0%

正则表达式

Main Takeaway

根据正则表达式30分钟入门教程 (deerchao.cn)这篇文章来学习的正则表达式,文章介绍的是 .Net 下的正则表达式,其它环境下的具体情况可以在读完本文后去参考官方文档,或者查看正则表达式引擎特性对比

Tips:正则表达式学不了一点,看得头疼,偶的建议是了解点基础语法即可。有需要的时候再回头来看。

简介

正则表达式就是记录文本规则的代码。常用于查找符合某些复杂规则的字符串的需要。

通配符(wildcard:*和?)更精确,也更复杂

测试正则表达式

.Net下的工具 Regester,直接测试

也可以试试这个在线测试工具:Wegester, JavaScript正则表达式测试器。

常用的处理选项

名称说明
IgnoreCase(忽略大小写)匹配时不区分大小写。
Multiline(多行模式)更改^和\(的含义,使它们分别在任意一行的行首和行尾匹配,而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,\)的精确含意是:匹配.)
Singleline(单行模式)更改.的含义,使它与每一个字符匹配(包括换行符)。
IgnorePatternWhitespace(忽略空白)忽略表达式中的非转义空白并启用由#标记的注释。
ExplicitCapture(显式捕获)仅捕获已被显式命名的组。

Tips<处理多行>:如果选中了这个选项,^和$的意义就变成了匹配行的开始处和结束处。

多行模式和单行模式没任何关系,可以同时使用

注释

学习任何一样工具,我认为最首要的是学会如何写注释:

通过语法(?#comment)来包含注释

要包含注释的话,最好是启用“忽略模式里的空白符”选项,这样在编写表达式时能任意的添加空格,Tab,换行,而实际使用时这些都将被忽略。启用这个选项后,在#后面到这一行结束的所有文本都将被当成注释忽略掉。

元字符

metacharater

代码说明
.匹配除换行符以外的任意字符
匹配字母或数字或下划线或汉字
匹配任意的空白符(包括空格,制表符(Tab),换行符,中文全角空格等)
匹配数字
匹配单词的开始或结束(只匹配一个位置,不匹配字符)
^匹配字符串的开始
$匹配字符串的结束
  • 避免重复书写:0-。这里({8})的意思是前面2次(8次)。

Tips:{5,12}和{2}是类似的,只不过{2}匹配只能不多不少重复2次,{5,12}则是重复的次数不能少于5次,不能多于12次,否则都不匹配。

代码/语法说明
*重复零次或更多次
+重复一次或更多次
?重复零次或一次
{n}重复n次
{n,}重复n次或更多次
{n,m}重复n到m次
  • 字符转义:使用\.和\*来查找.和*。当然,要查找,你也得用\.

  • 字符类:在方括号里列出想匹配的字符集合即可

    Tips:[aeiou]就匹配任何一个英文元音字母,[.?!]匹配标点符号(.或?或!)。

  • 反义:有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外,其它任意字符都行的情况,这时需要用到反义

代码/语法说明
匹配任意不是字母,数字,下划线,汉字的字符
匹配任意不是空白符的字符
匹配任意非数字的字符
匹配不是单词开头或结束的位置
[^x]匹配除了x以外的任意字符
[^aeiou]匹配除了aeiou这几个字母以外的任意字符

分枝条件

用|把不同的规则分隔开,如果满足其中任意一种规则都应该当成匹配:

eg:0\d{2}-\d{8}|0\d{3}-\d{7}这个表达式能匹配两种以连字号分隔的电话号码:一种是三位区号,8位本地号(如010-12345678),一种是4位区号,7位本地号(0376-2233445)。

Tips:使用分枝条件时,要注意各个条件的顺序。如果你把它改成|-的话,那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时,将会从左到右地测试每个条件,如果满足了某个分枝的话,就不会去再管其它的条件了。

分组

想要重复多个字符,可以用小括号来指定子表达式(也叫做分组),然后你就可以指定这个子表达式的重复次数了。

eg:(\d{1,3}\.){3}\d{1,3}

后向引用

默认情况下,每个分组会自动拥有一个组号,规则是:从左向右,以分组的左括号为标志,第一个出现的分组的组号为1,第二个为2,以此类推。

后向引用用于重复搜索前面某个分组匹配的文本。例如,\1代表分组1匹配的文本。

贪婪与懒惰

  • 贪婪匹配:当正则表达式中包含能接受重复的限定符时,通常的行为是(在使整个表达式能得到匹配的前提下)匹配尽可能多的字符。以这个表达式为例:a.*b,它将会匹配最长的以a开始,以b结束的字符串。
  • 懒惰匹配:尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式,只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复,但是在能使整个匹配成功的前提下使用最少的重复。

懒惰限定符:

分类代码/语法说明
捕获(exp)匹配exp,并捕获文本到自动命名的组里
(?exp) 匹配exp,并捕获文本到名称为name的组里,也可以写成(?'name'exp)
(?:exp)匹配exp,不捕获匹配的文本,也不给此分组分配组号
零宽断言(?=exp)匹配exp前面的位置
(?<=exp)匹配exp后面的位置
(?!exp)匹配后面跟的不是exp的位置
(?<!exp)匹配前面不是exp的位置
注释(?#comment)这种类型的分组不对正则表达式的处理产生任何影响,用于提供注释让人阅读
代码/语法说明
*?重复任意次,但尽可能少重复
+?重复1次或更多次,但尽可能少重复
??重复0次或1次,但尽可能少重复
{n,m}?重复n到m次,但尽可能少重复
{n,}?重复n次以上,但尽可能少重复

Bonus

文章中还有零宽断言、负向零宽断言、平衡组/递归匹配等知识我并未做记录,或许得等到我真正需要用到的时候再使用吧。

References