正则表达式

什么是正则表达式

　　正则表达式是一种匹配文本中的字符序列的字符模式。为了让开发人员创建正则表达式模式，某系字符和字符组合被赋予了特殊的含义和功能。

　　正则表达式，从最基本的层面来说，可以让计算机用户和开发人员找到想要的文本块，而且通常会以更适合的内容来替换这些文本块。在其他情况下，正则表达式用于测试一个字符序列（如信用卡号码或者社会保险号（Social Security Nuber,SSN））中是否包含被允许的字符模式。无论是查找现有的字符序列，还是为了存储的的有效性而对字符序列进行符合性测试，其中正则表达式的作用呢都可以归为一句话——判断一个字符序列是否与一个模式相匹配。

　　从宽泛的意义上来看，说正则表达式是语言是没有问题的。但是，严格来讲，不错存在正则表达式这门语言。与JavaScript和VBScript这样的脚本语言类似，它们都只能在另一种应用程序或者环境下使用。而正则表达式同样也只能在一种“合适的”编程语言的环境下使用。与脚本语言类似，正则表达式要么是作为诸如Microsoft word或OpenOffice.org writer之类的应用程序的一部分，要么是以命令行实用程序的面目出现，例如findstr实用程序。虽然我们可以抽象的讨论正则表达式，但它们只能在其他语言或应用程序中使用。

正则表达式的作用

1.可以查找重复的单词

2.检查web表单的输入

3.转换日期格式

4.发现错误的拼写

5.为URL添加链接

6.目录列表

7.在线搜索

空格会导致含义改变

　　如果无意间在正则表达式中插入了空格，就会彻底改变正则表达式的含义，从而使得应该匹配的内容不再匹配，而不想的内容却匹配了。所以，在建立正则表达式模式时，必须要小心处理空格符。

例如：

^x.*            这个会找打所有匹配的内容
^ x.*           在^和x中间加一个空格，那么一个匹配的都找不到

　　这是因为^元字符是一个表示行开始位置的记号。因此，在^字符后面插入一个空字符的意思是，这个表达式要搜索以空格开始的行。所以不会有与这个正则表达式模式匹配的内容。

　　使用正则表达式的分析方法

1.用自然语言来表达和说明你的意图。

2.考虑数据源及其可能的内容。

3.考虑可以使用的正则表达式选项。

4.考虑灵敏度和特殊性。

5.创建适当的正则表达式。

6.对除了简单的正则表达式之外的正则表达式给予说明。

7.使用空白区域保持正则表达式说明的清晰。

8测试正则表达式的结果。

在JavaScript中定义正则表达式

方法1：

var reg=/表达式/附加参数

方法2：

var reg=new RegExp("表达式"，“附加参数”);

匹配单个字符

　var myRegExp=/L/;　　注：匹配任意大写字符“L”

在JavaScript中，正斜杠用于界定正则表达式——就像使用一堆引号来界定字符串一样。

限量操作符

*限定符

*操作符表示相关的模式出现零次或多次。

+限定符

+限量操作符表示匹配一次货多次前面的块

一些限定符及其含义

限定符	含义
？	匹配0次货1次
*	匹配0或多次
+	匹配1或多次

大括号语法

{n}语法

如果要匹配带有3位数字，我们可以使用一下模式：

ABC[0-9][0-9][0-9]

即通过多次重复字符类表示数字出现的次数，但是，如果使用大括号语法则可以写成下面这样：

ABC[0-9]{3}

{n,m}

指定最少匹配零次（由开始大括号后面的第一个数字指定）而最多匹配m次（由第二个数字指定，与指定最少次数的数字之间以都好分隔，且位于结束的大括号前面）的情况

元字符和修饰符

句点（.）元字符

句点元字符，它可以匹配任何字母字符（无论大写还是小写），也可以匹配数字，这种广泛性是一种优势，因为.元字符几乎可以匹配任何字符，所以并不关心实际要匹配什么内容，或者最终有多少个匹配的情况下都可以选用它。不过.元字符也有不足，理由一样——他几乎可以匹配任何字符。比如，在一次搜索和替换操作中，要替换与.元字符匹配的字符序列是已经非常危险的事情。

w元字符

w元字符只匹配英文字母字符、数字和下划线。他与.元字符不同，因为他不匹配象形符号、标点符号，在某些实现中，也不匹配非英语语言中的字母字符。

W元字符

W元字符用于匹配w元字符不匹配的字符，换句话说，W元字符匹配任何非ASCII字母字符、非数字以及非下划线字符。

数字和非数字

d用于表示数字而D表示非数字

空白和非空白元字符

s元字符

s元字符是针对性最差的元字符，它能够匹配任何单个的字符串。具体来说，s元字符可以匹配一个空格符，一个制表符一个换行符。

S元字符

S元字符用于匹配任何非空白字符。其他非英语语言的字符也与S元字符匹配。但S元字符不像句点元字符（根据设置，它会匹配除换行符之外的任何可能的字符）那样会匹配尽可能多的字符。

元字符

元字符匹配一个制表符

元字符

元字符匹配一个换行符——换句话说，它匹配当你按回车键时向文本文件中添加的那个字符。

转移符

 

定位符

定位符使您能够将正则表达式固定到行首或行尾。它们还使您能够创建这样的正则表达式，这些正则表达式出现在一个单词内、在一个单词的开头或者一个单词的结尾。

定位符用来描述字符串或单词的边界，^和$分别指字符串的开始与结束，描述单词的前或后边界，B表示非单词边界。

正则表达式的限定符有：

字符	描述
^	匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与 或 之后的位置匹配。
$	匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与 或 之前的位置匹配。
	匹配一个字边界，即字与空格间的位置。
B	非字边界匹配。

注意：不能将限定符与定位点一起使用。由于在紧靠换行或者字边界的前面或后面不能有一个以上位置，因此不允许诸如 ^* 之类的表达式。

若要匹配一行文本开始处的文本，请在正则表达式的开始使用 ^ 字符。不要将 ^ 的这种用法与中括号表达式内的用法混淆。

若要匹配一行文本的结束处的文本，请在正则表达式的结束处使用 $ 字符。

若要在搜索章节标题时使用定位点，下面的正则表达式匹配一个章节标题，该标题只包含两个尾随数字，并且出现在行首：

/^Chapter [1-9][0-9]{0,1}/

真正的章节标题不仅出现行的开始处，而且它还是该行中仅有的文本。它即出现在行首又出现在同一行的结尾。下面的表达式能确保指定的匹配只匹配章节而不匹配交叉引用。通过创建只匹配一行文本的开始和结尾的正则表达式，就可做到这一点。

/^Chapter [1-9][0-9]{0,1}$/

匹配字边界稍有不同，但向正则表达式添加了很重要的能力。字边界是单词和空格之间的位置。非字边界是任何其他位置。下面的表达式匹配单词 Chapter 的开头三个字符，因为这三个字符出现字边界后面：

/Cha/

 字符的位置是非常重要的。如果它位于要匹配的字符串的开始，它在单词的开始处查找匹配项。如果它位于字符串的结尾，它在单词的结尾处查找匹配项。例如，下面的表达式匹配单词 Chapter 中的字符串 ter，因为它出现在字边界的前面：

/ter/

下面的表达式匹配 Chapter 中的字符串 apt，但不匹配 aptitude 中的字符串 apt：

/Bapt/

字符串 apt 出现在单词 Chapter 中的非字边界处，但出现在单词 aptitude 中的字边界处。对于 B 非字边界运算符，位置并不重要，因为匹配不关心究竟是单词的开头还是结尾。

选择

用圆括号将所有选择项括起来，相邻的选择项之间用|分隔。但用圆括号会有一个副作用，是相关的匹配会被缓存，此时可用?:放在第一个选项前来消除这种副作用。

其中?:是非捕获元之一，还有两个非捕获元是?=和?!，这两个还有更多的含义，前者为正向预查，在任何开始匹配圆括号内的正则表达式模式的位置来匹配搜索字符串，后者为负向预查，在任何开始不匹配该正则表达式模式的位置来匹配搜索字符串。

反向引用

对一个正则表达式模式或部分模式两边添加圆括号将导致相关匹配存储到一个临时缓冲区中，所捕获的每个子匹配都按照在正则表达式模式中从左到右出现的顺序存储。缓冲区编号从 1 开始，最多可存储 99 个捕获的子表达式。每个缓冲区都可以使用 ' ' 访问，其中 n 为一个标识特定缓冲区的一位或两位十进制数。

可以使用非捕获元字符 '?:'、'?=' 或 '?!' 来重写捕获，忽略对相关匹配的保存。

反向引用的最简单的、最有用的应用之一，是提供查找文本中两个相同的相邻单词的匹配项的能力。以下面的句子为例：

Is is the cost of of gasoline going up up?

上面的句子很显然有多个重复的单词。如果能设计一种方法定位该句子，而不必查找每个单词的重复出现，那该有多好。下面的正则表达式使用单个子表达式来实现这一点：

/([a-z]+) 1/gi

捕获的表达式，正如 [a-z]+ 指定的，包括一个或多个字母。正则表达式的第二部分是对以前捕获的子匹配项的引用，即，单词的第二个匹配项正好由括号表达式匹配。1 指定第一个子匹配项。字边界元字符确保只检测整个单词。否则，诸如"is issued"或"this is"之类的词组将不能正确地被此表达式识别。

正则表达式后面的全局标记 (g) 指示，将该表达式应用到输入字符串中能够查找到的尽可能多的匹配。表达式的结尾处的不区分大小写 (i) 标记指定不区分大小写。多行标记指定换行符的两边可能出现潜在的匹配。

反向引用还可以将通用资源指示符 (URI) 分解为其组件。假定您想将下面的 URI 分解为协议（ftp、http 等等）、域地址和页/路径：

http://www.w3cschool.cc:80/html/html-tutorial.html

下面的正则表达式提供该功能：

/(w+)://([^/:]+)(:d*)?([^# ]*)/

第一个括号子表达式捕获 Web 地址的协议部分。该子表达式匹配在冒号和两个正斜杠前面的任何单词。第二个括号子表达式捕获地址的域地址部分。子表达式匹配 / 和 : 之外的一个或多个字符。第三个括号子表达式捕获端口号（如果指定了的话）。该子表达式匹配冒号后面的零个或多个数字。只能重复一次该子表达式。最后，第四个括号子表达式捕获 Web 地址指定的路径和/或页信息。该子表达式能匹配不包括 # 或空格字符的任何字符序列。

将正则表达式应用到上面的 URI，各子匹配项包含下面的内容：

• 第一个括号子表达式包含"http"
• 第二个括号子表达式包含"www.w3cschool.cc"
• 第三个括号子表达式包含":80"
• 第四个括号子表达式包含"/html/html-tutorial.html"

正则表达式语法简明参考

一个正则表达式就是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

这里有一些可能会遇到的正则表达式示例：

JScript	VBScript	匹配
/^[ ]*$/	"^[ ]*$"	匹配一个空白行。
/d{2}-d{5}/	"d{2}-d{5}"	验证一个ID 号码是否由一个2位数字，一个连字符以及一个5位数字组成。
/<(.*)>.*</1>/	"<(.*)>.*</1>"	匹配一个 HTML 标记。

下表是元字符及其在正则表达式上下文中的行为的一个完整列表：

字符	描述
	将下一个字符标记为一个特殊字符、或一个原义字符、或一个 后向引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。' ' 匹配一个换行符。序列 '\' 匹配 "" 而 "(" 则匹配 "("。
^	匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 ' ' 或 ' ' 之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 ' ' 或 ' ' 之前的位置。
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。 * 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。刘， "o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。
.	匹配除 " " 之外的任何单个字符。要匹配包括 ' ' 在内的任何字符，请使用象 '[. ]' 的模式。
(pattern)	匹配pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '(' 或 ')'。
(?:pattern)	匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。
(?=pattern)	正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如， 'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	负向预查，在任何不匹配Negative lookahead matches the search string at any point where a string not matching pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始
x|y	匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。
[xyz]	字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。
	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
B	匹配非单词边界。'erB' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
cx	匹配由x指明的控制字符。例如， cM 匹配一个 Control-M 或回车符。 x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
d	匹配一个数字字符。等价于 [0-9]。
D	匹配一个非数字字符。等价于 [^0-9]。
f	匹配一个换页符。等价于 x0c 和 cL。
	匹配一个换行符。等价于 x0a 和 cJ。
	匹配一个回车符。等价于 x0d 和 cM。
s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ f v]。
S	匹配任何非空白字符。等价于 [^ f v]。
	匹配一个制表符。等价于 x09 和 cI。
v	匹配一个垂直制表符。等价于 x0b 和 cK。
w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
W	匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。
xn	匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如， 'x41' 匹配 "A"。'x041' 则等价于 'x04' & "1"。正则表达式中可以使用 ASCII 编码。.
num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)1' 匹配两个连续的相同字符。
n	标识一个八进制转义值或一个后向引用。如果 n 之前至少 n 个获取的子表达式，则 n 为后向引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
nm	标识一个八进制转义值或一个后向引用。如果 nm 之前至少有is preceded by at least nm 个获取得子表达式，则 nm 为后向引用。如果 nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的后向引用。如果前面的条件都不满足，若  n 和 m 均为八进制数字 (0-7)，则 nm 将匹配八进制转义值 nm。
nml	如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
un	匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， u00A9 匹配版权符号 (?)。