正規表示式入門教程

 正規表示式30分鐘入門教學 

•  

2. ## 

本文目標
如何使用本教學
正規表示式到底是什麼東西？
入門
測試正規表示式
元字元
#字元轉義
重複
#字元類別

12. ##分枝條件

13. 反義

14. 分組

15. 後向引用

16. #零寬斷言

17. 負向零寬斷言

19. ##貪婪與懶惰

20. 處理選項

21. 平衡群組/遞迴匹配

22. 還有些什麼東西沒提到

23. 聯絡作者

24. 最後,來點廣告…

網路上的資源及本文參考文獻

更新紀錄

版本：v2.31 (2009-4-11) 作者：deerchao 轉載請註明來源

目錄

跳過目錄本文目標

30分鐘內讓你明白正規表示式是什麼，並對它有一些基本的了解，讓你可以在自己的程式或網頁裡使用它。

如何使用本教學

最重要的是－請給我

30分鐘，如果你沒有使用正規表示式的經驗，請不要試圖在30秒內入門－除非你是超人:)別被下面那些複雜的表達式嚇倒，只要跟著我一步一步來，你會發現正規表示式其實並沒有你想像中的那麼困難。當然，如果你看完了這篇教學之後，發現自己明白了很多，卻又幾乎什麼都記不得，那也是很正常的——我認為，沒接觸過正規表達式的人在看完這篇教程後，能把提到的語法記住80%以上的可能性為零。這裡只是讓你明白基本的原理，以後你還需要多練習，多使用，才能熟練正規表示式。 除了作為入門教學之外，本文也試圖成為可以在日常工作中使用的正規表示式語法參考手冊。就作者本人的經驗來說，這個目標還是完成得很好的──你看，我自己也沒能把所有的東西記下來，不是嗎？ 清除格式 文字格式約定：專業術語 元素字元/語法格式 正規表示式 正規表示式中的一部分(用於分析)

 

對其進行比對的來源字符字串

 

對正規表示式或其中一部分的說明

#隱藏邊註 本文右邊有一些註釋，主要是用來提供一些相關訊息，或是給沒有程式設計師背景的讀者解釋一些基本概念，通常可以忽略。 正規表示式到底是什麼東西？ 字元是電腦軟體處理文字時最基本的單位，可能是字母，數字，標點符號，空格，換行符，漢字等等。 字串

是0個或更多字元的序列。

文字也就是文字，字串。說某個字串

符合######某個正規表示式，通常是指這個字串裡有一部分（或幾部分分別）能滿足表達式給出的條件。 ######在寫處理字串的程式或網頁時，常常會有尋找符合某些複雜規則的字串的需求。 ######正規表示式######就是用來描述這些規則的工具。換句話說，正規表示式就是記錄文字規則的程式碼。 ###

很可能你使用過Windows/Dos下用於檔案尋找的通配符(wildcard)，也就是##*和?。如果你想找某個目錄下的所有的Word文件的話，你會搜尋*.doc。在這裡，*會被解釋成任意的字串。和通配符類似，正規表示式也是用來進行文字比對的工具，只不過比起通配符，它​​能更精確地描述你的需求——當然，代價就是更複雜——例如你可以寫一個正規表示式，用來找出所有以0開頭，後面跟著2-3個數字，然後是一個連字號“-”，最後是7或8位數字的字串(像010-12345678或0376-7654321#)。

入門

學習正規表示式的最好方法是從例子開始，理解例子之後再自己對例子進行修改，實驗。下面給了不少簡單的例子，並對它們作了詳細的說明。

假設你在一篇英文小說裡尋找

hi，你可以使用正規表示式hi。

這幾乎是最簡單的正規表示式了，它可以精確地匹配這樣的字串：

由兩個字元組成，前一個字元是h,後一個是i。通常，處理正規表示式的工具會提供一個忽略大小寫的選項，如果選取了這個選項，它可以符合hi,HI ,Hi,hI這四個情況中的任一種。

不幸的是，很多單字包含

hi這兩個連續的字符，像是him,history,high等等。用hi來找出的話，這裡邊的hi也會被找出來。如果要精確地找出hi這個字的話，我們應該使用/bhi/b。

/b是正規表示式規定的一個特殊代碼（好吧，某些人叫它元字符，metacharacter ），代表單字的開頭或結尾，也就是單字的分界處。雖然通常英文的單字是由空格，標點符號或換行來分隔的，但是/b並不會符合這些單字分隔字元中的任何一個，它只符合一個位置。

