用途
正则表达式貌似只有一种用途，那就是搜索。搜索一个给定字符串中一切复合你心中某种模式的子串。
语法
正则表达式是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”）。模式描述在搜索文本时要匹配的一个或多个字符串。
下表包含了元字符的完整列表以及它们在正则表达式上下文中的行为：
| 字符 | 说明 |
|---|---|
|
将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，“n”匹配字符“n”。“ ”匹配换行符。序列“\”匹配“”，“(”匹配“(”。 |
|
|
^ |
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。 |
|
* |
零次或多次匹配前面的字符或子表达式。例如，zo* 匹配“z”和“zoo”。* 等效于 {0,}。 |
|
+ |
一次或多次匹配前面的字符或子表达式。例如，“zo+”与“zo”和“zoo”匹配，但与“z”不匹配。+ 等效于 {1,}。 |
|
? |
零次或一次匹配前面的字符或子表达式。例如，“do(es)?”匹配“do”或“does”中的“do”。? 等效于 {0,1}。 |
|
{n} |
n 是非负整数。正好匹配 n 次。例如，“o{2}”与“Bob”中的“o”不匹配，但与“food”中的两个“o”匹配。 |
|
{n,} |
n 是非负整数。至少匹配 n 次。例如，“o{2,}”不匹配“Bob”中的“o”，而匹配“foooood”中的所有 o。“o{1,}”等效于“o+”。“o{0,}”等效于“o*”。 |
|
{n,m} |
M 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如，“o{1,3}”匹配“fooooood”中的头三个 o。'o{0,1}' 等效于 'o?'。注意：您不能将空格插入逗号和数字之间。 |
|
? |
当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是“非贪心的”。“非贪心的”模式匹配搜索到的、尽可能短的字符串，而默认的“贪心的”模式匹配搜索到的、尽可能长的字符串。例如，在字符串“oooo”中，“o+?”只匹配单个“o”，而“o+”匹配所有“o”。 |
|
. |
匹配除“ ”之外的任何单个字符。若要匹配包括“ ”在内的任意字符，请使用诸如“[sS]”之类的模式。 |
|
(pattern) |
匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果“匹配”集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用“(”或者“)”。 |
|
(?:pattern) |
匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用“or”字符 (|) 组合模式部件的情况很有用。例如，'industr(?:y|ies) 是比 'industry|industries' 更经济的表达式。 |
|
(?=pattern) |
执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?=95|98|NT|2000)' 匹配“Windows 2000”中的“Windows”，但不匹配“Windows 3.1”中的“Windows”。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。 |
|
(?!pattern) |
执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?!95|98|NT|2000)' 匹配“Windows 3.1”中的 “Windows”，但不匹配“Windows 2000”中的“Windows”。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。 |
|
x|y |
匹配 x 或 y。例如，'z|food' 匹配“z”或“food”。'(z|f)ood' 匹配“zood”或“food”。 |
|
[xyz] |
字符集。匹配包含的任一字符。例如，“[abc]”匹配“plain”中的“a”。 |
|
[^xyz] |
反向字符集。匹配未包含的任何字符。例如，“[^abc]”匹配“plain”中的“p”。 |
|
[a-z] |
字符范围。匹配指定范围内的任何字符。例如，“[a-z]”匹配“a”到“z”范围内的任何小写字母。 |
|
[^a-z] |
反向范围字符。匹配不在指定的范围内的任何字符。例如，“[^a-z]”匹配任何不在“a”到“z”范围内的任何字符。 |
|
匹配一个字边界，即字与空格间的位置。例如，“er”匹配“never”中的“er”，但不匹配“verb”中的“er”。 |
|
|
B |
非字边界匹配。“erB”匹配“verb”中的“er”，但不匹配“never”中的“er”。 |
|
cx |
匹配 x 指示的控制字符。例如，cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是“c”字符本身。 |
