# 正则表达式 * [正则表达式](#正则表达式) * [一、概述](#一概述) * [二、匹配单个字符](#二匹配单个字符) * [三、匹配一组字符](#三匹配一组字符) * [四、使用元字符](#四使用元字符) * [五、重复匹配](#五重复匹配) * [六、位置匹配](#六位置匹配) * [七、使用子表达式](#七使用子表达式) * [八、回溯引用](#八回溯引用) * [九、前后查找](#九前后查找) * [十、嵌入条件](#十嵌入条件) * [参考资料](#参考资料) ## 一、概述 正则表达式用于文本内容的查找和替换。 正则表达式内置于其它语言或者软件产品中,它本身不是一种语言或者软件。 [正则表达式在线工具](https://regexr.com/) ## 二、匹配单个字符 **.** 可以用来匹配任何的单个字符,但是在绝大多数实现里面,不能匹配换行符; **.** 是元字符,表示它有特殊的含义,而不是字符本身的含义。如果需要匹配 . ,那么要用 \ 进行转义,即在 . 前面加上 \ 。 正则表达式一般是区分大小写的,但也有些实现不区分。 **正则表达式** ``` C.C2018 ``` **匹配结果** My name is **CyC2018** . ## 三、匹配一组字符 **[ ]** 定义一个字符集合; 0-9、a-z 定义了一个字符区间,区间使用 ASCII 码来确定,字符区间在 [ ] 中使用。 **-** 只有在 [ ] 之间才是元字符,在 [ ] 之外就是一个普通字符; **^** 在 [ ] 中是取非操作。 **应用** 匹配以 abc 为开头,并且最后一个字母不为数字的字符串: **正则表达式** ``` abc[^0-9] ``` **匹配结果** 1. **abcd** 2. abc1 3. abc2 ## 四、使用元字符 ### 匹配空白字符 | 元字符 | 说明 | | :---: | :---: | | [\b] | 回退(删除)一个字符 | | \f | 换页符 | | \n | 换行符 | | \r | 回车符 | | \t | 制表符 | | \v | 垂直制表符 | \r\n 是 Windows 中的文本行结束标签,在 Unix/Linux 则是 \n。 \r\n\r\n 可以匹配 Windows 下的空白行,因为它匹配两个连续的行尾标签,而这正是两条记录之间的空白行; ### 匹配特定的字符 #### 1. 数字元字符 | 元字符 | 说明 | | :---: | :---: | | \d | 数字字符,等价于 [0-9] | | \D | 非数字字符,等价于 [^0-9] | #### 2. 字母数字元字符 | 元字符 | 说明 | | :---: | :---: | | \w | 大小写字母,下划线和数字,等价于 [a-zA-Z0-9\_] | | \W | 对 \w 取非 | #### 3. 空白字符元字符 | 元字符 | 说明 | | :---: | :---: | | \s | 任何一个空白字符,等价于 [\f\n\r\t\v] | | \S | 对 \s 取非 | \x 匹配十六进制字符,\0 匹配八进制,例如 \xA 对应值为 10 的 ASCII 字符 ,即 \n。 ## 五、重复匹配 - **\+** 匹配 1 个或者多个字符 - **\** * 匹配 0 个或者多个字符 - **?** 匹配 0 个或者 1 个字符 **应用** 匹配邮箱地址。 **正则表达式** ``` [\w.]+@\w+\.\w+ ``` [\w.] 匹配的是字母数字或者 . ,在其后面加上 + ,表示匹配多次。在字符集合 [ ] 里,. 不是元字符; **匹配结果** **abc.def\@\qq.com** - **{n}** 匹配 n 个字符 - **{m,n}** 匹配 m\~n 个字符 - **{m,}** 至少匹配 m 个字符 \* 和 + 都是贪婪型元字符,会匹配尽可能多的内容。在后面加 ? 可以转换为懒惰型元字符,例如 \*?、+? 和 {m,n}? 。 **正则表达式** ``` a.+c ``` **匹配结果** **abcabcabc** 由于 + 是贪婪型的,因此 .+ 会匹配更可能多的内容,所以会把整个 abcabcabc 文本都匹配,而不是只匹配前面的 abc 文本。用懒惰型可以实现匹配前面的。 ## 六、位置匹配 ### 单词边界 **\b** 可以匹配一个单词的边界,边界是指位于 \w 和 \W 之间的位置;**\B** 匹配一个不是单词边界的位置。 \b 只匹配位置,不匹配字符,因此 \babc\b 匹配出来的结果为 3 个字符。 ### 字符串边界 **^** 匹配整个字符串的开头,**$** 匹配结尾。 ^ 元字符在字符集合中用作求非,在字符集合外用作匹配字符串的开头。 分行匹配模式(multiline)下,换行被当做字符串的边界。 **应用** 匹配代码中以 // 开始的注释行 **正则表达式** ``` ^\s*\/\/.*$ ```

**匹配结果** 1. public void fun() { 2.      **// 注释 1** 3.      