正则表达式入门

这是一篇绝好的学习正则表达式的文章。文档中的例子可以测试。
一、引言
正则表达式可以用来：（1）验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。（2）用来查找字符串，从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便。（3）用来替换，比普通的替换更强大。
二、正则表达式规则
1、普通字符
字母、数字、汉字、下划线、没有特殊定义的标点符号，都是"普通字符"。
举例1：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、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。
表达式
可匹配
"r,"n
代表回车和换行符
"t
制表符
""
代表"""本身
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：^,$都有特殊意义，如果要想匹配字符串中"^"和"$"字符，则表达式就需要写成""^"和""$"。
表达式
可匹配
"^
匹配^符号本身
"$
匹配$符号本身
".
匹配小数点（.）本身
这些转义字符的匹配方法与"普通字符"是类似的。也是匹配与之相同的一个字符。
举例1：表达式""$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。
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。这就好比玩扑克牌时候，大小王可以代替任意一张牌，但是只能代替一张牌。
表达式
可匹配
"d
任意一个数字，0~9中的任意一个
"w
任意一个字母或数字或下划线，也就是A~Z,a~z,0~9,_中任意一个
"s
包括空格、制表符、换页符等空白字符的其中任意一个
.
小数点可以匹配除了换行符（"n）以外的任意一个字符
举例1：表达式""d"d"，在匹配"abc123"时，匹配的结果是：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"时，匹配的结果是：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。
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。
表达式
可匹配
[ab5@]
匹配"a"或"b"或"5"或"@"
[^abc]
匹配"a","b","c"之外的任意一个字符
[f-k]
匹配"f"~"k"之间的任意一个字母
[^A-F0-3]
匹配"A"~"F","0"~"3"之外的任意一个字符
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。
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其中任意一个的表达式，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"后边。比如："[bcd][bcd]"可以写成"[bcd]{2}"。
表达式
作用
{n}
表达式重复n次，比如：""w{2}"相当于""w"w"；"a{5}"相当于"aaaaa"
{m,n}
表达式至少重复m次，最多重复n次，比如："ba{1,3}"可以匹配"ba"或"baa"或"baaa"
{m,}
表达式至少重复m次，比如：""w"d{2,}"可以匹配"a12","_456","M12344"...
?
匹配表达式0次或者1次，相当于{0,1}，比如："a[cd]?"可以匹配"a","ac","ad"
+
表达式至少出现1次，相当于{1,}，比如："a+b"可以匹配"ab","aab","aaab"...
*
表达式不出现或出现任意次，相当于{0,}，比如：""^*b"可以匹配"b","^^^b"...
举例1：表达式""d+".?"d*"在匹配"Itcosts$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"Adsbygoooooogle"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。
6、其他一些代表抽象意义的特殊符号
一些符号在表达式中代表抽象的特殊意义：
表达式
作用
^
与字符串开始的地方匹配，不匹配任何字符
$
与字符串结束的地方匹配，不匹配任何字符
"b
匹配一个单词边界，也就是单词和空格之间的位置，不匹配任何字符
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"xxxaaaxxx"时，匹配结果是：失败。因为"^"要求与字符串开始的地方匹配，因此，只有当"aaa"位于字符串的开头的时候，"^aaa"才能匹配，比如："aaaxxxxxx"。
举例2：表达式"aaa$"在匹配"xxxaaaxxx"时，匹配结果是：失败。因为"$"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$"才能匹配，比如："xxxxxxaaa"。
举例3：表达式"."b."在匹配"@@@abc"时，匹配结果是：成功；匹配到的内容是："@a"；匹配到的位置是：开始于2，结束于4。
进一步说明：""b"与"^"和"$"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左右两边，其中一边是""w"范围，另一边是非""w"的范围。
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的子表达式之间的关系：
表达式
作用
|
左右两边表达式之间"或"关系，匹配左边或者右边
()
(1).在被修饰匹配次数的时候，括号中的表达式可以作为整体被修饰
(2).取匹配结果的时候，括号中的表达式匹配到的内容可以被单独得到
举例5：表达式"Tom|Jack"在匹配字符串"I'mTom,heisJack"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"；匹配到的位置时：开始于15，结束于19。
举例6：表达式"(go"s*)+"在匹配"Let'sgogogo!"时，匹配结果是：成功；匹配到内容是："gogogo"；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"。2.正则表达式中的一些高级规则2.1匹配次数中的贪婪与非贪婪
在使用修饰匹配次数的特殊符号时，有几种表示方法可以使同一个表达式能够匹配不同的次数，比如："{m,n}","{m,}","?","*","+"，具体匹配的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：
表达式
匹配结果
(d)("w+)
""w+"将匹配第一个"d"之后的所有字符"xxxdxxxd"
(d)("w+)(d)
""w+"将匹配第一个"d"和最后一个"d"之间的所有字符"xxxdxxx"。虽然""w+"也能够匹配上最后一个"d"，但是为了使整个表达式匹配成功，""w+"可以"让出"它本来能够匹配的最后一个"d"
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能够匹配成功。同理，带"*"和"{m,n}"的表达式都是尽可能地多匹配，带"?"的表达式在可匹配可不匹配的时候，也是尽可能的"要匹配"。这种匹配原则就叫作"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一个"?"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"。这种匹配原则叫作"非贪婪"模式，也叫作"勉强"模式。如果少匹配就会导致整个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，以使整个表达式匹配成功。举例如下，针对文本"dxxxdxxxd"举例：
表达式
匹配结果
(d)("w+?)
""w+?"将尽可能少的匹配第一个"d"之后的字符，结果是：""w+?"只匹配了一个"x"
(d)("w+?)(d)
为了让整个表达式匹配成功，""w+?"不得不匹配"xxx"才可以让后边的"d"匹配，从而使整个表达式匹配成功。因此，结果是：""w+?"匹配"xxx"
更多的情况，举例如下：

