正則表達式使用詳解(一)

  如果我們問那些UNIX系統的愛好者他們最喜歡什麼,答案除瞭穩定的系統和可以遠程啟動之外,十有八九的人會提到正則表達式;如果我們再問他們最頭痛的是什麼,可能除瞭復雜的進程控制和安裝過程之外,還會是正則表達式。那麼正則表達式到底是什麼?如何才能真正的掌握正則表達式並正確的加以靈活運用?本文將就此展開介紹,希望能夠對那些渴望瞭解和掌握正則表達式的讀者有所助益。

入門簡介

  簡單的說,正則表達式是一種可以用於模式匹配和替換的強有力的工具。我們可以在幾乎所有的基於UNIX系統的工具中找到正則表達式的身影,例如,vi編輯器,Perl或PHP腳本語言,以及awk或sed shell程序等。此外,象JavaScript/” target=”_blank”>JavaScript這種客戶端的腳本語言也提供瞭對正則表達式的支持。由此可見,正則表達式已經超出瞭某種語言或某個系統的局限,成為人們廣為接受的概念和功能。

  正則表達式可以讓用戶通過使用一系列的特殊字符構建匹配模式,然後把匹配模式與數據文件、程序輸入以及WEB頁面的表單輸入等目標對象進行比較,根據比較對象中是否包含匹配模式,執行相應的程序。

  舉例來說,正則表達式的一個最為普遍的應用就是用於驗證用戶在線輸入的郵件地址的格式是否正確。如果通過正則表達式驗證用戶郵件地址的格式正確,用戶所填寫的表單信息將會被正常處理;反之,如果用戶輸入的郵件地址與正則表達的模式不匹配,將會彈出提示信息,要求用戶重新輸入正確的郵件地址。由此可見正則表達式在WEB應用的邏輯判斷中具有舉足輕重的作用。

基本語法

  在對正則表達式的功能和作用有瞭初步的瞭解之後,我們就來具體看一下正則表達式的語法格式。

  正則表達式的形式一般如下:

  /love/

  其中位於“/”定界符之間的部分就是將要在目標對象中進行匹配的模式。用戶隻要把希望查找匹配對象的模式內容放入“/”定界符之間即可。為瞭能夠使用戶更加靈活的定制模式內容,正則表達式提供瞭專門的“元字符”。所謂元字符就是指那些在正則表達式中具有特殊意義的專用字符,可以用來規定其前導字符(即位於元字符前面的字符)在目標對象中的出現模式。

  較為常用的元字符包括: “+”, “*”,以及 “?”。其中,“+”元字符規定其前導字符必須在目標對象? 續出現一次或多次,“*”元字符規定其前導字符必須在目標對象中出現零次或連續多次,而“?”元字符規定其前導對象必須在目標對象中連續出現零次或一次。

  下面,就讓我們來看一下正則表達式元字符的具體應用。

  /fo+/

  因為上述正則表達式中包含“+”元字符,表示可以與目標對象中的 “fool”, “fo”, 或者 “football”等在字母f後面連續出現一個或多個字母o的字符串相匹配。

  /eg*/

  因為上述正則表達式中包含“*”元字符,表示可以與目標對象中的 “easy”, “ego”, 或者 “egg”等在字母e後面連續出現零個或多個字母g的字符串相匹配。

  /Wil?/

  因為上述正則表達式中包含“?”元字符,表示可以與目標對象中的 “Win”, 或者 “Wilson”,等在字母i後面連續出現零個或一個字母l的字符串相匹配。

  除瞭元字符之外,用戶還可以精確指定模式在匹配對象中出現的頻率。例如,

  /jim{2,6}/

  上述正則表達式規定字符m可以在匹配對象中連續出現2-6次,因此,上述正則表達式可以同jimmy或jimmmmmy等字符串相匹配。

  在對如何使用正則表達式有瞭初步瞭解之後,我們來看一下其它幾個重要的元字符的使用方式。

  s:用於匹配單個空格符,包括tab鍵和換行符;

  S:用於匹配除單個空格符之外的所有字符;

  d:用於匹配從0到9的數字;

  w:用於匹配字母,數字或下劃線字符;

  W:用於匹配所有與w不匹配的字符;

  . :用於匹配除換行符之外的所有字符。

  (說明:我們可以把s和S以及w和W看作互為逆運算)

  下面,我們就通過實例看一下如何在正則表達式中使用上述元字符。

  /s+/

  上述正則表達式可以用於匹配目標對象中的一個或多個空格字符。

  /d000/

  如果我們手中有一份復雜的財務報表,那麼我們可以通過上述正則表達式輕而易舉的查找到所有總額達千元的款項。

  除瞭我們以上所介紹的元字符之外,正則表達式中還具有另外一種較為獨特的專用字符,即定位符。定位符用於規定匹配模式在目標對象中的出現位置。

  較為常用的定位符包括: “^”, “$”, “” 以及 “B”。其中?癪”定位符規定匹配模式必須出現在目標字符串的開頭,“$”定位符規定匹配模式必須出現在目標對象的結尾,定位符規定匹配模式必須出現在目標字符串的開頭或結尾的兩個邊界之一,而“B”定位符則規定匹配對象必須位於目標字符串的開頭和結尾兩個邊界之內,即匹配對象既不能作為目標字符串的開頭,也不能作為目標字符串的結尾。同樣,我們也可以把“^”和“$”以及“”和“B”看作是互為逆運算的兩組定位符。舉例來說:

  /^hell/

  因為上述正則表達式中包含“^”定位符,所以可以與目標對象中以 “hell”, “hello”或 “hellhound”開頭的字符串相匹配。

  /ar$/

  因為上述正則表達式中包含“$”定位符,所以可以與目標對象中以 “car”, “bar”或 “ar” 結尾的字符串相匹配。

  /bom/

  因為上述正則表達式模式以“”定位符開頭,所以可以與目標對象中以 “bomb”, 或 “bom”開頭的字符串相匹配。

  /man/

  因為上述正則表達式模式以“”定位符結尾,所以可以與目標對象中以 “human”, “woman”或 “man”結尾的字符串相匹配。

  為瞭能夠方便用戶更加靈活的設定匹配模式,正則表達式允許使用者在匹配模式中指定某一個范圍而不局限於具體的字符。例如:

  /[A-Z]/

  上述正則表達式將會與從A到Z范圍內任何一個大寫字母相匹配。

  /[a-z]/

  上述正則表達式將會與從a到z范圍內任何一個小寫字母相匹配。

  /[0-9]/

  上述正則表達式將會與從0到9范圍內任何一個數字相匹配。

  /([a-z][A-Z][0-9])+/

  上述正則表達式將會與任何由字母和數字組成的字符串,如 “aB0” 等相匹配。這裡需要提醒用戶註意的一點就是可以在正則表達式中使用 “()” 把字符串組合在一起。“()”符號包含的內容必須同時出現在目標對象中。因此,上述正則表達式將無法與諸如 “abc”等的字符串匹配,因為“abc”中的最後一個字符為字母而非數字。

  如果我們希望在正則表達式中實現類似編程邏輯中的“或”運算,在多個不同的模式中任選一個進行匹配的話,可以使用管道符 “|”。例如:

  /to|too|2/

  上述正則表達式將會與目標對象中的 “to”, “too”, 或 “2” 相匹配。

  正則表達式中還有一個較為常用的運算符,即否定符 “[^]”。與我們前文所介紹的定位符 “^” 不同,否定符 “[^]”規定目標對象中不能存在模式中所規定的字符串。例如:

  /[^A-C]/

  上述字符串將會與目標對象中除A,B,和C之外的任何字符相匹配。一般來說,當“^”出現在 “[]”內時就被視做否定運算符;而當“^”位於“[]”之外,或沒有“[]”時,則應當被視做定位符。

  最後,當用戶需要在正則表達式的模式中加入元字符,並查找其匹配對象時,可以使用轉義符“”。例如:

  /Th*/

  上述正則表達式將會與目標對象中的“Th*”而非“The”等相匹配。

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *