正则表达式

正则表达式是一种查找以及字符串替换操作。正则表达式在文本编辑器中广泛使用，比如正则表达式被用于：

检查文本中是否含有指定的特征词

找出文中匹配特征词的位置

从文本中提取信息，比如：字符串的子串

修改文本

与文本编辑器相似，几乎所有的高级编程语言都支持正则表达式。在这样的语境下，“文本”也就是一个字符串，可以执行的操作都是类似的。一些编程语言（比如Perl，JavaScript）会检查正则表达式的语法。

正则表达式是什么？

正则表达式只是一个字符串。没有长度限制，但是，这样的正则表达式长度往往较短。如下所示是一些正则表达式的例子：

I had a \S+ day today

[A-Za-z0-9-_]{3,16}

\d\d\d\d-\d\d-\d\d

v(\d+)(.\d+)*

TotalMessages="(.*?)"

<[^<>]>

这些字符串实际上都是微型计算机程序。正则表达式的语法，实际上是一种轻量级、简洁、适用于特定领域的编程语言。记住这一点，那么你就很容易理解下面的事情：

每一个正则表达式，都可以分解为一个指令序列，比如“先找到这样的字符，再找到那样的字符，再从中找到一个字符。。。”

每一个正则表达式都有输入（文本）和输出（匹配规则的输出，有时是修改后的文本）

正则表达式有可能出现语法错误——不是所有的字符串都是正则表达式

正则表达式语法很有个性，也可以说很恐怖

有时可以通过编译，使得正则表达式执行更快

在实现中，正则表达式还有其他的特点。本文将重点讨论正则表达式的核心语法，在几乎所有的正则表达式中都可以见到这些规则。

特别提示：正则表达式与文件通配语法无关，比如 *.xml

正则表达式的基础语法

字符

正则表达式中包含了一系列的字符，这些字符只能匹配它们本身。有一些被称为“元字符”的特殊字符，可以匹配一些特殊规则。

如下所示的例子中，我用红色标出了元字符。

I had a \S+ day today

[A-Za-z0-9-_]{3,16}

\d\d\d\d-\d\d-\d\d

v(\d+)(.\d+)*

TotalMessages="(.*?)"

<[^<>]*>

大部分的字符，包括所有的字母和数字字符，是普通字符。也就意味着，它们只能匹配它们自己，如下所示的正则表达式：

cat

意味着，只能匹配一个字符串，以“c”开头，然后是字符“a”，紧跟着是字符“t”的字符串。

到目前为止，正则表达式的功能类似于

常规的Find功能

Java中的String.indexOf()函数

PHP中的strpos()函数

等等

注意：不做特殊说明，正则表达式中是区分大小写的。但是，几乎所有正则表达式的实现，都会提供一个Flag用来控制是否区分大小写。

点“.”

我们第一个要讲解的元字符是“.”。这个符号意味着可以匹配任意一个字符。如下所示的正则表达式：

c.t

意味着匹配“以c开头,之后是任意一个字符，紧跟着是字母t”的字符串。

在一段文本中，这样的正则表达式可以用来找出cat,cot,czt这样的字符串，甚至可以找出c.t这样的组合，但是不能找到ct或者是coot这样的字符串。

使用反斜杠“\”可以忽略元字符，使得元字符的功能与普通字符一样。所以，正则表达式

c.t

表示“找到字母c,然后是一个句号（“.”），紧跟着字母t”

反斜杠本身也是一个元字符，这意味着反斜杠本身也可以通过相似的方法变回到普通字符的用途。因此，正则表达式

c\t

表示匹配“以字符c开头,然后是一个反斜杠，紧跟着是字母t”的字符串。

注意！在正则表达式的实现中，.是不能用于匹配换行符的。”换行符“的表示方法在不同实现中也不同。实际编程时，请参考相关文档。在本文中，我认为.是可以匹配任意字符的。实现环境通常会提供一个Flag标志位，来控制这一点。

字符类

字符类是一组在方括号内的字符，表示可以匹配其中的任何一个字符。

正则表达式c[aeiou]t，表示可以匹配的字符串是”以c开头，接着是aeiou中的任何一个字符，最后以t结尾”。在文本的实际应用中，这样的正则表达式可以匹配：cat,cet,cit,cot,cut五种字符串。

正则表达式[0123456789]表示匹配任意一个整数。

正则表达式[a]表示匹配单字符a。

包含忽略字符的例子

a表示匹配字符串[a]

[[]\ab]表示匹配的字符为”[“或者”]”或者”a”,或者”b”

[\[]]表示匹配的字符为”\”或者 “[”或者”]”

在字符类中，字符的重复和出现顺序并不重要。[dabaaabcc]与[abc]是相同的

重要提示：字符类中和字符类外的规则有时不同，一些字符在字符类中是元字符，在字符类外是普通字符。一些字符正好相反。还有一些字符在字符类中和字符类外都是元字符，这要视情况而定！

比如，.表示匹配任意一个字符，而[.]表示匹配一个全角句号。这不是一回事！

字符类的范围

在字符集中，你可以通过使用短横线来表示匹配字母或数字的范围。

[b-f]与[b,c,d,e,f]相同，都是匹配一个字符”b”或”c”或”d”或”e”或”f”

[A-Z]与[ABCDEFGHIJKLMNOPQRSTUVWXYZ]相同，都是匹配任意一个大写字母。

[1-9]与[123456789]相同，都是匹配任意一个非零数字。