目录
- [1. 基础](#1. 基础)
-
- [1.1 正则表达式的模式](#1.1 正则表达式的模式)
- [1.2 正则表达式元字符和特性](#1.2 正则表达式元字符和特性)
- [2. 语法](#2. 语法)
-
- [2.1 普通字符](#2.1 普通字符)
- [2.2 非打印字符](#2.2 非打印字符)
- [2.3 特殊字符](#2.3 特殊字符)
- [2.4 限定符](#2.4 限定符)
- [2.5 定位符](#2.5 定位符)
- [2.6 选择](#2.6 选择)
- [2.7 反向引用](#2.7 反向引用)
- [3. 修饰符(标记)](#3. 修饰符(标记))
- [4. 元字符](#4. 元字符)
- [5. 运算符优先级](#5. 运算符优先级)
- [6. 匹配规则](#6. 匹配规则)
-
- [6.1 基本模式匹配](#6.1 基本模式匹配)
- [6.2 字符簇](#6.2 字符簇)
- [6.3 确定重复的出现](#6.3 确定重复的出现)
1. 基础
正则表达式(Regular Expression)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"),可以用来描述和匹配字符串的特定模式。
1.1 正则表达式的模式
- 字面值字符:例如字母、数字、空格等,可以直接匹配它们自身。
- 特殊字符:例如点号
.
、星号*
、加号+
、问号?
等,它们具有特殊的含义和功能。 - 字符类:用方括号
[ ]
包围的字符集合,用于匹配方括号内的任意一个字符。 - 元字符:例如
\d
、\w
、\s
等,用于匹配特定类型的字符,如数字、字母、空白字符等。 - 量词:例如
{n}
、{n,}
、{n,m}
等,用于指定匹配的次数或范围。 - 边界符号:例如
^
、$
、\b
、\B
等,用于匹配字符串的开头、结尾或单词边界位置。
1.2 正则表达式元字符和特性
- 字符匹配
- 普通字符:普通字符按照字面意义进行匹配,例如匹配字母 "a" 将匹配到文本中的 "a" 字符。
- 元字符:元字符具有特殊的含义,例如
\d
匹配任意数字字符,\w
匹配任意字母数字字符,.
匹配任意字符(除了换行符)等。
- 量词
*
:匹配前面的模式零次或多次。+
:匹配前面的模式一次或多次。?
:匹配前面的模式零次或一次。{n}
:匹配前面的模式恰好 n 次。{n,}
:匹配前面的模式至少 n 次。{n,m}
:匹配前面的模式至少 n 次且不超过 m 次。
- 字符类
[ ]
:匹配括号内的任意一个字符。例如,[abc]
匹配字符 "a"、"b" 或 "c"。[^ ]
:匹配除了括号内的字符以外的任意一个字符。例如,[^abc]
匹配除了字符 "a"、"b" 或 "c" 以外的任意字符。
- 边界匹配
^
:匹配字符串的开头。$
:匹配字符串的结尾。\b
:匹配单词边界。\B
:匹配非单词边界。
- 分组和捕获
( )
:用于分组和捕获子表达式。(?: )
:用于分组但不捕获子表达式。
- 特殊字符
\
:转义字符,用于匹配特殊字符本身。.
:匹配任意字符(除了换行符)。|
:用于指定多个模式的选择。
2. 语法
2.1 普通字符
包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。
[ABC]
:匹配 [...] 中的所有字符。[^ABC]
:匹配除了 [...] 中的所有字符。[A-Z]
:表示一个区间,匹配所有大写字母。[a-z]
:表示一个区间,匹配所有小写字母。.
:匹配除换行符(\n、\r)之外的任何单个字符,相等于 [^\n\r]。[\s\S]
:匹配所有。\s 是匹配所有空白符,包括换行,\S 非空白符,不包括换行。\s 是匹配所有空白符,包括换行,\S 非空白符,不包括换行。\w
:匹配字母、数字、下划线。等价于 [A-Za-z0-9_] 。\d
:匹配任意一个阿拉伯数字(0 到 9)。等价于 [0-9]。
2.2 非打印字符
非打印字符的转义序列:
\cx
:匹配由x指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 'c' 字符。\f
:匹配一个换页符。等价于 \x0c 和 \cL。\n
:匹配一个换行符。等价于 \x0a 和 \cJ。\r
:匹配一个回车符。等价于 \x0d 和 \cM。\s
:匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。注意 Unicode 正则表达式会匹配全角空格符。\S
:匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。\t
:匹配一个制表符。等价于 \x09 和 \cI。\v
:匹配一个垂直制表符。等价于 \x0b 和 \cK。
2.3 特殊字符
所谓特殊字符,就是一些有特殊含义的字符,比如 * 。
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。
下面列出正则表达式中的特殊字符:
$
:匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性,则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身,请使用\$
。( )
:标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符,请使用\(
和\)
。*
:匹配前面的子表达式零次或多次。要匹配*
字符,请使用\*
。+
:匹配前面的子表达式一次或多次。要匹配+
字符,请使用\+
。.
