一文掌握字符串之正则表达式,值得收藏!-阿里云开发者社区

开发者社区> pqo7bvdsfj67q> 正文

一文掌握字符串之正则表达式,值得收藏!

简介: 一文掌握字符串之正则表达式,值得收藏!
+关注继续查看

前言:


授人以鱼不如授人以渔,大家在编程的时候总会遇到要查找某些复杂规则的字符串,例如在 linux 系统中,需要对多个文件里的某段代码进行替换,你是不是还在每个文件打开逐一目标替换?如果你也有这样的困惑那么正则表达式就是你必须会的技能。


程序员必备资源,值得收藏!点击下载


1、什么是正则表达式


正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个 “规则字符串” ,这个 “规则字符串” 用来表达对字符串的一种过滤逻辑。换句话说,正则表达式就是记录文本规则的代码。


很可能你使用过 Windows 下用于文件查找的通配符(wildcard),也就是 * 和 ?。如果你想查找某个目录下的所有的 pdf 文档的话,可以直接搜索 *.pdf,如下:

image.png


在这里,* 会被解释成任意的字符串。和通配符类似,正则表达式也是用来进行文本匹配的工具,只不过比起通配符,它能更精确地描述你的需求。当然,代价就是更复杂,比如你可以编写一个正则表达式,用来查找所有以 0 开头,后面跟着 2-3 个数字,然后是一个连字号 “-” ,最后是 7 或 8 位数字的字符串(像 011-12345678 或 0856-7654321)。


程序员相关的海量资料,点击免费获取


2、入门


学习正则表达式的最好方法是从例子开始。


假如你在一篇英文期刊里查找 me,你可以使用正则表达式 me。


这几乎是最简单的正则表达式了,它可以精确匹配这样的字符串:由两个字符组成,前一个字符是 m, 后一个是 e。通常,处理正则表达式的工具会提供一个忽略大小写的选项,如果选中了这个选项,它可以匹配 me, ME, Me, mE 这四种情况中的任意一种。


不幸的是,很多单词里包含 hi 这两个连续的字符,比如 me, mean, measure等等。用 me 来查找的话,这里边的 me 也会被找出来。如果要精确地查找 me 这个单词的话,我们应该使用 \bme\b。


\b 是正则表达式规定的一个特殊代码(有些人叫它元字符,metacharacter),代表着单词的开头或结尾,也就是单词的分界处。虽然通常英文的单词是由空格,标点符号或者换行来分隔的,但是 \b 并不匹配这些单词分隔字符中的任何一个,它只匹配一个位置。


假如你要找的是 me 后面不远处跟着一个 james,你应该用 \bme\b.*\bjames\b。


这里 . 是另一个元字符,匹配除了换行符以外的任意字符。* 同样是元字符,不过它代表的不是字符,也不是位置,而是数量——它指定 * 前边的内容可以连续重复使用任意次以使整个表达式得到匹配。


因此 .* 连在一起就意味着任意数量的不包含换行的字符。现在\bme\b.*\bjames\b的意思就很明显了:先是一个单词 me 然后是任意个任意字符(但不能是换行),最后是 james 这个单词。


3、元字符


正则表达式由一些普通字符和一些元字符(metacharacters)组成。普通字符包括大小写的字母和数字,而元字符则具有特殊的含义,要想真正的用好正则表达式,正确的理解元字符是最重要的事情。下表列出了常用的元字符


元字符 描述

. 匹配除 “\n” 和 "\r" 之外的任何单个字符。要匹配包括 “\n” 和 "\r" 在内的任何字符,请使用像 “[\s\S]” 的模式

\w 匹配包括下划线的任何单词字符。类似但不等价于 “[A-Za-z0-9_]” ,这里的 "单词" 字符使用 Unicode 字符集

\s 匹配任何不可见字符,包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]

\d 匹配一个数字字符。等价于 [0-9] 。grep 要加上 -P, perl 正则支持

\b 匹配一个单词的边界,也就是指单词和空格间的位置(即正则表达式的 “匹配” 有两种概念,一种是匹配字符,一种是匹配位置,这里的 \b 就是匹配位置的)。例如, “er\b” 可以匹配 “never” 中的 “er” ,但不能匹配 “verb” 中的 “er”; “\b1_” 可以匹配 “1_23” 中的 “1_”,但不能匹配 “21_3” 中的 “1_”

