首页 > 文章 > 后端开发 > 详解什么是正则表达式及其用法

详解什么是正则表达式及其用法

阿神原创: 2017-03-28 14:54:118959浏览

1.正则表达式是什么

正则表达式（regular expression）描述了一种字符串匹配的模式，可以用来：含有符合某个

(1) 检查一个串中是否含有符合某个规则的字串，并且可以得到这个字串；

(2) 根据匹配规则对字符串进行灵活的替换操作。

正则表达式学习起来其实是很简单的，不多的几个较为抽象的概念也很容易理解。之所以很多人感觉正则表达式比较复杂，一方面是因为大多数文档没有做到由浅入深的讲解，概念上没有注意先后顺序，给对着的理解带来困难；另一方面，各种引擎自带的文档一般都要介绍它特有的功能，然而这部分特有的功能并不是我们首先要理解的。

相关课程：布尔教育正则表达式视频教程

2.正则表达式怎么用

2.1 普通字符

字母、数字、汉字、下划线、以及后边章节中没有特殊定义的标点符号，都是普通字符。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。

举例1：表达式 c ，在匹配字符串 abcdef 时，匹配结果是：成功；匹配到的内容是：c ；匹配到的位置是：开始于2，结束于3。（注：下标从0开始还是从1开始，因当前编程语言的不同而可能不同）。

举例2：表达式 bcd ，在匹配字符串 abcde 时，匹配结果是：成功；匹配到的内容是：bcd ；匹配到的位置是：开始于1，结束于4。

2.2 简单的转义字符

一些不便书写的字符，采用在前面加 \ 的方法。这些字符其实我们都已经熟知了。

还有其他一些在后边章节中有特殊用处的标点符号，在前面加 \ 后，就代表该符号本身。比如：^，$ 都有特殊意义，如果想要皮诶字符串中的 ^ 和 $ 字符，正则表达式就需要写成 \^ 和 \$ 。

这些转义字符的匹配方法与普通字符是类似的。也是匹配与之相同的一个字符。

举例：表达式 \$d ，在匹配字符串 abc$de 时，匹配结果是：成功；匹配到的内容是：$d ；匹配到的位置是：开始于3，结束于5.

2.3 能够与’多种字符’ 匹配的表达式

正则表达式中的一些表示方法，可以匹配多种字符其中的任意一个字符。比如，表达式 \d 可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。这就好比玩扑克牌的时候，大小王可以代替任意一张牌，但是中能代替一张牌。

举例1：表达式 \d\d ，在匹配 abc123 时，匹配结果是：成功；匹配到的内容是：12 ；匹配到的位置是：开始于3，结束于5.

举例2：表达式 a.\d ，在匹配 aaa100 ，匹配结果是：成功；匹配到的内容是： aa1 ；匹配到的位置是：开始于1，结束于4。

2.4 自定义能够匹配’多种字符’的表达式

使用方括号 [] 包含一系列字符，能够匹配其中任意一个字符。用 [^] 包含一系列字符，则能够匹配其中字符之外的任意一个字符。同样的道理，虽然可以匹配其中任意一个，但是只能是一个，不是多个。

举例1：表达式 [bcd][bcd] 匹配 abc123 时，匹配的结果是：成功；匹配到的内容是：bc ；匹配到的位置是：开始于1，结束于3。

举例2：表达式 [^abc] 匹配 abc123 时，匹配的结果是：成功；匹配到的内容是：1 ；匹配到的位置是：开始于3，结束于4。

2.5 修饰匹配次数的特殊符号

前面章节中讲到的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符的表达式，都只能匹配一次。如果使用表达式再加上修饰匹配次数的特殊符号，那么不用重复书写表达式就可以重复匹配。

使用方法是：“次数修饰”放在被修饰的表达式的后面。比如：[bcd][bcd] 可以写成 [bcd]{2} 。

举例1：表达式 \d+/.?\d* 在匹配 it costs $12.5 时，匹配的结果是：成功；匹配到的内容是：12.5 ；匹配到的位置是：开始于10，结束于14。

举例2：表达式 go{2, 8}gle 在匹配 Ads by goooooogle 时，匹配的结果是：成功；匹配到的内容是：goooooogle ；匹配到的位置是：开始于7，结束于17。