|
d |
数字字符匹配。等效于 [0-9]。 |
|
D |
非数字字符匹配。等效于 [^0-9]。 |
|
f |
换页符匹配。等效于 x0c 和 cL。 |
|
|
换行符匹配。等效于 x0a 和 cJ。 |
|
|
匹配一个回车符。等效于 x0d 和 cM。 |
|
s |
匹配任何空白字符，包括空格、制表符、换页符等。与 [ f v] 等效。 |
|
S |
匹配任何非空白字符。与 [^ f v] 等效。 |
|
|
制表符匹配。与 x09 和 cI 等效。 |
|
v |
垂直制表符匹配。与 x0b 和 cK 等效。 |
|
w |
匹配任何字类字符，包括下划线。与“[A-Za-z0-9_]”等效。 |
|
W |
与任何非单词字符匹配。与“[^A-Za-z0-9_]”等效。 |
|
xn |
匹配 n，此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，“x41”匹配“A”。“x041”与“x04”&“1”等效。允许在正则表达式中使用 ASCII 代码。 |
|
num |
匹配 num，此处的 num 是一个正整数。到捕获匹配的反向引用。例如，“(.)1”匹配两个连续的相同字符。 |
|
n |
标识一个八进制转义码或反向引用。如果 n 前面至少有 n 个捕获子表达式，那么 n 是反向引用。否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码。 |
|
nm |
标识一个八进制转义码或反向引用。如果 nm 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。如果 nm 前面至少有 n 个捕获，则 n 是反向引用，后面跟有字符 m。如果两种前面的情况都不存在，则 nm 匹配八进制值 nm，其中 n和 m 是八进制数字 (0-7)。 |
|
nml |
当 n 是八进制数 (0-3)，m 和 l 是八进制数 (0-7) 时，匹配八进制转义码 nml。 |
|
un |
匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。例如，u00A9 匹配版权符号 (©)。 |
优先级
正则表达式从左到右进行计算，并遵循优先级顺序，这与算术表达式非常类似。
下表从最高到最低说明了各种正则表达式运算符的优先级顺序：
| 运算符 | 说明 |
|---|---|
|
转义符 |
|
|
(), (?:), (?=), [] |
括号和中括号 |
|
*, +, ?, {n}, {n,}, {n,m} |
限定符 |
|
^, $, 任何元字符、任何字符 |
定位点和序列 |
|
| |
替换 |
字符具有高于替换运算符的优先级，使得“m|food”匹配“m”或“food”。若要匹配“mood”或“food”，请使用括号创建子表达式，从而产生“(m|f)ood”。
这里面有几个重要概念，如限定符，定位点何序列。后面会陆续讲到
特殊字符表
许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符，必须首先使字符“转义”，即，将反斜杠字符 () 放在它们前面。下表列出了特殊字符以及它们的含义：
| 特殊字符 | 注释 |
|---|---|
|
$ |
匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，那么 $ 还匹配 或 前面的位置。若要匹配 $ 字符本身，请使用 $。 |
|
( ) |
标记子表达式的开始和结束。可以捕获子表达式以供以后使用。若要匹配这两个字符，请使用 ( 和 )。 |
|
* |
零次或多次匹配前面的字符或子表达式。若要匹配 * 字符，请使用 *。 |
|
+ |
一次或多次匹配前面的字符或子表达式。若要匹配 + 字符，请使用 +。 |
|
. |
匹配除换行符 之外的任何单个字符。若要匹配 .，请使用 。 |
|
[ ] |
标记中括号表达式的开始。若要匹配这些字符，请使用 [ 和 ]。 |
|
? |
零次或一次匹配前面的字符或子表达式，或指示“非贪心”限定符。若要匹配 ? 字符，请使用 ?。 |
|
将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，字符 n 匹配字符 n。 匹配换行符。序列 \ 匹配 ，序列 ( 匹配 (。 |
|
|
/ |
表示文本正则表达式的开始或结束。若要匹配 / 字符，请使用 /。 |
|
^ |
匹配输入字符串开始处的位置，但在中括号表达式中使用的情况除外，在那种情况下它对字符集求反。若要匹配 ^ 字符本身，请使用 ^。 |
|
{ } |
标记限定符表达式的开始。若要匹配这些字符，请使用 { 和 }。 |
|
| |
指出在两个项之间进行选择。要匹配 |，请使用 |。 |
中括号表达式
若要创建匹配字符组的一个列表，请在方括号（[ 和 ]）内放置一个或更多单个字符。当字符括在中括号内时，该列表称为“中括号表达式”。与在任何别的位置一样，普通字符在中括号内表示其本身，即，它在输入文本中匹配一次其本身。大多数特殊字符在中括号表达式内出现时失去它们的意义。不过也有一些例外，如：