举例1：表达式"td(.*)/td"与字符串"tdpaa/p/tdtdpbb/p/td"匹配时，匹配的结果是：成功；匹配到的内容是"tdpaa/p/tdtdpbb/p/td"整个字符串，表达式中的"/td"将与字符串中最后一个"/td"匹配。

举例2：相比之下，表达式"td(.*?)/td"匹配举例1中同样的字符串时，将只得到"tdpaa/p/td"，再次匹配下一个时，可以得到第二个"tdpbb/p/td"。2.2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。在获取匹配结果的时候，小括号包含的表达式所匹配到的字符串可以单独获取。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，而所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"td(.*?)/td"。

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。
举例如下：
举例1：表达式"('|")(.*?)("1)"在匹配"'Hello',"World""时，匹配结果是：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"aabbbbabcdefgccccc111121111999999999"时，匹配结果是：成功；匹配到的内容是"ccccc"。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*)*.*?/"1"在匹配"tdid='td1'style="bgcolor:white"/td"时，匹配结果是成功。如果"td"与"/td"不配对，则会匹配失败；如果改成其他配对，也可以匹配成功。2.3预搜索，不匹配；反向预搜索，不匹配
前面的章节中，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，更加灵活的表示方法。
正向预搜索："(?=xxxxx)"，"(?!xxxxx)"
格式："(?=xxxxx)"，在被匹配的字符串中，它对所处的"缝隙"或者"两头"附加的条件是：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，所以它并不影响后边的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"Windows98,WindowsNT,Windows2000"时，将只匹配"WindowsNT"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"aaaffffff999999999"时，将可以匹配6个"f"的前4个，可以匹配9个"9"的前7个。这个表达式可以读解成：重复4次以上的字母数字，则匹配其剩下最后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"fdjkaljfdlstopfjdslafdj"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)"，"(?!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条件，本身都不匹配任何字符。
举例5：表达式"(?="d{4})"d+(?="d{4})"在匹配"1234567890123456"时，将匹配除了前4个数字和后4个数字之外的中间8个数字。由于JScript.RegExp不支持反向预搜索，因此，本条举例不能够进行演示。很多其他的引擎可以支持反向预搜索，比如：Java1.4以上的java.util.regex包，.NET中System.Text.RegularExpressions命名空间，以及本站推荐的最简单易用的DEELX正则引擎。3.其他通用规则
还有一些在各个正则表达式引擎之间比较通用的规则，在前面的讲解过程中没有提到。
3.1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）
形式
字符范围
"xXX
编号在0~255范围的字符，比如：空格可以使用""x20"表示
"uXXXX
任何字符可以使用""u"再加上其编号的4位十六进制数表示，比如：
3.2在表达式""s"，""d"，""w"，""b"表示特殊意义的同时，对应的大写字母表示相反的意义
表达式
可匹配
"S
匹配所有非空白字符（""s"可匹配各个空白字符）
"D
匹配所有的非数字字符
"W
匹配所有的字母、数字、下划线以外的字符
"B
匹配非单词边界，即左右两边都是""w"范围或者左右两边都不是""w"范围时的字符缝隙
3.3在表达式中有特殊意义，需要添加"""才能匹配该字符本身的字符汇总
字符
说明
^
匹配输入字符串的开始位置。要匹配"^"字符本身，请使用""^"
$
匹配输入字符串的结尾位置。要匹配"$"字符本身，请使用""$"
()
标记一个子表达式的开始和结束位置。要匹配小括号，请使用""("和"")"
[]
用来自定义能够匹配'多种字符'的表达式。要匹配中括号，请使用""["和""]"
{}
修饰匹配次数的符号。要匹配大括号，请使用""{"和""}"
.