系统地学习正则表达式(一)：基础篇

系统地学习正则表达式(一)：基础篇

什么是正则表达式 正则表达式就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，用来表达对字符串的一种过滤逻辑。

• 通过正则表达式可以达到如下的目的：

  给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）；
  可以通过正则表达式，从字符串中获取我们想要的特定部分。
  

  为了让大家更方便地学习，先推荐一个验证正则表达式的软件Regextor，具体可以看我的这篇文章，里面还推荐了很多Mac上的好软件。

  

下面开始讲解正则表达式各种规则：

• 匹配普通文本字符

  正则表达式可以只包含普通的文本，代表去精确匹配这个文本。例如:

  正则表达式：song 待匹配文本：xiaosongge，xiaoSongge 匹配后结果：xiaosongge，xiaoSongge 正则表达式默认是区分大小写的，所以song不会匹配 “Song” 。但是大部分的正则表达式实现都提供了一个选项表示不区分大小写。

• 匹配任意字符

  . 用来匹配一个任意字符，例如：

  正则表达式：c.t 待匹配文本：cat cet caaat dog 匹配后结果：cat cet caaat dog 分析：c.t会匹配以" c “开头，以” t "结尾，中间为任意字符的字符串。

  同理，多个连续的.可以匹配多个连续的任意字符：

  正则表达式：c…t 待匹配文本：cat cet caat dog 匹配后结果：cat cet caat dog

• 匹配特殊字符

  .在正则表达式中含有特殊的意义，是一个特殊的字符。\也是特殊字符，可以对特殊字符起到转义作用。如果你想匹配的是一个真正的" . “字符，需要在.前面加上\对字符进行转义。所以，.表示真正的” . "字符。

  正则表达式：c.t 待匹配文本：cat c.t dog 匹配后结果：cat c.t dog 注意：因为\也是特殊字符，所以想要匹配一个真正的" \ "字符，需要使用两个反斜线\：

  正则表达式：c\t 待匹配文本：cat c\t dog 匹配后结果：cat c\t dog

• 使用字符集合

  上面说到.能匹配一个任意字符，但是如果我想匹配几个特定字符怎么办？匹配一组特定的字符可以使用[和]元字符。

  正则表达式：c[ab]t 待匹配文本：cat cbt cet 匹配后结果：cat cbt cet 分析：[ab]会匹配" a “或者” b “。所以c[ab]t会匹配” cat “和” cbt “而不会匹配” cet "。

• 使用字符组区间

  在上面的例子中，假如我想匹配cet怎么办，在[]里面多加一个吗？那如果我想匹配任意小写字母呢，往里面写几十个吗？虽然是可以的，但是太长了。这里我们可以用到[a-z]：

  正则表达式：c[a-z]t 待匹配文本：cat cbt czt c2t 匹配后结果：cat cbt czt c2t 分析：c[a-z]t表示以" c “开头，” t "结尾，中间为字母 " a " - " z " 的任意一个字母。

  类似的区间还有：

  [0-9] 和[0123456789]的功能一样。匹配所有的数字。 [A-F] 匹配A到F的大写字符。 [A-Z] 匹配所有的 A 到 Z 的大写字符。 [a-z] 匹配所有的 a 到 z 的小写字符。 [A-z] 匹配从 ASCII A 到 ASCII z 的所有字符（不仅仅匹配所有字母，还匹配在 ASCII 表中 A 到 z 中的字符，如 [ 和 ^ 等）。 [A-Za-z0-9] 匹配所有的大小写字母和数字。

• 非字符集的匹配

  字符集合一般用于指定一组需要匹配的字符。但是有些时候，你想要排除一组你不想匹配的字符。可以通过对于字符集合的否定来实现。例如：

  正则表达式：c[^a-z]t 待匹配文本：cat cbt czt c2t cAt 匹配后结果：cat cbt czt c2t cAt 分析：这个和前面一个例子完全相反。[a-z] 匹配所有的小写字母，而 [^a-z] 匹配所有的不是小写字母的字符。

  注意，^字符是将字符集合中的所有字符都取消匹配。

• 元字符

  元字符在正则表达式中有特殊的意义，上面我们已经说了几个元字符，比如.、[和]。这些字符不能直接表示自己的含义，例如，不能直接使用[来匹配" [ “，使用.来匹配” . "。

