]~[/u4e00-/u9fa5]匹配任意单个汉字(中文)(这里用的是 Unicode 编码表示的汉字)~/b匹配单词的开始或结束~^匹配字符串的开始放在中括号的第一个字符前 则变为 取反的意思$匹配字符串的结束~
正则表达式限定符

作用:限定这个符号前面 一个 单元 多出现的次数
单元:

  1. 如果前面出现的是一个字符的话,则这一个字符就为一个 单元
  2. 如果前面我们用小括号把一个很长的字符串括起来的话,那么整个小括号里面都算是一个 单元

上面的元字符都是针对单个字符匹配的,要想同时匹配多个字符的话,还需要借助限定符,下面是一些常见的限定符(下表中 n 和 m 都是表示 整数。)

字符描述特别说明
*匹配 0 到 多 个元字符,相当于 {0,}~?匹配 0 到 1 个元字符, 相当于 {0,1}~+匹配至少 1 个元字符,相当于 {1,}~{n}匹配 n 个元字符~{n,}匹配至少 n 个元字符~{n,m}匹配 n 到 m 个元字符~/b匹配单词边界~^字符串必须以指定的字符开始~$字符串必须以指定的字符结束~
说明 - 特例
  1. 可以将多个元字符或者原义文本字符用括号括起来形成一个 分组,比如 ^(13)[4-9]/d{8}$ 表示任意以 13 开头的移动手机号码。
    1. abcabcabc+ 表示 最后的字母 c 出现 1 次或 多次;
    2. (abcabcabc)+ 表示 整个字符串 abcabcabc 出现 1 次或 多次。
  2. 可以使用 | 来表示 的关系,例如 z|j|q 表示匹配 z 、j、q 之中的任意一个字母。其实等价于 [zjq]
    1. ab|cd|ef 表示的是:要么是 ab、要么是 cd要么是 ef
    2. a(b|cd|e)f 表示的是:以a开头,要么是 b、要么是 cd要么是 e,最后以f结尾。
    3. 总结:|) 的唯一边界是 小括号(( )
  3. [0-9A-Z.?] 这个正则你如何理解?
    1. .? 出现在中括号中时,.? 将变为 普通字符,它就是 点 和 问号。你可以理解为 [ ] 的优先级要大于. 和 ? 的优先级。
    2. 此正则表达式将会完全匹配字符串 ?aaa.bbb ,记住这里 . 和 ? 被完全当做了普通字符。
高级1 - 多选结构

多选结构其实就是元字符 | (或)的使用。
界定范围:开头、结尾、小括号

正则含义
Windows98|Windows2000|WindowsXP匹配Windows98或者Windows2000或者WindowsXP^Windows98|Windows2000|WindowsXP$Windows98开头或者包含Windows2000或者以WindowsXP结尾
注意^$都包含在|的范围内,因为|的界限只有:开头、结尾、小括号
Windows(98|2000|XP)Windows然后98 或者2000或者XP

总结:多选结构可以包括很多字符,但不能超越 括号 的界限。

高级2 - 分组与后向引用分组
  • 我们已经了解怎么重复单个字符;
  • 但如果想要重复一个字符串该怎么办?你 可以用小括号来指定子表达式(也叫做分组)。
  • (/d{1,3}/.){3}/d{1,3} 简单的 IP 地址匹配表达式
  • 但是它也将匹配 256.300.888.999 这种不可能存在的 IP 地址。你能写一个更准确的正则?
  • ((2[0-4]/d|25[0-5]|[01]?/d/d?)/.){3}(2[0-4]/d|25[0-5]|[01]?/d/d?)
反向引用
  • 使用小括号指定一个子表达式(分组)后,匹配这个子表达式的文本可以被捕获,从而在表达式或其他程序中作进一步的处理。
  • 默认情况下,每个分组会自动拥有一个组号,规则是:以分组的左括号为标志,从左向右,第一个分组的组号为 1 ,第二个为 2 ,依次类推。

示例:

  • /b(/w+)/b/s+/1/b 可以用来匹配重复的单词
  • 匹配诸如:where where go, tom tom happy

直白解释:
正则表达式中,前面用小括号进行划分(分组),后面把小括号匹配到的内容引用到后面来,分别用/1/2等 来表示。(第一个小括号极/1...)。如果存在 小括号嵌套小括号的情况 (/w+(.?)) 记住:这个时候要以 ( 为标志 从左往右 数小括号就可以了。

高级3 - 环视(零宽断言)
  • 环视不匹配任何字符,只匹配文本中的 特定位置。类似于/b^$ 那样。环视不会占用字符。
  • 环视分为顺序和逆序两种:
    • 顺序
      • (?=exp) 位置的后面能匹配 exp。例如:(?=/d) 当前位置右边是数字。
      • (?!exp) 位置的后面不能匹配 exp。例如:(?!/d) 当前位置右边不是数字。
    • 逆序
      • (?<=exp) 位置的前面能匹配 exp。例如:(?<=/d) 当前位置左边是数字
      • (?<!exp) 位置的前面不能匹配 exp。例如:(?!/d) 当前位置左边不是数字。
高级4 - 贪婪与懒惰
  • 当正则表达式中包含能接受重复的 量词 (指定数量的代码,例如:+*{3,12} 等)时, 通常的行为是匹配尽可能多的字符。
  • 正则表达式: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
  • -
  • 我们更需要 懒惰匹配,也就是匹配尽可能少的字符,前面给出的量词都可以被转化为 懒惰匹配模式, 只要在它后面加一个问号 ? 。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。
  • 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 aabab

总结:

贪婪与懒惰模式之间的区别就在于:懒惰模式 在量词 * 的后面多了一个 问号 ?

高级5 - 模式匹配的优先级

在使用正则表达式时,需要注意匹配的顺序。通常相同优先级 从左到右 进行计算,不同优先级的运算 先高后低。各种操作符的匹配顺序优先级 从高到低 如下表所示。

顺序元字符描述
1/转义字符2()(?:)(?=)[]模式单元和原子表3*+{n}{n,}{n,m}重复匹配4^$/b/B/A/Z边界限制5|模式选择
实例1. 字符转义

1问:要匹配字符串 333333/$33/33333 中的 /$ 正则应该怎么写?
2问:如果在 PHP 中 preg_match 函数分别用单引号和双引号的表达式来匹配上面的 /$,怎么写?

答案:

  • 表达式需要的规则是 ///$
  • 用单引号表示上面的字符串 '///////$/'。(为方便查看我们拆分一下为 '/// // // $/'
  • 用双引号表示上面的字符串 "////////$/"。(为方便查看我们拆分一下为 "/// // // /$/"
  • 问什么呢?

再答:

  1. PHP 中单引号不转义任何字符,但是唯独转义 / ,所以我们需要 6个/ 来生成表达式。
  2. 双引号除了转义 / 以外,还需要多一个 / 用来转义 $ 所以它 需要 7 个/

相关教程推荐:PHP视频教程

以上就是详解正则表达式的详细内容,更多请关注 其它相关文章!

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表