如果需要更精確的說法，

/b匹配這樣的位置：它的前一個字元和後一個字元不全是(一個是,一個不是或不存在)/w。

假如你要找的是

hi後面不遠處跟著一個Lucy#，你應該用/bhi/b.*/bLucy /b。

這裡，

.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複使用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元#。現在/bhi/b.*/bLucy/b的意思就很明顯了：先是一個單字hi,然後是任意個任意字元(但不能是換行)，最後是Lucy這個字。

換行符就是'/n',ASCII編碼為10(十六進位0x0A)的字元。

如果同時使用其它元字符，我們就能建構出功能更強大的正規表示式。例如下面這個範例：

0/d/d-/d/d/d/d/d/d/d/d符合這樣的字串： 以0開頭，然後是兩個數字，然後是一個連字號“-”，最後是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)。

這裡的/d是個新的元字符，符合一位數字(0，或1，或2，或…) 。 -不是元字符，只符合它本身－連字符(或減號，或是中橫線，或隨你怎麼稱呼它)。

為了避免那麼多煩人的重複，我們也可以這樣寫這個表達式：0/d{2}-/d{8}。 這裡/d後面的{2}#({8})的意思是前面/d必須連續重複符合2次(8次)。

測試正規表示式

其它可用的測試工具:

• RegexBuddy

########################################## Javascript正規表示式線上測試工具############

如果你不覺得正規表示式很難讀寫的話，要嘛你是個天才，要嘛，你不是地球人。正規表示式的語法很令人頭疼，即使對經常使用它的人來說也是如此。由於難於讀寫，容易出錯，所以找工具對正規表示式進行測試是必要的。

不同的環境下正規表示式的一些細節是不相同的，本教程介紹的是微軟.Net Framework 2.0下正則表達式的行為，所以，我向你介紹一個.Net下的工具Regex Tester。首先你確保已經安裝了.Net Framework 2.0，然後下載Regex Tester。這是個綠色軟體，下載完後開啟壓縮包,直接運行RegexTester.exe就可以了。

下面是Regex Tester運行時的截圖：

元字元

#現在你已經知道幾個很有用的元字元了，如/b,.,##*，還有/d.正規表示式裡還有更多的元字符，例如/s符合任意的空白符，包括空格，製表符(Tab)，換行符，中文全角空格等。 /w符合字母或數字或底線或漢字等。

對中文/漢字的特殊處理是由.Net提供的正規表示式引擎支援的，其它環境下的具體情況請查看相關文件。

下面來看看更多的例子：

/ba/w*/b匹配以字母a開頭的單字－先是某個單字開始處(/b)，然後是字母a,然後是任意數量的字母或數字(/w*)，最後是單字結尾(#/b#)。

好吧，現在我們說說正規表示式裡的單字是什麼意思：就是不少於一個的連續的

/w。不錯，這與學習英文時要背的成千上萬個同名的東西的確關係不大:)

#/d+匹配 #1個或更多連續的數字。這裡的+是和*類似的元字符，不同的是##* #符合重複任意次(可能是0次)，而+則符合重複1次或更多次。

/b/w{6}/b 符合#剛好6個字元的單字。

#.符合換行符號以外的任意字元/w符合字母或數字或底線或漢字/s符合任意的空白符/d匹配數字/b#對單字的開始或結束##^ #$

表1.常用的元字元

程式碼	#說明
符合字串的開始

############符合字串的結束###################

正規表示式引擎通常會提供一個「測試指定的字串是否符合一個正規表示式」的方法，如JavaScript裡的RegExp.test()方法或.NET裡的Regex.IsMatch()方法。這裡的匹配是指是字串裡有沒有符合表達式規則的部分。如果不使用^和$的話，對於/d{5,12}而言，使用這樣的方法就只能保證字串裡包含5到12連續位數字，而不是整個字串就是5到12位數字。

元字元^（和數字6在同一個鍵位上的符號）和$都匹配一個位置，這和/b有點類似。 ^符合你要用來尋找的字串的開頭，$符合結尾。這兩個程式碼在驗證輸入的內容時非常有用，例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} $。

這裡的{5,12}和前面介紹過的{2}是類似的，只不過{2}符合只能不多重複2次，{5,12} 則是重複的次數不能少於5次，不能多於12次，否則都不符合。

因為使用了^和$，所以輸入的整個字串都要用來和/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號能符合這個正規表示式的話，那就符合要求了。

和忽略大小寫的選項類似，有些正規表示式處理工具還有一個處理多行的選項。如果選取了這個選項，^和$#的意義就變成了符合行的開始處和結束處。

字元轉義

如果你想找出元字元本身的話，例如你找#.,或*,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/來取消這些字元的特殊意義。因此，你應該使用/.和/*#。當然，要找/本身，你也得用//.