  所有的元字符都可以在前面加上反斜线转义，当转义后，字符将匹配自身而不是其特殊含义。例如，[将匹配" [ ":

  正则表达式：a[b 待匹配文本：a[b ab a[[b 匹配后结果：a[b ab a[[b 注意：\用来转义元字符，这也意味着\也是一个元字符。所以如果需要匹配真正的" \ "，可以使用\：

  正则表达式：a\b 待匹配文本：a\b a\b a[[b 匹配后结果：a\b a\b a[[b

• 空白字符

  有时候你可能需要匹配文本中不能打印的空白字符。例如，你希望能够找到所有的 Tab 字符，或者是所有的换行符。你可以使用下表中的特殊元字符：

  

  例如\r\n将匹配一个回车换行组合，在 Windows 中表示一个文件换行。在 Linux 和 Unix 系统中，只需要使用\n即可。

• 匹配特定的字符类型

  有一些特殊的元字符可以用来匹配常用的字符集合。这些元字符被称为匹配字符类。你会发现使用它们是很方便的。

  匹配数字或者非数字 上面说到，[0-9] 可以匹配所有的数字。如果不想匹配任何数字，则可以使用[^0-9]。下表中列出了数字和非数字的类元字符：

  

  正则表达式：c\dt 待匹配文本：cat c2t czt c9t 匹配后结果：cat c2t czt c9t

  正则表达式：c\Dt 待匹配文本：cat c2t czt c9t 匹配后结果：cat c2t czt c9t 匹配字母字符和非字母字符 另外一个常用的类元字符是\w和\W：

  

  正则表达式：c\wt 待匹配文本：cat c2t czt c-t c\t 匹配后结果：cat c2t c-t c\t

  正则表达式：c\Wt 待匹配文本：cat c2t c-t c\t 匹配后结果：cat c2t c-t c\t 匹配空白和非空白 最后一个将要遇到的匹配类是空白类：

  

  正则表达式：c\st 待匹配文本：cat c t c2t c\t 匹配后结果：cat c t c2t c\t

  正则表达式：c\St 待匹配文本：cat c t c2t c\t 匹配后结果：cat c t c2t c\t

• 匹配一个或者更多字符

  +元字符表示匹配一个或者多个字符。例如，a将匹配"a"，而a+则匹配一个或者多个"a"。

  正则表达式：cat 待匹配文本：ct cat caat caaat 匹配后结果：ct cat caat caaat

  正则表达式：ca+t 待匹配文本：ct cat caat caaat 匹配后结果：ct cat caat caaat 当在字符集合上使用+的时候，需要将+符号放在集合外面：

  正则表达式：c[0-9]+t 待匹配文本：ct c0t cat c123t 匹配后结果：ct c0t cat c123t 分析：c[0-9]+t表示以" c “开头，以” t "结尾，中间为一个或多个数字的字符串。

  当然，[0-9+]也是一个合法的正则表达式，但它表示一个包含 " 0 " - " 9 " 和 " + " 符号的字符集合。

  一般的，元字符如.和+等用于字符集合的时候是作为字面含义使用的，因此没有必要转义。但是对其进行转义也没错，所以，[0-9+]和[0-9+]的功能是一样的。

  注意：+是一个元字符，匹配"+"需要使用转义+。

• 匹配零个或者更多字符

  如果希望匹配零个或更多字符的时候，可以使用*元字符。

  正则表达式：ca*t 待匹配文本：ct cat caat cbt 匹配后结果：ct cat caat cbt 注意：*符号是元字符。为了能够匹配" * "，需要进行转义*。

• 匹配零个或者一个字符

  ? 匹配零个或者一个字符。所以，?非常适合于在文本中匹配一个可选的字符。

  正则表达式：ca?t 待匹配文本：ct cat caat cbt 匹配后结果：ct cat caat cbt 注意：?符号是元字符。为了能够匹配" ? "，需要进行转义?。