2.6 其他一些代表抽象意义的符号

一些符号在表达式中代表抽象的特殊意义：

进一步的文字说明仍然比较抽象，因此，举例帮助大家理解。

举例1：表达式 ^aaa 在匹配 xxx aaa xxx 时，匹配的结果是：失败。因为 ^ 要求与字符串开始的地方匹配，因此只有当 aaa 位于字符串开头的时候，^aaa 才能匹配，比如：aaa xxx xxx 。

举例2：表达式 aaa$ 在匹配 xxx aaa xxx 时，匹配结果是：失败。因为 $ 要求与字符串结束的地方匹配，因此，只有当 aaa 位于字符串的结尾的时候，aaa$ 才能匹配，比如：xxx xxx aaa 。

举例3：表达式 .\b. 在匹配 @@@abc 时，匹配结果是：成功；匹配到的内容是：@a ；匹配到的位置是：开始于2，结束于4。

进一步说明：\b 与 ^ 和 $ 类似，本身不匹配任何字符，但是它要求它在匹配结果中所处位置的两边，其中一边是 \w 范围，另一边是非 \w 范围。

举例4：表达式 \bend\b 在匹配 weekend,endfor,end 时，匹配结果是：成功；匹配到的内容是：end ；匹配到的位置是：开始于15，结束于18。

一些符号可以影响表达式内部子表达式之间的关系：

举例5：表达式 Tom|Jack 在匹配字符串 I'm Tom,he is Jack 时，匹配结果是：成功；匹配到的内容是：Tom；匹配到的位置是：开始于4，结束于7.匹配下一个时，匹配结果是：成功；匹配到的内容是：Jack ；匹配到的位置是：开始于15，结束于19。

举例6：表达式 (go\s*)+ 在匹配 Let's go go go! 时，匹配结果是：成功；匹配到的内容是：go go go ；匹配到的位置是：开始于6，结束于14。

举例7：表达式￥(\d+\.?\d) 在匹配 $10.9,￥20.5 时，匹配的结果是：成功；匹配到的内容是：￥20.5 ；匹配到的位置是：开始于6，结束于10。单独获取括号范围匹配到的内容是：20.5 。

3.正则表达式中的一些高级用法

3.1 匹配次数中的贪婪与非贪婪

贪婪模式：

在使用修饰匹配次数的特殊符号时，有几种表示方法可以同时使同一个表达式能够匹配不同的次数，比如：”{m, n}” ，”{m,}” ，? ，* ，+ ，具体匹配次数随被匹配的字符串而定。这种重复匹配不定次数的表达式在匹配过程中，总是尽可能多的匹配。比如，针对文本 dxxxdxxxd ，举例如下：

由此可见，\w+ 在匹配的时候，总是尽可能多的匹配符合它规则的字符。虽然第二个举例中，它没有匹配最后一个 d ，但那也是为了让整个表达式匹配成功。同理，带 * 和 “{m, n}” 的表达式都是尽可能多的匹配，带 ? 的表达式在可匹配可不匹配的视乎，也是尽可能的 “要匹配” 。这种匹配原则就叫做贪婪模式。

非贪婪模式：

在修饰匹配次数的特殊符号后再加上 ? 号，则可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的 “不匹配” 。这种匹配原则叫做非贪婪模式，也叫作勉强模式。若果少匹配就会导致整个正则表达式匹配失败的时候，与贪婪模式类似，非贪婪模式会最小限度的再匹配一些，以使整个正则表达式匹配成功。举例如下，针对文本 “dxxxdxxxd” 举例：

更多的情况，举例如下：

举例1：表达式 (.*) 与字符串

匹配时，匹配结果是：成功；匹配到的内容是：

整个字符串，表达式中的将与字符串中最后一个匹配。

举例2：相比之下，表达式 (.*) 匹配举例1中同样的字符串是，将只得到

，再次匹配下一个时，可以得到第二个

。

3.2 反向引用 \1,\2…

表达式在匹配时，表达式引擎会将小括号 () 包含的表达式所匹配到的字符串记录下来。在获取匹配结果的识货，小括号包含的表达式所匹配到的字符串可以单独火球。这一点，在前面的举例中，已经多次展示了。在实际应用场合中，当用某种边界来查找，而索要获取的内容又不包含边界时，必须使用小括号来指定所要的范围。比如前面的 (.*?) 。

其实，”小括号包含的表达式所匹配到的字符串” 不仅是在匹配结束之后才可以使用，在匹配过程中也可以使用。表达式后边的部分，可以引用前面 “括号内的子匹配已经匹配到的字符串” 。引用方法是 \ 加上一个数字。\1引用第1对括号内匹配到的字符串，\2 引用第2对括号内匹配到的字符串…以此类推，如果一对括号内包含另一对括号，则外层的括号先排序号。换句话说，哪一对的左括号 ( 在前，那这一对就先排序号。

举例1：表达式 ('|")(.*?)(/1) 在匹配 'Hello',"World" 时，匹配的结果是：成功；匹配到的内容是：'Hello' 。再次匹配下一个时，可以匹配到 "World" 。

举例2：表达式 (\w)\1{4,} 在匹配 aa bbbb abcdefg ccccc 111121111 999999999 时，匹配结果是：成功；匹配到的内容是：cccccc 。再次匹配下一个时，将得到 999999999 。这个表达式要求 \w 范围的字符至少重复5次，注意与 \w{5,} 之间的区别。

举例3：表达式 <(\w+)\s*(\w+(=('|").*?\4)?\s*)*>.*? 在匹配时，匹配结果是：成功。如果与不配对，则会匹配失败；如果改成其他配对，也可以匹配成功。

3.3 预搜索，不匹配；反向预搜索，不匹配

前边的章节中，我讲到了几个代表抽象意义的特殊符号：^ ，$ ，\b 。它们都有一个共同点，那就是：它们本身不匹配任何字符，只是对 “字符串的两头” 或者 “字符之间的缝隙” 附加了一个条件。理解到这个概念以后，本节将继续介绍另外一种对 “两头” 或者 “缝隙” 附加条件的，更灵活的方法。

正向预搜索： (?=xxxxx) ，(?!xxxxx)

格式：(?=xxxxx) ，在匹配的字符串中，它对所处的 “缝隙” 或者 “两头” 附加条件是：所在缝隙的右侧，必须能够匹配上 xxxxx 这部分的表达式。因为它只是在此作为这个缝隙上附加的条件，所以它并不影响后面表达式去真正匹配这个缝隙之后的字符。这就类似 \b ，本身不匹配任何字符。\b 只是将所在缝隙之前、之后的字符取来进行了一下判断，不会影响后边的表达式来真正的匹配。

举例1：表达式 Windows(?=NT|XP) 在匹配 Windows 98 ，Windows NT ，Windows 2000 时，将只匹配Windows NT 中的 Windows ，其他的 Windows 字样则不被匹配。

举例2：表达式 (\w)((?=\1\1\1)(\1))+ 在匹配字符串 aaa ffffff 9999999999 时，将可以匹配6个 f 的前4个，可以匹配9个 9 前7个。这个表达式可以解读成：重复4次以上的字母数字，则匹配剩下最后2位之前的部分。当然，这个表达式可以不这样写，在此的目的是作为演示之用。

格式：(?!xxxxx) ，所在缝隙的右侧，必须不能匹配 xxxxx 这部分表达式。

举例3：表达式 ((?!\bstop\b).)+ 在匹配 fdjka ljfdl stop fjdsla fdj 时，将从头一直匹配到 stop 之前的位置，如果字符串中没有 stop ，则匹配整个字符串。

举例4：表达式 do(?!\w) 在匹配字符串 done,do,dog 时，只能匹配 do 。在本条举例中，do 后边使用(?!\w) 和使用 \b 效果是一样的。

反向预搜索： (?<=xxxxx) ，(?

这两种格式的概念和正向预搜索是类似的，反向预搜索要求的条件是：所在缝隙的 “左侧” ，两种格式分别要求必须能够匹配和必须不能够匹配指定的表达式，而不是去判断右侧。与 “正向预搜索” 一样的是它们都是对所在缝隙的一种附加太偶见，本身都不匹配任何字符。

4.其他通用规则

4.1 规则一

表达式中，可以使用 \xXX 和 \uXXXX 表示一个字符（X 表示一个十六进制数）