-
如果 ] 字符不是第一项，它结束一个列表。若要匹配列表中的 ] 字符，请将它放在第一位，紧跟在开始 [ 后面。
-
字符继续作为转义符。若要匹配 字符，请使用 \。
括在中括号表达式中的字符只匹配处于正则表达式中该位置的单个字符。注意，还有一点很重要，按 Unicode 排序顺序，开始值必须在结束值的前面：如[!--]也可以，在！到-之间的所有字符
限定符含义
| 字符 | 说明 |
|---|---|
|
* |
零次或多次匹配前面的字符或子表达式。例如，zo* 匹配 z 和 zoo。* 等效于 {0,}。 |
|
+ |
一次或多次匹配前面的字符或子表达式。例如，zo+ 匹配 zo 和 zoo，但不匹配 z。+ 等效于 {1,}。 |
|
? |
零次或一次匹配前面的字符或子表达式。例如，do(es)? 匹配 do 或 does 中的 do。? 等效于 {0,1}。 |
|
{n} |
n 是非负整数。正好匹配 n 次。例如，o{2} 不匹配 Bob 中的 o，但匹配 food 中的两个 o。 |
|
{n,} |
n 是非负整数。至少匹配 n 次。例如，o{2,} 不匹配 Bob 中的 o，而匹配 foooood 中的所有 o。o{1,} 等效于 o+。o{0,} 等效于 o*。 |
|
{n,m} |
m 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如，o{1,3} 匹配 fooooood 中的头三个 o。o{0,1} 等效于 o?。注意：您不能将空格插入逗号和数字之间。 |
定位点
定位点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。下表包含正则表达式定位点以及它们的含义的列表：
| 字符 | 说明 |
|---|---|
|
^ |
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。 |
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。
替换和分组
替换使用 | 字符来允许在两个或多个替换选项之间进行选择。
Chapter|Section [1-9][0-9]{0,1}
上面的正则表达式要么匹配行首的单词 Chapter，要么匹配行尾的单词 Section 及跟在其后的任何数字。如果输入字符串是 Chapter 22，那么上面的表达式只匹配单词 Chapter。
如果输入字符串是 Section 22，那么该表达式匹配 Section 22。
若要使正则表达式更易于控制，可以使用括号来限制替换的范围，即，确保它只应用于两个单词 Chapter 和 Section。但是，括号也用于创建子表达式，并可能捕获它们以供以后使用，这一点在有关反向引用的那一节讲述。通过在上面的正则表达式的适当位置添加括号，就可以使该正则表达式匹配 Chapter 1 或 Section 3。
下面的正则表达式使用括号来组合 Chapter 和 Section，以便表达式正确地起作用：
^(Chapter|Section) [1-9][0-9]{0,1}$
尽管这些表达式正常工作，但 Chapter|Section 周围的括号还将捕获两个匹配字中的任一个供以后使用。由于在上面的表达式中只有一组括号，因此，只有一个被捕获的“子匹配项”。可以通过使用 RegExp 对象的 $1-$9 属性来引用此子匹配项。
使用反向引用
正则表达式的最重要功能之一是存储匹配的模式的一部分以供以后重新使用的能力。您可能想起，若在正则表达式模式或模式的一部分两侧加上括号，就会导致表达式的一部分被存储到临时缓冲区中。可以通过使用非捕获元字符 ?:、?= 或 ?! 来重写捕获。
每个捕获的子匹配项按照它们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。可以使用 n 来访问每个缓冲区，其中 n 是标识特定缓冲区的一位或两位十进制数字。
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。
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 / 或 : 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：
-
RegExp.$1 包含“http”
-
RegExp.$2 包含“msdn.microsoft.com”
-
RegExp.$3 包含“:80”
-
RegExp.$4 包含“/scripting/default.htm”
你也可以自己指定子表达式的组名。要指定一个子表达式的组名，请使用这样的语法：(?<Word>w+)(或者把尖括号换成'也行：(?'Word'w+)),这样就把w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用k<Word>,所以上一个例子也可以写成这样：(?<Word>w+)s+k<Word>。
使用小括号的时候，还有很多特定用途的语法。下面列出了最常用的一些：
| 分类 | 代码/语法 | 说明 |
|---|---|---|