:匹配除换行符 \n 之外的任何单字符。要匹配.
,请使用\.
。[
:标记一个中括号表达式的开始。要匹配[
,请使用\[
。?
:匹配前面的子表达式零次或一次,或指明一个非贪婪限定符。要匹配 ? 字符,请使用\?
。\
:将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如, 'n' 匹配字符 'n'。'\n' 匹配换行符。序列 '\' 匹配 "",而 '(' 则匹配 "("。^
:匹配输入字符串的开始位置,除非在方括号表达式中使用,当该符号在方括号表达式中使用时,表示不接受该方括号表达式中的字符集合。要匹配 ^ 字符本身,请使用\^
。{
:标记限定符表达式的开始。要匹配 {,请使用\{
。|
:指明两项之间的一个选择。要匹配 |,请使用\|
。
2.4 限定符
限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。
下面列出正则表达式的限定符:
*
:匹配前面的子表达式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"。* 等价于 {0,}。+
:匹配前面的子表达式一次或多次。例如,zo+ 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等价于 {1,}。?
:匹配前面的子表达式零次或一次。例如,do(es)? 可以匹配 "do" 、 "does"、 "doxy" 中的 "do" 和 "does"。? 等价于 {0,1}。{n}
:n 是一个非负整数。匹配确定的 n 次。例如,o{2} 不能匹配 "Bob" 中的 o,但是能匹配 "food" 中的两个 o。{n,}
:n 是一个非负整数。至少匹配n 次。例如,o{2,} 不能匹配 "Bob" 中的 o,但能匹配 "foooood" 中的所有 o。o{1,} 等价于 o+。o{0,} 则等价于 o*。{n,m}
:m 和 n 均为非负整数,其中 n <= m。最少匹配 n 次且最多匹配 m 次。例如,o{1,3} 将匹配 "fooooood" 中的前三个 o。o{0,1} 等价于 o?。请注意在逗号和两个数之间不能有空格。
限定符出现在范围表达式之后。因此,它应用于整个范围表达式。
- 和 + 限定符都是贪婪的,因为它们会尽可能多的匹配文字,只有在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配。
通过在 *
、+
或 ?
限定符之后放置 ?
,该表达式从"贪婪"表达式转换为"非贪婪"表达式或者最小匹配。
2.5 定位符
定位符使您能够将正则表达式固定到行首或行尾。还可以出现在一个单词内、在一个单词的开头或者一个单词的结尾。
定位符用来描述字符串或单词的边界,^ 和 $ 分别指字符串的开始与结束,\b 描述单词的前或后边界,\B 表示非单词边界。
下面列出正则表达式的定位符:
^
: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 \n 或 \r 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 \n 或 \r 之前的位置匹配。\b
:匹配一个单词边界,即字与空格间的位置。\B
:非单词边界匹配。
不能将限定符与定位符一起使用。由于在紧靠换行或者单词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。
2.6 选择
用圆括号 **()**
将所有选择项括起来,相邻的选择项之间用 **|**
分隔。
()**
表示捕获分组, ()**
会把每个分组里的匹配的值保存起来, 多个匹配值可以通过数字 n 来查看(n 是一个数字,表示第 n 个捕获组的内容,n从0开始)。
但用圆括号会有一个副作用,使相关的匹配会被缓存,此时可用 **?:**
放在第一个选项前来消除这种副作用。
其中 **?:**
是非捕获元之一,还有两个非捕获元是**?=
**和 ?!
,这两个还有更多的含义,前者为正向预查,在任何开始匹配圆括号内的正则表达式模式的位置来匹配搜索字符串,后者为负向预查,在任何开始不匹配该正则表达式模式的位置来匹配搜索字符串。
以下列出 ?=、?<=、?!、?<! 的使用区别:
?=
:exp1(?=exp2):查找 exp2 前面的 exp1。?<=
:(?<=exp2)exp1:查找 exp2 后面的 exp1。?!
:exp1(?!exp2):查找后面不是 exp2 的 exp1。?<!
:(?<!exp2)exp1:查找前面不是 exp2 的 exp1。
2.7 反向引用
对一个正则表达式模式或部分模式两边添加圆括号将导致相关匹配存储到一个临时缓冲区中,所捕获的每个子匹配都按照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。每个缓冲区都可以使用 **\n**
访问,其中 n 为一个标识特定缓冲区的一位或两位十进制数。
可以使用非捕获元字符 ?: 、?= 或 ?! 来重写捕获,忽略对相关匹配的保存。
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。
3. 修饰符(标记)
标记也称为修饰符,正则表达式的标记用于指定额外的匹配策略。
标记不写在正则表达式里,标记位于表达式之外,格式如下:
jsx
/pattern/flags
其中:pattern是字符串,flags是标记。
常用的正则表达式的修饰符:
i
:ignore,搜索时不区分大小写。即 A 和 a 没有区别。g
:global,全局匹配。即查找所有的匹配项。m
:multi line,多行匹配。使边界字符**^**
和**$**
匹配每一行的开头和结尾,记住是多行,而不是整个字符串的开头和结尾。s
:特殊字符圆点.
中包含换行符\n
。默认情况下的圆点**.**
是匹配除换行符**\n**
之外的任何字符,加上**s**
修饰符之后, . 中包含换行符\n
。
4. 元字符
以下列出元字符的完整列表已经他们在正则表达式上下文中的行为:
\
:将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如,'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\' 匹配 "" 而 "(" 则匹配 "("。^
:匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性,^ 也匹配 '\n' 或 '\r' 之后的位置。$
:匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性,$ 也匹配 '\n' 或 '\r' 之前的位置。*
:匹配前面的子表达式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。+
:匹配前面的子表达式一次或多次。例如,'zo+' 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等价于 {1,}。?
:匹配前面的子表达式零次或一次。例如,"do(es)?" 可以匹配 "do" 或 "does" 。? 等价于 {0,1}。{n}
:n 是一个非负整数。匹配确定的 n 次。例如,'o{2}' 不能匹配 "Bob" 中的 'o',但是能匹配 "food" 中的两个 o。{n,}
:n 是一个非负整数。至少匹配n 次。例如,'o{2,}' 不能匹配 "Bob" 中的 'o',但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。{n,m}
:m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。?
:当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串 "oooo",'o+?' 将匹配单个 "o",而 'o+' 将匹配所有 'o'。.
:匹配除换行符(\n、\r)之外的任何单个字符。要匹配包括 '\n' 在内的任何字符,请使用像"(.|\n)"的模式。(pattern)
:匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到,在VBScript 中使用 SubMatches 集合,在JScript 中则使用 $0...$9 属性。要匹配圆括号字符,请使用 '(' 或 ')'。(?: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。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如, 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。(?=pattern)
:正向肯定预查(look ahead positive assert),在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,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"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。(?!pattern)
:正向否定预查(negative assert),在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows",但不能匹配"Windows2000"中的"Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。(?<=pattern)
:反向(look behind)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)
:反向否定预查,与正向否定预查类似,只是方向相反。例如"(?<!95|98|NT|2000)Windows
"能匹配"3.1Windows
"中的"Windows
",但不能匹配"2000Windows
"中的"Windows
"。x|y
:匹配 x 或 y。例如,'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。[xyz]
:字符集合。匹配所包含的任意一个字符。例如, '[abc]' 可以匹配 "plain" 中的 'a'。[^xyz]
:负值字符集合。匹配未包含的任意字符。例如, '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'。[a-z]
:字符范围。匹配指定范围内的任意字符。例如,'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。[^a-z]