^ 匹配输入字行首。如果设置了 RegExp 对象的 Multiline 属性, ^ 也匹配 “\n” 或 “\r” 之后的位置。

$ 匹配输入行尾。如果设置了 RegExp 对象的 Multiline 属性,$ 也匹配 “\n” 或 “\r” 之前的位置。

4、字符转义


如果想查找元字符本身的话,比如查找 . ,或者 * ,就出现了问题:你没办法指定它们,因为它们会被解释成别的意思。这时就得使用 \ 来取消这些字符的特殊意义。因此,应该使用 . 和 *。当然,要查找 \ 本身,也得用 \。


例如:mayday\.net 匹配 mayday.net ,C:\\Windows匹配C:\Windows。


5、重复


已经看过了前面的 * , + 几个匹配重复的方式了。下面是正则表达式中所有的限定符(指定数量的代码:


元字符 描述

* 匹配前面的子表达式任意次。例如,zo* 能匹配 “z” ,也能匹配 “zo” 以及 “zoo” 。* 等价于{0,}。

+ 匹配前面的子表达式一次或多次(大于等于1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 为一组,后三个 o 为一组。 “o{0,1}” 等价于 “o?”。请注意在逗号和两个数之间不能有空格。

6、字符类


要想查找数字、字母、数字、空白已经很简单,因为已经有了对应这些字符集合的元字符,但是如果你想匹配没有预定义元字符的字符集合(比如元音字母 a,e,i,o,u ),应该怎么办?


很简单,你只需要在方括号里列出它们就行了,像 [aeiou] 就匹配任何一个英文元音字母, [.?!] 匹配标点符号( . 或 ? 或 !)。


我们也可以轻松地指定一个字符范围,像 [0-9] 代表的含意与 \d 就是完全一致的:一位数字;同理 [a-z0-9A-Z_] 也完全等同于 \w (如果只考虑英文的话)。


下面是一个更复杂的表达式:\(?0\d{2}[) -]?\d{8}。


这个表达式可以匹配几种格式的电话号码,像 011-22884499 ,或 0845652452 等。我们对它进行一些分析吧:首先是一个转义字符 (,它能出现 0 次或 1 次 (?),然后是一个 0,后面跟着 2 个数字 (\d{2}),然后是)或-或空格中的一个,它出现 1 次或不出现(?),最后是 8 个数字(\d{8})。


7、反义


有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外,其它任意字符都行的情况,这时需要用到反义


元字符 描述

\w 匹配任意不是字母,数字,下划线,汉字的字符

\s 匹配任意不是空白符的字符

\D 匹配任意非数字的字符

\B 匹配不是单词开头或结束的位置

[^x] 匹配除了 x 以外的任意字符

[^aeiou] 匹配除了 aeiou 这几个字母以外的任意字符

例子:


\S+ 匹配不包含空白符的字符串。 <a[^>]+> 匹配用尖括号括起来的以 a 开头的字符串


8、分组


我们已经提到了怎么重复单个字符(直接在字符后面加上限定符就行了);但如果想要重复多个字符又该怎么办?可以用小括号来指定子表达式(也叫做分组),然后就可以指定这个子表达式的重复次数了,也可以对子表达式进行其它一些操作。


(\d{1,3}\.){3}\d{1,3} 是一个简单的 IP 地址匹配表达式。要理解这个表达式,请按下列顺序分析它:\d{1,3} 匹配 1 到 3 位的数字,(\d{1,3}\.){3} 匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复 3 次,最后再加上一个一到三位的数字(\d{1,3})。


可是也将匹配256.300.777.888这种不可能存在的 IP 地址。如果能使用算术比较的话,或许能简单地解决这个问题,但是正则表达式中并不提供关于数学的任何功能,所以只能使用冗长的分组,选择,字符类来描述一个正确的 IP 地址:((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。


理解这个表达式的关键是理解2[0-4]\d|25[0-5]|[01]?\d\d?,这里就不细说了,大家应该能分析得出来它的意义。


9、贪婪与懒惰


当正则表达式中包含能接受重复的限定符时,通常的行为是匹配尽可能多的字符。以这个表达式为例: b.*c ,它将会匹配最长的以 b 开始,以 c 结束的字符串。如果用它来搜索 babac 的话,它会匹配整个字符串 babac 。这被称为贪婪匹配。


