2009年3月10日 星期二

Regular Expression 基礎知識

一個規則運算式就是由普通字元(例如字元 a z)以及特殊字元(稱為元字元)組成的文字模式。該模式描述在查找文字主體時待匹配的一個或多個字串。規則運算式作為一個範本,將某個字元模式與所搜索的字串進行匹配。如:

JScript

VBScript

匹配

/^\[ \t]*$/

"^\[ \t]*$"

匹配一個空白行。

/\d{2}-\d{5}/

"\d{2}-\d{5}"

驗證一個ID 號碼是否由一個2位元數字,一個連字號以及一個5位元數字組成。

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

"<(.*)>.*<\/\1>"

匹配一個 HTML 標記。


下表是元字元及其在規則運算式上下文中的行為的一個完整列表:

字元

描述

\

將下一個字元標記為一個特殊字元、或一個原義字元、或一個 向後引用、或一個八進制轉義符。例如,'n' 匹配字元 "n"'\n' 匹配一個分行符號。序列 '\\' 匹配 "\" "\(" 則匹配 "("

^

匹配輸入字串的開始位置。如果設置了 RegExp 物件的 Multiline 屬性,^ 也匹配 '\n' '\r' 之後的位置。

$

匹配輸入字串的結束位置。如果設置了RegExp 物件的 Multiline 屬性,$ 也匹配 '\n' '\r' 之前的位置。

*

匹配前面的子運算式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"* 等價於{0,}

+

匹配前面的子運算式一次或多次。例如,'zo+' 能匹配 "zo" 以及 "zoo",但不能匹配 "z"+ 等價於 {1,}

?

匹配前面的子運算式零次或一次。例如,"do(es)?" 可以匹配 "do" "does" 中的"do" ? 等價於 {0,1}

{n}

n 是一個非負整數。匹配確定的 n 次。例如,'o{2}' 不能匹配 "Bob" 中的 'o',但是能匹配 "food" 中的兩個 o

{n,}

n 是一個非負整數。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,}' 等價於 'o+''o{0,}' 則等價於 'o*'

{n,m}

m n 均為非負整數,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,"o{1,3}" 將匹配 "fooooood" 中的前三個 o'o{0,1}' 等價於 'o?'。請注意在逗號和兩個數之間不能有空格。

?

當該字元緊跟在任何一個其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 後面時,匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字串,而預設的貪婪模式則盡可能多的匹配所搜索的字串。例如,對於字串 "oooo"'o+?' 將匹配單個 "o",而 'o+' 將匹配所有 'o'

.

匹配除 "\n" 之外的任何單個字元。要匹配包括 '\n' 在內的任何字元,請使用象 '[.\n]' 的模式。

(pattern)

匹配 pattern 並獲取這一匹配。所獲取的匹配可以從產生的 Matches 集合得到,在VBScript 中使用 SubMatches 集合,在JScript 中則使用 $0$9 屬性。要匹配圓括號字元,請使用 '\(' '\)'

(?:pattern)

匹配 pattern 但不獲取匹配結果,也就是說這是一個非獲取匹配,不進行存儲供以後使用。這在使用 "" 字元 (|) 來組合一個模式的各個部分是很有用。例如, 'industr(?:y|ies) 就是一個比 'industry|industries' 更簡略的運算式。

(?=pattern)

正向預查,在任何匹配 pattern 的字串開始處匹配查找字串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如,'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ,但不能匹配 "Windows 3.1" 中的 "Windows"。預查不消耗字元,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜索,而不是從包含預查的字元之後開始。

(?!pattern)

負向預查,在任何不匹配 pattern 的字串開始處匹配查找字串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows",但不能匹配 "Windows 2000" 中的 "Windows"。預查不消耗字元,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜索,而不是從包含預查的字元之後開始

x|y

匹配 x y。例如,'z|food' 能匹配 "z" "food"'(z|f)ood' 則匹配 "zood" "food"

[xyz]

字元集合。匹配所包含的任意一個字元。例如, '[abc]' 可以匹配 "plain" 中的 'a'

[^xyz]

負值字元集合。匹配未包含的任意字元。例如, '[^abc]' 可以匹配 "plain" 中的'p'

[a-z]

字元範圍。匹配指定範圍內的任意字元。例如,'[a-z]' 可以匹配 'a' 'z' 範圍內的任意小寫字母字元。

[^a-z]

負值字元範圍。匹配任何不在指定範圍內的任意字元。例如,'[^a-z]' 可以匹配任何不在 'a' 'z' 範圍內的任意字元。

\b

匹配一個單詞邊界,也就是指單詞和空格間的位置。例如, 'er\b' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'

\B

匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er',但不能匹配 "never" 中的 'er'

\cx

匹配由 x 指明的控制字元。例如, \cM 匹配一個 Control-M 或回車符。x 的值必須為 A-Z a-z 之一。否則,將 c 視為一個原義的 'c' 字元。