int a = 1; 4.      int b = 2; 5.      **// 注释 2** 6.      int c = a + b; 7. } ## 七、使用子表达式 使用 **( )** 定义一个子表达式。子表达式的内容可以当成一个独立元素,即可以将它看成一个字符,并且使用 * 等元字符。 子表达式可以嵌套,但是嵌套层次过深会变得很难理解。 **正则表达式** ``` (ab){2,} ``` **匹配结果** **ababab** **|** 是或元字符,它把左边和右边所有的部分都看成单独的两个部分,两个部分只要有一个匹配就行。 **正则表达式** ``` (19|20)\d{2} ``` **匹配结果** 1. **1900** 2. **2010** 3. 1020 **应用** 匹配 IP 地址。 IP 地址中每部分都是 0-255 的数字,用正则表达式匹配时以下情况是合法的: - 一位数字 - 不以 0 开头的两位数字 - 1 开头的三位数 - 2 开头,第 2 位是 0-4 的三位数 - 25 开头,第 3 位是 0-5 的三位数 **正则表达式** ``` ((25[0-5]|(2[0-4]\d)|(1\d{2})|([1-9]\d)|(\d))\.){3}(25[0-5]|(2[0-4]\d)|(1\d{2})|([1-9]\d)|(\d)) ``` **匹配结果** 1. **192.168.0.1** 2. 00.00.00.00 3. 555.555.555.555 ## 八、回溯引用 回溯引用使用 **\n** 来引用某个子表达式,其中 n 代表的是子表达式的序号,从 1 开始。它和子表达式匹配的内容一致,比如子表达式匹配到 abc,那么回溯引用部分也需要匹配 abc 。 **应用** 匹配 HTML 中合法的标题元素。 **正则表达式** \1 将回溯引用子表达式 (h[1-6]) 匹配的内容,也就是说必须和子表达式匹配的内容一致。 ``` <(h[1-6])>\w*?<\/\1> ``` **匹配结果** 1. **<h1\>x</h1\>** 2. **<h2\>x</h2\>** 3. <h3\>x</h1\> ### 替换 需要用到两个正则表达式。 **应用** 修改电话号码格式。 **文本** 313-555-1234 **查找正则表达式** ``` (\d{3})(-)(\d{3})(-)(\d{4}) ``` **替换正则表达式** 在第一个子表达式查找的结果加上 () ,然后加一个空格,在第三个和第五个字表达式查找的结果中间加上 - 进行分隔。 ``` ($1) $3-$5 ``` **结果** (313) 555-1234 ### 大小写转换 | 元字符 | 说明 | | :---: | :---: | | \l | 把下个字符转换为小写 | | \u| 把下个字符转换为大写 | | \L | 把\L 和\E 之间的字符全部转换为小写 | | \U | 把\U 和\E 之间的字符全部转换为大写 | | \E | 结束\L 或者\U | **应用** 把文本的第二个和第三个字符转换为大写。 **文本** abcd **查找** ``` (\w)(\w{2})(\w) ``` **替换** ``` $1\U$2\E$3 ``` **结果** aBCd ## 九、前后查找 前后查找规定了匹配的内容首尾应该匹配的内容,但是又不包含首尾匹配的内容。 向前查找使用 **?=** 定义,它规定了尾部匹配的内容,这个匹配的内容在 ?= 之后定义。所谓向前查找,就是规定了一个匹配的内容,然后以这个内容为尾部向前面查找需要匹配的内容。向后匹配用 ?\<= 定义(注: JavaScript 不支持向后匹配,Java 对其支持也不完善)。 **应用** 查找出邮件地址 @ 字符前面的部分。 **正则表达式** ``` \w+(?=@) ``` **结果** **abc** @qq.com 对向前和向后查找取非,只要把 = 替换成 ! 即可,比如 (?=) 替换成 (?!) 。取非操作使得匹配那些首尾不符合要求的内容。 ## 十、嵌入条件 ### 回溯引用条件 条件为某个子表达式是否匹配,如果匹配则需要继续匹配条件表达式后面的内容。 **正则表达式** 子表达式 (\\() 匹配一个左括号,其后的 ? 表示匹配 0 个或者 1 个。 ?(1) 为条件,当子表达式 1 匹配时条件成立,需要执行 \) 匹配,也就是匹配右括号。 ``` (\()?abc(?(1)\)) ``` **结果** 1. **(abc)** 2. **abc** 3. (abc ### 前后查找条件 条件为定义的首尾是否匹配,如果匹配,则继续执行后面的匹配。注意,首尾不包含在匹配的内容中。 **正则表达式** ?(?=-) 为前向查找条件,只有在以 - 为前向查找的结尾能匹配 \d{5} ,才继续匹配 -\d{4} 。 ``` \d{5}(?(?=-)-\d{4}) ``` **结果** 1. **11111** 2. 22222- 3. **33333-4444** ## 参考资料 - BenForta. 正则表达式必知必会 [M]. 人民邮电出版社, 2007.