| 捕获 | (exp) | 匹配exp,并捕获文本到自动命名的组里 |
| (?<name>exp) | 匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp) | |
| (?:exp) | 匹配exp,不捕获匹配的文本，也不给此分组分配组号 | |
| 零宽断言 | (?=exp) | 匹配exp前面的位置 |
| (?<=exp) | 匹配exp后面的位置 | |
| (?!exp) | 匹配后面跟的不是exp的位置 | |
| (?<!exp) | 匹配前面不是exp的位置 | |
| 注释 | (?#comment) | 这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读 |
断言
我们已经讨论了前两种语法。第三个(?:exp)不会改变正则表达式的处理方式，只是这样的组匹配的内容不会像前两种那样被捕获到某个组里面，也不会拥有组号。
接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像,^,$那样用于指定一个位置，自身并不会进行匹配这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。最好还是拿例子来说明吧：
断言用来声明一个应该为真的事实。正则表达式中只有当断言为真时才会继续进行匹配。
(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如w+(?=ing)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.时，它会匹配sing和danc。
但不会匹配singing，dancing
(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=re)w+会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading。
假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，你可以这样查找需要在前面和里面添加逗号的部分：((?<=d)d{3})+，用它对1234567890进行查找时结果是234567890。
下面这个例子同时使用了这两种断言：(?<=s)d+(?=s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)。
前面我们提到过怎么查找不是某个字符或不在某个字符类里的字符的方法(反义)。但是如果我们只是想要确保某个字符没有出现，但并不想去匹配它时怎么办？例如，如果我们想查找这样的单词--它里面出现了字母q,但是q后面跟的不是字母u,我们可以尝试这样：
w*q[^u]w*匹配包含后面不是字母u的字母q的单词。但是如果多做测试(或者你思维足够敏锐，直接就观察出来了)，你会发现，如果q出现在单词的结尾的话，像Iraq,Benq，这个表达式就会出错。这是因为[^u]总要匹配一个字符，所以如果q是单词的最后一个字符的话，后面的[^u]将会匹配q后面的单词分隔符(可能是空格，或者是句号或其它的什么)，后面的w*将会匹配下一个单词，于是w*q[^u]w*就能匹配整个Iraq fighting。负向零宽断言能解决这样的问题，因为它只匹配一个位置，并不消费任何字符。现在，我们可以这样来解决这个问题：w*q(?!u)w*。
零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。例如：d{3}(?!d)匹配三位数字，而且这三位数字的后面不能是数字；((?!abc)w)+匹配不包含连续字符串abc的单词。
同理，我们可以用(?<!exp),零宽度负回顾后发断言来断言此位置的前面不能匹配表达式exp：(?<![a-z])d{7}匹配前面不是小写字母的七位数字。
一个更复杂的例子：(?<=<(w+)>).*(?=</1>)匹配不包含属性的简单HTML标签内里的内容。(?<=<(w+)>)指定了这样的前缀：被尖括号括起来的单词(比如可能是<b>)，然后是.*(任意的字符串),
最后是一个后缀(?=</1>)。注意后缀里的/，它用到了前面提过的字符转义；1则是一个反向引用，引用的正是捕获的第一组，前面的(w+)匹配的内容，这样如果前缀实际上是<b>的话，后缀就是</b>了。
整个表达式匹配的是<b>和</b>之间的内容(再次提醒，不包括前缀和后缀本身)。
贪婪与懒惰
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。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。
有时，我们更需要懒惰匹配，也就是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。现在看看懒惰版的例子吧：
a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。
| 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 |
参考链接：