\d

匹配一個數位字元。等價於 [0-9]

\D

匹配一個非數位字元。等價於 [^0-9]

\f

匹配一個換頁符。等價於 \x0c \cL

\n

匹配一個分行符號。等價於 \x0a \cJ

\r

匹配一個回車符。等價於 \x0d \cM

\s

匹配任何空白字元,包括空格、定位字元、換頁符等等。等價於 [ \f\n\r\t\v]

\S

匹配任何非空白字元。等價於 [^ \f\n\r\t\v]

\t

匹配一個定位字元。等價於 \x09 \cI

\v

匹配一個垂直定位字元。等價於 \x0b \cK

\w

匹配包括底線的任何單詞字元。等價於'[A-Za-z0-9_]'

\W

匹配任何非單詞字元。等價於 '[^A-Za-z0-9_]'

\xn

匹配 n,其中 n 為十六進位轉義值。十六進位轉義值必須為確定的兩個數位長。例如,'\x41' 匹配 "A"'\x041' 則等價於 '\x04' & "1"。規則運算式中可以使用 ASCII 編碼。.

\num

匹配 num,其中 num 是一個正整數。對所獲取的匹配的引用。例如,'(.)\1' 匹配兩個連續的相同字元。

\n

標識一個八進制轉義值或一個向後引用。如果 \n 之前至少 n 個獲取的子運算式,則 n 為向後引用。否則,如果 n 為八進位數字 (0-7),則 n 為一個八進制轉義值。

\nm

標識一個八進制轉義值或一個向後引用。如果 \nm 之前至少有 nm 個獲得子運算式,則 nm 為向後引用。如果 \nm 之前至少有 n 個獲取,則 n 為一個後跟文字 m 的向後引用。如果前面的條件都不滿足,若 n m 均為八進位數字 (0-7),則 \nm 將匹配八進制轉義值 nm

\nml

如果 n 為八進位數字 (0-3),且 m l 均為八進位數字 (0-7),則匹配八進制轉義值 nml

\un

匹配 n,其中 n 是一個用四個十六進位數位表示的 Unicode 字元。例如, \u00A9 匹配版權符號 (©)


下面看幾個例子:
"^The"
:表示所有以"The"開始的字串("There""The cat"等);
"of despair$"
:表示所以以"of despair"結尾的字串;
"^abc$"
:表示開始和結尾都是"abc"的字串——呵呵,只有"abc"自己了;
"notice"
:表示任何包含"notice"的字串。

'*'
'+''?'這三個符號,表示一個或一序列字元重複出現的次數。它們分別表示沒有或
更多一次或更多還有沒有或一次。下面是幾個例子:

"ab*":表示一個字串有一個a後面跟著零個或若干個b。("a", "ab", "abbb",……);
"ab+"
:表示一個字串有一個a後面跟著至少一個b或者更多;
"ab?"
:表示一個字串有一個a後面跟著零個或者一個b
"a?b+$"
:表示在字串的末尾有零個或一個a跟著一個或幾個b

也可以使用範圍,用大括弧括起,用以表示重複次數的範圍。

"ab{2}":表示一個字串有一個a跟著2b"abb");
"ab{2,}"
:表示一個字串有一個a跟著至少2b
"ab{3,5}"
:表示一個字串有一個a跟著35b

請注意,你必須指定範圍的下限(如:"{0,2}"而不是"{,2}")。還有,你可能注意到了,'*''+'
'?'
相當於"{0,}""{1,}""{0,1}"
還有一個'¦',表示操作:

"hi¦hello":表示一個字串裡有"hi"或者"hello"
"(b¦cd)ef"
:表示"bef""cdef"
"(a¦b)*c"
:表示一串"a""b"混合的字串後面跟一個"c"

'.'可以替代任何字元:

"a.[0-9]":表示一個字串有一個"a"後面跟著一個任意字元和一個數位;
"^.{3}$"
:表示有任意三個字元的字串(長度為3個字元);

方括號表示某些字元允許在一個字串中的某一特定位置出現:

"[ab]":表示一個字串有一個"a""b"(相當於"a¦b");
"[a-d]"
:表示一個字串包含小寫的'a''d'中的一個(相當於"a¦b¦c¦d"或者"[abcd]");
"^[a-zA-Z]"
:表示一個以字母開頭的字串;
"[0-9]%"
:表示一個百分號前有一位元的數字;
",[a-zA-Z0-9]$"
:表示一個字串以一個逗號後面跟著一個字母或數位結束。

你也可以在方括號裡用'^'表示不希望出現的字元,'^'應在方括號裡的第一位。(如:"%[^a-zA-Z]%"
示兩個百分號中不應該出現字母)。

為了逐字表達,必須在"^.$()¦*+?{\"這些字元前加上轉移字元'\'

請注意在方括號中,不需要轉義字元。

source: http://hi.baidu.com/ismayday/blog

沒有留言: