测试人学习正则表达式

字符集和单词

“.”用于匹配出换行符之外的任何一个字符。以下正则表达式可以匹配诸如Tomandy,~omandy,$omandy等字符串。

.omandy

“[]”用于指定一个字符集，无论“[]”中有多少内容，在使用时只匹配一个字符。

[a-zA-Z]   #匹配所有的字母
[a-z]      #匹配所有的小写字母
[abc]      #匹配a或b或c
[0-9]      #匹配0-9之间的数字

“单词”指两侧由非单词字符分割的字符串。“非单词字符”指字母、数字、下划线以外的任何字符。匹配一个单词可以使用“\< \>”，举例如下：

单词.png

位置及字符匹配

“^”、“$”分别用于匹配行首和行尾，以下表达式用于匹配t开头，m结尾，t和m之间包含一个小写字母的行。

^t[a-z]m$

\w 匹配字母或数字或下划线或汉字 等价于 '[A-Za-z0-9]'。
\d 匹配数字。
\b 匹配单词的开始或结束。

tom(\w)?.dat  #可匹配到tom.dat,toma.dat,tom1.dat等。

字符类

POSIX风格的正则表达式提供了预定义的字符类用于匹配某些特定的字符，以下正则表达式列出所有以小写字母开头，m结束的行。[[:lower:]]等同于[a-z]。

$egrep "^[[:lower:]]m$" words  

常用的字符类如下所示。

字符类	描述
[[:alnum:]]	文字、数字字符
[[:alpha:]]	字母字符
[[:lower:]]	小写字母
[[:upper:]]	大写字母
[[:digit:]]	小数
[[:xdigit:]]	十六进制数字
[[:punct:]]	标点符号
[[:blank:]]	制表符和空格
[[:space:]]	空格
[[:cntrl:]]	所有控制符
[[:print:]]	所有可打印字符
[[:graph:]]	除空格外的所有可打印字符

转义字符

“\”用来表示转义字符，比如“.”在正则表达式中用于匹配换行符之外的任何一个字符，可以使用“\.”来匹配“.”。

元字符

元字符	描述
*	重复0次或更多次
+	重复1次或更多次
?	重复0次或1次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复不少于n次，不多余m次
(?: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。
(?=pattern)	正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。该匹配不需要获取供以后使用。例如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。
(?!pattern)	跟(?=pattern)相反，可以匹配到"Windows3.1"中的"Windows"。
(?<=pattern)	反向肯定预查，与正向肯定预查类似，只是方向相反。例如，"(?<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的"Windows"。
(?<!pattern)	与(?<=pattern)相反。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如'er\b'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。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。

举例说明： 例子中#用于表示注释

^t.*m$     #“.”匹配换行符外的所有字符，".*"表示匹配的字符重复0次或多次，可匹配tm,tom,tadrm等。
^t.+m$     #“.”匹配换行符外的所有字符，".*"表示匹配的字符重复1次或多次，可匹配tom,tadrm等，注意不能匹配tm。
^t.?m$     #“.”匹配换行符外的所有字符，".*"表示匹配的字符重复0次或1次，可匹配tm,tom,tam等。
^t.{2}m$   #“.”匹配换行符外的所有字符，".{2}"表示匹配的字符重复2次，可匹配toom,toam,tabm等。
^t.{2,}m$  #“.”匹配换行符外的所有字符，".*"表示匹配的字符重复2次或更多，可匹配tadm,toljsldjfm等。
^t.{2,4}m$ #“.”匹配换行符外的所有字符，".*"表示匹配的字符重复不少于2次，不多余4次，可匹配toam,taadm,t1234m等。

在 *、+ 或 ? 限定符之后放置?，该表达式从"贪心"表达式转换为"非贪心"表达式或者最小匹配。以下例子所示：
文本： <H1>tomamdy 你是谁</H1>

<.*>   #匹配到  “<H1>tomamdy  你是谁</H1> ”
<.*？> #匹配到  “<H1>” 和 “</H1> ”
<\w+?> #匹配到  “<H1>”

子表达式

子表达式也称为分组，看以下例子即可明白。

(tm){2,} #表示匹配tm重复2次或更多次的行。
tm{2,}   #表示匹配m重复2次或更多次的行。

反义

"^"可用于表示行首和反义，表示反义用法的例子如下：

[^t]      #表示除t以外的任何字符。
[^abcde]  #表示除abcde以外的任何字符。
^[^t]     #表示匹配所有不以t开头的行。

与 或操作

正则表达式对用户提交的信息简单地做“与”的操作，可以用“|”表示“或”操作。

^tm$   #所有以t开头且以m结尾的行，只能匹配tm。
^t|m$  #所有以t开头或以m结尾的行，可以匹配twerd,adfdfm,tousdwerm等。

子表达式引用

在子表达式中捕获的内容可以在正则表达式的其他地方再次使用。可使用“\”加上编号1,2,3等来指定该子表达式匹配到的内容，如以下示例：

(\<.*\>).?( )*\1

(\<.*\>)表示匹配任意长度的单词。第1个子表达式。
.?表示匹配0个或1个标点符号"."，此处注意"."前面匹配的是单词，因此此处只能匹配标点符号。
( )*表示匹配0个或多个空格。第2个子表达式。
由此分析，我们不难发现上述例子，返回的其实是第1个子表达式匹配到的内容。

非打印字符

字符	描述
\f	匹配一个换页符
\n	匹配一个换行符
\r	匹配一个回车符
\s	匹配任何空白字符，空格、制表符、换页符等
\S	匹配任何非空白字符
\t	匹配一个制表符
\v	匹配一个垂直制表符

运算符优先级顺序

运算符	描述
\	转义符
(), (?:), (?=), []	括号
*, +, ?, {n}, {n,}, {n,m}	限定符
^, $, \任何元字符,任何字符	定位符等
|	或

表格从上往下标注了运算符的优先级从高到低。