有时,我们更需要懒惰匹配,也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式,只要在它后面加上一个问号 ? 。这样 .*? 就意味着匹配任意数量的重复,但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧:


a.*?b 匹配最短的,以 a 开始,以 b 结束的字符串。如果把它应用于 aabab 的话,它会匹配 aab(第一到第三个字符)和 ab( 第四到第五个字符)。


限定符 描述

*? 重复任意次,但尽可能少重复

+? 重复 1 次或更多次,但尽可能少重复

?? 重复 0 次或 1 次,但尽可能少重复

{n,m}? 重复 n 到 m 次,但尽可能少重复

{n,}? 重复 n 次以上,但尽可能少重复

10、处理选项


上面介绍了几个选项如忽略大小写,处理多行等,这些选项能用来改变处理正则表达式的方式。下面是 .Net 中常用的正则表达式选项:


限定符 描述

IgnoreCase 匹配时不区分大小写。

Multiline 更改 ^ 和 的精确含意是:匹配 \n 之前的位置以及字符串结束前的位置.)

Singleline 更改 . 的含义,使它与每一个字符匹配(包括换行符 \n)

IgnorePatternWhitespace 更改 . 的含义,使它与每一个字符匹配(包括换行符 \n )

ExplicitCapture 仅捕获已被显式命名的组。

一个经常被问到的问题是:是不是只能同时使用多行模式和单行模式中的一种?


答案是:不是。这两个选项之间没有任何关系,除了它们的名字比较相似(以至于让人感到疑惑)以外。


11、提示


正则表达式内容还有很多,笔者这里只列举常用部分,读者若想进一步学习,可在微软专业正则表达式学习网站学习:


https://docs.microsoft.com/zh-cn/dotnet/standard/base-types/regular-expressions?redirectedfrom=MSDN


正则表达式语法支持情况如下图:

image.png

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
值得收藏-史上最全Linux ps命令详解
 大概在十多年前,我当时还是一个产品经理。由于一些工作的原因,需要向运维工程师学习一些linux常用命令。
4982 0
JQuery文件上传及以Base64字符串形式呈现图片
一:上传之 首先,你必然得有一个 file input,如下:         其次,让我们 upload,如下: $.ajaxFileUpload({     url: '@ViewBag.
550 0
ASP.NET中检测含有中文字符串的实际长度
以下就是在ASP.NET中检测含有中文字符串的实际长度,这个可能在很多地方都用的上.        VB.NET的写法:    Function StrLength(Byval Str As String) As Integer      Dim En As ASCIIEncoding=New ASCIIEncoding ()    Dim B As Byte()=En.
541 0
算法:字符串消除问题的数学证明
问题: 给定一个字符串,仅由A、B、C3个字母组成。当出现连续两个不同的字母时,你可以用另外一个字母替换它,如有AB或BA连续出现,你把它们替换为字母C;有AC或CA连续出现时,你可以把它们替换为字母B;有BC或CB连续出现时,你可以把它们替换为字母A。
477 0
android git上开源的项目收藏
<p style="font-size:14px; margin-top:0px; margin-bottom:0px; padding-top:0px; padding-bottom:0px; border:0px; outline:0px; vertical-align:baseline; orphans:4; color:rgb(68,68,68); font-family:'Tim
1949 0
使用OpenApi弹性释放和设置云服务器ECS释放
云服务器ECS的一个重要特性就是按需创建资源。您可以在业务高峰期按需弹性的自定义规则进行资源创建,在完成业务计算的时候释放资源。本篇将提供几个Tips帮助您更加容易和自动化的完成云服务器的释放和弹性设置。
12043 0
运维经理的运维经验总结(值得收藏)
1. 域名 从买域名开始,要买多个域名,50个甚至100个。分为主域名和推广域名(给推广链接用的)。要从godaddy上买域名,由于这里的域名稳固,不会出现被攻击等事变。同时还要买域名保护,如许互联网用户ping这个域名就剖析不到真实的办事器地点。同时域名解析的操纵不要在godaddy上举行,要把解析的操作放在cloudflare上大概dnspod上进行操作,也可以放到zndns上(这个dn
2917 0
123
文章
0
问答
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载