例如：unibetter/.com符合unibetter.com#，C://Windows##符合 C:/Windows。

重複

你已經看過前面的

*,+##,{2},{5,12}這幾個符合重複的方式了。以下是正規表示式中所有的限定符(指定數量的程式碼，例如*,{5,12}等)：

#{n}重複n次{n,}重複n次或更多{n,m}重複n到m次

表2.常用的限定符

程式碼/語法	#說明
*	重複零次或更多
#+	重複一次或更多
?	重複零次或一次

############### ###

以下是一些使用重複的範例：

Windows/d+#比Windows後面跟1個或更多數字

^/w+符合#一行的第一個單字(或整個字串的第一個單字，具體要匹配哪個意思得看選項設定)

字符類別

要想找出數字，字母或數字，空白是很簡單的，因為已經有了對應這些字符集合的元字符，但是如果你想匹配沒有預定義元字符的字符集合(比如元音字母a,e,i,o,u),應該怎麼辦？

很簡單，你只需要在方括號裡列出它們就行了，像[aeiou]就符合任何一個英文元音字母，[.?!]符合#標點符號(.或?或!)#。

我們也可以輕鬆地指定一個字元範圍，像是[0-9]代表的含意與/d就是完全一致的：一位數字#;同理[a-z0-9A-Z_ ]也完全等同於/w（如果只考慮英文的話）。

下面是一個更複雜的表達式：/(?0/d{2}[) -]?/d{8}。

「(」和「)」也是元字符，後面的分組節會提到，所以在這裡需要使用轉義。

這個表達式可以符合幾種格式的電話號碼，像是(010)88886666，或022-22334455，或02912345678等。我們對它做一些分析：首先是一個轉義字元/(,它能出現0次或1次(? #),然後是一個0，後面跟著2個數字(#/d{2})，然後是 )或-或空格中的一個，它出現1次或不出現( ?)，最後是8個數字(/d{8})。

分枝條件

不幸的是，剛才那個表達式也能符合010)12345678或#(022 -87654321這樣的「不正確」的格式。 分枝條件指的是有幾種規則，如果滿足其中任一種規則都應該當成匹配，具體方法是用|##把不同的規則分隔開。 {7}這個表達式能符合兩種以連字號分隔的電話號碼：一種是三位區號，8位元本地號(如010-12345678)，一種是4位元區號，7位元本地號(0376-2233445)。 8}|0/d{2}[- ]?/d{8}

這個運算式符合3位區號的電話號碼，其中區號可以用小括號括起來，也可以不用，區號與本地號間可以用連字號或空格間隔，也可以沒有間隔。 #

/d{5}-/d{4}|/d{5}這個表達式用來符合美國的郵遞區號。美國郵編的規則是5位數，或是用連字間隔的9位數字。之所以要舉這個例子是因為它能說明一個問題：使用分枝條件時，要注意各個條件的順序。如果你把它改成/d{5}|/d{5}-/d{4}的話，那麼就只會配對5位的郵編(以及9位郵編的前5位)。原因是匹配分枝條件時，將會從左到右地測試每個條件，如果滿足了某個分枝的話，就不會去再管其它的條件了。

分組

我們已經提到了怎麼重複單一字元（直接在字元後面加上限定符就行了）；但如果想要重複多個字元又該怎麼辦？你可以用小括號來指定子表達式(也叫做分組)，然後你就可以指定這個子表達式的重複次數了，你也可以對子表達式進行其它一些操作(後面會有介紹)。

(/d{1,3}/.){3}/d{1,3}是一個簡單的IP位址匹配表達式。要理解這個表達式，請按下列順序分析它：/d{1,3}#符合1到3位的數字，(/d{1,3}/.){3}匹配三位數字加上一個英文句號(這個整體也就是這個分組)重複3次，最後再加上一個一到三位的數字( /d{1,3})。

IP位址中每個數字都不能大於255，大家千萬不要被《24》第三季的編劇給忽悠了…

#不幸的是，它也將匹配256.300.888.999這種不可能存在的IP位址。如果能使用算術比較的話，或許能簡單地解決這個問題，但是正則表達式中並不提供關於數學的任何功能，所以只能使用冗長的分組，選擇，字符類來描述一個正確的IP地址：((2[0-4]/d|25[0-5]|[01]?/d/d?)/.){3}(2[0-4]/d|25 [0-5]|[01]?/d/d?)。

理解這個表達式的關鍵是理解2[0-4]/d|25[0-5]|[01]?/d/d?，這裡我就不細說了，你自己應該可以分析得出來它的意義。

#

以上是正規表示式入門教程的詳細內容。更多資訊請關注PHP中文網其他相關文章！