:负值字符范围。匹配任何不在指定范围内的任意字符。例如,'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。\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'。\cx
:匹配由 x 指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 'c' 字符。\d
:匹配一个数字字符。等价于 [0-9]。\D
:匹配一个非数字字符。等价于 [^0-9]。\f
:匹配一个换页符。等价于 \x0c 和 \cL。\n
:匹配一个换行符。等价于 \x0a 和 \cJ。\r
:匹配一个回车符。等价于 \x0d 和 \cM。\s
:匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。\S
:匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。\t
:匹配一个制表符。等价于 \x09 和 \cI。\v
:匹配一个垂直制表符。等价于 \x0b 和 \cK。\w
:匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。\W
:匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。\xn
:匹配 n,其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。\num
:匹配 num,其中 num 是一个正整数。对所获取的匹配的引用。例如,'(.)\1' 匹配两个连续的相同字符。\n
:标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式,则 n 为向后引用。否则,如果 n 为八进制数字 (0-7),则 n 为一个八进制转义值。\nm
:标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式,则 nm 为向后引用。如果 \nm 之前至少有 n 个获取,则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足,若 n 和 m 均为八进制数字 (0-7),则 \nm 将匹配八进制转义值 nm。\nml
:如果 n 为八进制数字 (0-3),且 m 和 l 均为八进制数字 (0-7),则匹配八进制转义值 nml。\un
:匹配 n,其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如, \u00A9 匹配版权符号 (?)。
5. 运算符优先级
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。
相同优先级的从左到右进行运算,不同优先级的运算先高后低。
下面列出各种正则表达式运算符从最高到最低的优先级顺序:
\
:转义字符。(), (?:), (?=), []
:圆括号和方括号。*, +, ?, {n}, {n,}, {n,m}
:限定符。^, $, \任何元字符、任何字符
:定位点和序列(即:位置和顺序)|
:替换,"或"操作。字符具有高于替换运算符的优先级,使得"m|food"匹配"m"或"food"。若要匹配"mood"或"food",请使用括号创建子表达式,从而产生"(m|f)ood"。
6. 匹配规则
6.1 基本模式匹配
模式,是正则表达式最基本的元素,它们是一组描述字符串特征的字符。模式可以很简单,由普通的字符串组成,也可以非常复杂,往往用特殊的字符表示一个范围内的字符、重复出现,或表示上下文。
^once
:这个模式包含一个特殊的字符**^**
,表示该模式只匹配那些以 once 开头的字符串。bucket$
:$
符号用来匹配那些以给定模式结尾的字符串。^bucket$
:字符 ^ 和 $ 同时使用时,表示精确匹配(字符串与模式一样)。\
:其他一些稍微复杂的字符,如标点符号和白字符(空格、制表符等),要用到转义序列。所有的转义序列都用反斜杠**\**
打头。制表符的转义序列是**\t**
。类似的,用\n
表示"新行",\r
表示回车。其他的特殊符号,可以用在前面加上反斜杠,如反斜杠本身用**\\**
表示,句号**.**
用**\.**
表示,以此类推。
6.2 字符簇
方括号 []
用来建立一个字符簇。
例如[AaEeIiOoUu]
:这个模式与任何元音字符匹配,但只能表示一个字符。
用连字号可以表示一个字符的范围,如:
- [a-z]:匹配所有的小写字母
- [A-Z]:匹配所有的大写字母
- [a-zA-Z]:匹配所有的字母
- [0-9]:匹配所有的数字
- [0-9.-]:匹配所有的数字,句号和减号
- [ \f\r\t\n]:匹配所有的白字符
同样的,这些也只表示一个字符。
^表示字符串的开头,但它还有另外一个含义。当在一组方括号里使用 ^ 时,它表示 "非" 或 "排除" 的意思,常常用来剔除某个字符,如:
- [^a-z]:除了小写字母以外的所有字符
- [^\/^]:除了()(/)(^)之外的所有字符
- [^"']:除了双引号(")和单引号(')之外的所有字符
特殊字符 **.**(点,句号)
在正则表达式中用来表示除了"新行"之外的所有字符。
PHP的正则表达式有一些内置的通用字符簇:
- [[:alpha:]]:任何字母
- [[:digit:]]:任何数字
- [[:alnum:]]:任何字母和数字
- [[:space:]]:任何空白字符
- [[:upper:]]:任何大写字母
- [[:lower:]]:任何小写字母
- [[:punct:]]:任何标点符号
- [[:xdigit:]]:任何16进制数字,相当于[0-9a-fA-F]
6.3 确定重复的出现
跟在字符或字符簇后面的花括号 {}
用来确定前面的内容的重复出现的次数。
- {x}:只有一个数字,意思是前面的字符或者字符簇只出现x次。
- {x,}:一个数字加逗号,意思是前面的内容出现x次或者更多次。
- {x,y}:两个数字用逗号分隔,意思是前面的内容至少出现x次,但是不超过y次。
特殊字符 ? 与 {0,1} 是相等的,它们都代表着: 0个或1个前面的内容 或 前面的内容是可选的 。
特殊字符 * 与 {0,} 是相等的,它们都代表着 0 个或多个前面的内容 。
字符 + 与 {1,} 是相等的,表示 1 个或多个前面的内容。