• 使用匹配次数

  正则表达式允许指定匹配的次数。次数可以在“ { ”和“ } ”之间指定。 注意：{和}也是元字符，在使用字面含义的时候需要转义。

  精确次数匹配 为了指定匹配的次数，你可以在{和}之间输入数字。例如，{3}将匹配 3 次前面出现的字符或集合：

  正则表达式：ca{3}t 待匹配文本：ct cat caaat cbt 匹配后结果：ct cat caaat cbt 至少次数匹配 我们也可以只指定匹配的最小值。例如，{2,}意味着匹配 2次或者更多次：

  正则表达式：ca{1,}t 待匹配文本：ct cat caaat cbt 匹配后结果：ct cat caaat cbt 次数区间匹配 我们还可以使用最小值和最大值来确定匹配的数量。例如，{2,3}意味着最少匹配 2次，最多匹配3次。

  正则表达式：ca{2,3}t 待匹配文本：ct cat caaat cbt 匹配后结果：ct cat caaat cbt 所以?和{0,1}的功能是一样的，+和 {1,}的作用是一样的。

• 非贪婪匹配

  先看看下面的例子：

  正则表达式：s.*g 待匹配文本：xiao song xiao song 匹配后结果：xiao song xiao song 分析：s.*g并没像预想中的匹配两个" song “，而是匹配了第一个” s "和最后一个 " g "之间的所有文本。

  这是因为*和+都是贪婪匹配。也就是说，正则表达式总是寻找最大的匹配，而不是最小的，这是故意设计的。

  但是如果你不希望贪婪匹配的时候就要使用这些量词的非贪婪匹配（匹配尽可能少的字符）。非贪婪量词是在量词后面加上?：

  

  ?是的非贪婪版本，所以可以使用*?来修改上面的例子：

  正则表达式：s.?g 待匹配文本：xiao song xiao song 匹配后结果：xiao song xiao song 分析：可以看到s.?g匹配到了两个" song "。

• 定义字符串边界

  字符串边界匹配的元字符是^和$，分别用于字符串的开始和结束。

  ^用法如下：

  正则表达式：^xiao

  待匹配文本：xiaosong 匹配后结果：xiaosong

  待匹配文本：axiaosong 匹配后结果：axiaosong 分析：^xiao匹配以" xiao "开头的字符串。

  $用法如下：

  正则表达式：song$

  待匹配文本：xiaosong 匹配后结果：xiaosong

  待匹配文本：xiaosonga 匹配后结果：xiaosonga 分析：song$匹配以"song "结尾的字符串。

  共同使用：

  正则表达式：^[0-9a-zA-Z]{4,}$

  待匹配文本：a1b234ABC 匹配后结果：a1b234ABC

  待匹配文本：+a1b23=4ABC 匹配后结果：+a1b23=4ABC 分析：^[0-9a-zA-Z]{4,}$匹配用数字或者字母组成的，并且位数大于等于四位的字符串。

  注意：^如果位于集合开始处的话，则表示否定；如果在集合外面，则将匹配字符串的开始位置。大家可以试试[^0-9]和^[0-9]的区别。

• 使用多行模式

  但是(?m)可以启用多行模式。在多行模式下，正则表达式引擎将换行符作为字符串的分隔符，^将匹配文本的开始或者一行的开始，而$则可以匹配文本的结束或者是一行的结尾处。

  修改下上个例子：

  正则表达式：(?m)^[0-9a-zA-Z]{4,}$

  待匹配文本：a1b234ABC +a1b23=4ABC ABC123456

  匹配后结果：a1b234ABC +a1b23=4ABC ABC123456 分析：(?m)^[0-9a-zA-Z]{4,}$会去匹配每行用数字或者字母组成的，并且位数大于等于四位的字符串。

  注意：如果使用多行模式的话，(?m)必须放置在正则表达式的开始。 (?m)在大部分的正则表达式实现中并不支持。有些正则表达式实现还支持使用\A匹配字符串的开始，\Z匹配字符串的结束。如果支持的话，则这些元字符的功能和^、$是一样的。但是这些元字符不能使用(?m)修饰，所以也不能用于多行模式。

这篇先讲基础，看完可以看下一篇《系统地学习正则表达式(二)：进阶篇》。

转载自 简书 iOS_小松哥