什么是正则表达式

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

1. 检查串中是否含有符合某个规则的子串，并且可以得到这个子串。
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。

正则表达式比较复杂

1. 大多数的文档没有做到由浅入深地讲解，概念上没有注意先后顺序，给读者的理解带来困难；

2. 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必须一定要理解的。

---

正则表达式规则

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。

案例分析

• 例1：表达式 "c"，在匹配字符串 "abcde" 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

• 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。

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。

案例分析

• 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。

'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

案例分析

• 例1：表达式 "\d\d"，匹配"abc123"时，匹配的结果：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。
• 例2：表达式 "a.\d"，匹配"aaa100"时，匹配的结果：成功；匹配到的内容是："aa1"；匹配到的位置：开始于 1，结束于 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-F 0-3 ]	匹配 "A"~ "F","0"~"3" 之外的任意一个字符

案例

• 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。

• 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。

---

修饰匹配次数的特殊符号

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	可匹配
{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"...

实际案例

• 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。

• 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。

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	可匹配
^	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

实际案例

• 例 1：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："aaa xxx xxx"。

• 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"。

• 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。

• 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	可匹配
|	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

• 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"；匹配到的位置时：开始于 15，结束于 19。

• 例 6：表达式 "(go\s*)+" 在匹配 "Let's go go go!" 时，匹配结果是：成功；

  • 匹配到内容是："go go go"；匹配到的位置是：开始于 6，结束于 14。

• 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"。