首先简单介绍下正则表达式:
在编写处理字符串的程序或网页时,经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说,正则表达式就是记录文本规则的代码。
下面就看看正则表达式里乱七八糟的字符都是什么意思:
1、常用的元字符
代码 | 说明 |
. | 匹配除换行符以外的任意字符 |
w | 匹配字母或数字或下划线或汉字 |
s | 匹配任意的空白符 |
d | 匹配数字 |
匹配单词的开始或结束 | |
^ | 匹配字符串的开始 |
$ | 匹配字符串的结束 |
那我们试着理解下:
hello 其实就是查找单词hello了——先是某个单词开始处(),然后是字符串hello,最后是单词结束处()。
010-dddddddd 比如北京的固定电话——先是010-,然后是8个数字(d)。
^d{18}$ 比如身份证号——先是字符串开始(^),然后是18位数字(d),最后字符串结束($)。
2、常用的限定符
代码 | 说明 |
* | 重复零次或更多次 |
+ | 重复一次或更多次 |
? | 重复零次或一次 |
{n} | 重复n次 |
{n, } | 重复n次或更多次 |
{n,m} | 重复n到m次 |
aw* 匹配以字母a开头的单词——先是某个单词开始处(),然后是字母a,然后是任意数量的字母或数字(w*),最后是单词结束处()。
windowsd+ 匹配windows开头后面是一位或多位数字的,windows7、windows10等等——d+即匹配一次或多次数字。
010-d{8} 也是匹配北京固定电话,跟上面010-dddddddd是一个意思,这个更简便——d{8}就是连续匹配八次数字的意思。
3、常用的反义代码
代码 | 说明 |
W | 匹配任意非字母或数字或下划线或汉字的字符 |
S | 匹配任意非空白符的字符 |
D | 匹配任意非数字字符 |
B | 匹配非单词开始或结束的地方 |
[^x] | 匹配除x以外的任意字符 |
[^aeiou] | 匹配除元音以外的任意字符 |
"s[^"]+" 匹配用引号括起来的以s开头的字符串。
4、常用分组语法
代码 | 说明 |
(exp) | 匹配exp,并捕获文本到自动命名的组里 |
(?<name>exp) | 匹配exp,并捕获文本到名称为name的组里,也可以写成(?'name'exp) |
(?:exp) | 匹配exp,不捕获匹配的文本,也不给此分组分配组号 |
(?=exp) | 匹配exp前面的位置 |
(?<=exp) | 匹配exp后面的位置 |
(?!exp) | 匹配后面跟的不是exp的位置 |
(?<!exp) | 匹配前面不是exp的位置 |
w*h(?!e)w* 这个相对复杂一点,但是借助上面的表格,应该也能读懂,下面详细分析下——单词开始();然后跟零个或多个字母(w*),因为是单词嘛,就只能是字母啦;接着是字母h,后面接一个不是e的字符(?!e),然后又是零个或多个字母(w*),直到单词结束()。那我们就清楚了,也就是找“含有h字母,但h后面不是e的单词”,比如him、honey。而把诸如hello、help这样的单词排除。
5、懒惰限定符
代码 | 说明 |
*? | 重复任意次,但尽可能少重复 |
+? | 重复1次或更多次,但尽可能少重复 |
?? | 重复0次或1次,但尽可能少重复 |
{n,m}? | 重复n到m次,但尽可能少重复 |
{n, }? | 重复n次以上,但尽可能少重复 |
当正则表达式中包含能接受重复的限定符时,通常的行为是匹配尽可能多的字符。例如:a.*b 它将会匹配最长的以a开始,以b结束的字符串。如果用它来搜索aabab的话,它会匹配整个字符串aabab。这被称为贪婪匹配;但是用 a.*?b 搜索的话会匹配aab(第一到第三个字符)和ab(第四到第五个字符),这叫懒惰匹配。
6、常用的其他符号
代码 | 说明 |
. | 元字符转义。.是元字符,你没有办法匹配它,因为会被理解成别的意思,这时你就得使用来取消这些字符的特殊意义,即.。同样的,其他元字符像*?+等等都需要转义。 |
[] | 字符集。例如[0-9]匹配数字0到9,等同于d;[a-z]匹配小写字母;[.?!]匹配标点符号.?! |
() | 分组。每个组自动拥有组号,从左向右,第一个出现的分组的组号为1,第二个为2,以此类推。(d{1,3}.){3}d{1,3} 是一个简单的IP地址匹配表达式——d{1,3}匹配1到3位的数字,(d{1,3}.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次,最后再加上一个一到三位的数字(d{1,3})。(w+)s+1 可以用来匹配重复的单词,像go go——首先是一个单词,这个单词含有一个或多个字母(w+),该单词会被捕获到编号为1的分组中,然后是1个或多个空白符(s+),最后是分组1中捕获的内容(也就是前面匹配的那个单词)(1),单词结束()。 |
| | 分枝。^d{17}(d|[xX])$ 可用来验证是否为身份证号码——字符串开始(^),接着匹配17位数字(d{17}),然后是个数字(d)或者(|)字母x或X([xX]),字符串结束($)。 |
//i | 一次匹配。正则表达字面量。举例见下文。 |
//g | 全局匹配。正则表达字面量。 举例见下文。 |
下面是//i和//g的用法,我们从一段代码中加深理解:
1 <html>
2 <body>
3
4 <script type="text/javascript">
5
6 var str="Welcome to Microsoft! ";
7 str=str + "We are proud to announce that Microsoft has ";
8 str=str + "one of the largest Web Developers sites in the world.";
9 document.write(str.replace(/Microsoft/i, "W3School"));
10
11 </script>
12
13 </body>
14 </html>
上面的代码呢,是想把字符串中的Microsoft替换成W3School,当正则表达式为/Microsoft/i时,运行结果:Welcome to W3School! We are proud to announce that Microsoft has one of the largest Web Developers sites in the world. 可以看出只有第一个Microsoft被替换了,即一次匹配。
我们将正则表达式/Microsoft/i改为/Microsoft/g,结果就变为:Welcome to W3School! We are proud to announce that W3School has one of the largest Web Developers sites in the world. 也就是说全文凡是有Microsoft的地方都被替换成W3School,即全局匹配。
当然还有很多代码没有涉及到,但是很多正则表达式应该能看懂了,入门了后面的学习就相对简单了。如果没懂可能确实我讲得不清楚。大家可以去搜索相关更多文章,每个作者表达事情的方式都不一样,你可以看看你能更快更好地接收谁的说法。
以上内容如果有误,深表抱歉,也希望大家能及时指出,不吝赐教,谢谢。