詳細解說正則表達式
正則表達式是由英文詞語regular expression翻譯過來的，就是符合某種規則的表達式。正則表達式在軟件開發中應用非常廣泛，例如，找出網頁中的超鏈接，找出網頁中的email地址，找出網頁中的手機號碼，判斷輸入的內容是否全部是數字，是否滿足某種日期格式等等。
可以將正則表達式理解為一種對文字進行模糊匹配的語言，它用一些特殊的符號（稱為元字符）來代表具有某種特征的一組字符以及該組字符重復出現的次數。例如，對于正則表達式“\d{5}(-\d{4})?”，\d就是一個元字符，它表示一個數字字符，{5}表示緊靠它前面的元素項連續重復5次，\d和{5}的組合\d{5}就表示匹配任意連續的5個數字字符；-\d{4}匹配的是一個連字號（-）后加上4個任意的數字，(-\d{4})?表示連字號（-）和后面的4個數字可有可無。
對于整個正則表達式“\d{5}(-\d{4})?”，表示要么是5個連續的數字字符，要么是5個連續的數字后加上一個連字號（-）、再加上4個連續的數字組成的10個字符。正則表達式中的圓括號除了能將多個元素組合成一個可統一操作的組合項外，它所括起來的表達式部分還成為了一個子匹配（也叫子表達式），也就是說，我們可以用圓括號在一個長的正則表達式中劃分出子表達式。這樣，除了可以得到整個正則表達式的匹配結果外，還可以單獨得到每個子表達式部分所匹配的結果。
要靈活運用正則表達式，必須了解其中各種元字符的功能。元字符從功能上大致分為：限定符、選擇匹配符、分組組合和反向引用符、特殊字符、字符匹配符、定位符。
限定符用于指定其前面的字符或組合項連續出現多少次，下面是各種限定符及其含義：
- {n} 規定前面的元素或組合項的連續出現n 次
- {n,} 規定前面的元素或組合項至少連續出現n 次
- {n,m } 規定前面的元素或組合項至少連續出現n 次，至多連續出現m 次
- + 規定前面的元素或組合項必須出現一次或連續多次，等效于 {1,}
- * 規定前面的元素或組合項可以出現零次或連續多次，等效于 {0,}
- ? 規定前面的元素或組合項出現零次或一次，等效于 {0,1}
默認情況下，正則表達式使用最長（也叫貪婪）匹配原則。當字符“?”緊隨任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后時，匹配模式變成使用最短（也叫非貪婪）匹配原則。例如，在字符串“fooood”中，“fo+?”只匹配“fo”部分，而“fo+”匹配“foooo”部分。
選擇匹配符就是“|”字符，用于選擇匹配兩個選項之中的任意一個，選擇匹配符的優先級低于任意字符，即“|”字符的兩個選項是它兩邊盡可能最大的表達式。例如，“chapter|section 1”匹配的是“chapter”或“section 1”，而不是“chapter 1”或“section 1”。
分組組合符就是將正則表達式中的某一部分內容組合起來的符號，反向引用符則是用于匹配前面的分組組合所捕獲到的內容。
(pattern) 將圓括號中的pattern部分組合成一個可統一操作的組合項和子匹配，每個捕獲的子匹配項按照它們在正則表達式模式中從左到右出現的順序存儲在緩沖區中。緩沖區從1開始編號，最多可存儲99個子匹配捕獲的內容。存儲在緩沖區中的子匹配捕獲的內容，可以在編程語言中被檢索，也可以在正則表達式中被反向引用。
\num 匹配編號為num的緩沖區所保存的內容，此處的 num 是一個標識特定緩沖區的一位或兩位十進制正整數，這種方式稱為子匹配的反向引用。例如，要匹配連續的5個相同的數字字符，如55555、11111等，需要使用(\d)\1{4}作為正則表達式文本，\1表示與前面的(\d)所捕獲的內容一樣，\1{4}則表示前面的(\d) 所捕獲的內容還連續出現4次。
字符匹配符用于指定該符號部分可以匹配多個字符中的任意一個。
- […] 匹配方括號中包含的字符集中的任意一個字符，例如，“[abc]”可以與“a”、“b”、“c”三個字符中的任何一個相匹配。
- [^…] 匹配方括號中未包含的任何字符，例如，“[^abc]”可以匹配“a”、“b”、“c”3個字符之外的任何字符。
- [a-z] 匹配指定范圍內的任何字符，例如，“[1-9]”匹配1～9之間的任何數字字符。
- [^a-z] 匹配不在指定的范圍內的任何字符。
- \d 匹配任意一個數字字符，等效于 [0-9]。
- \D 匹配任意一個非數字字符，等效于 [^0-9]，為\d的逆運算。
- \s 匹配任何空白字符，包括空格、制表符、換頁符等，等效于[ \f\n\r\t\v]。
- \S 匹配任何非空白字符，為\s的逆運算，等效于 [^ \f\n\r\t\v]。
- \w 匹配任何英文字母和數字類字符以及下劃線。等效于[A-Za-z0-9_]。
- \W 匹配任何非英文字母和數字類字符，但不包括下劃線。為\w的逆運算，等效于[^A-Za-z0-9_]。
- . 匹配除“\n”之外的任何單個字符，例如，“(.)\1”匹配除“\n”之外的兩個連續的相同字符。若要匹配包括“\n”在內的任意字符，可以使用“[\s\S]”、“[\d\D]”或“[\w\W]”等模式。若要匹配“.”字符本身，需要使用“\.”。
正則表達式中使用多種方式來表示非打印字符和原義字符，這些方式都是以反斜杠字符（\）后緊跟其他轉義字符序列來表示的，其中的一些方式也可以表示普通字符。
- \xn 匹配ASCII碼值等于n的字符，此處的 n 必須是兩位的十六進制數。例如，“\x41”匹配字符“A”，顯然用這種方式可以表示所有非打印字符。注意：“\x041”的意義是“\x04”所表示的字符后跟字符“1”。
- \un 匹配Unicode編碼等于n的字符，此處的n 必須是一個四位的十六進制數。例如，\u00A9 匹配版權符號（©），[\u4e00-\u9fa5]則匹配任意一個漢字字符。
定位符用于規定匹配模式在目標字符串中的出現位置。
- ^ 匹配目標字符串的開始位置，也就是規定匹配必須發生在目標字符串的開頭處，^必須出現在正則表達式模式文本的最前面才具有定位符作用。
- $ 匹配目標字符串的結尾位置，也就是規定匹配必須發生在目標字符串的結尾處，$必須出現在正則表達式模式文本的最后面才具有定位符作用。
- \b 匹配一個字邊界，它包含字與空格間的位置，以及目標字符串的開始和結束位置等。\B 匹配非字邊界。
在正則表達式中用到的一些元字符不再表示它原來的字面意義，如果要匹配這些具有特殊意義的元字符的字面意義，必須使用反斜扛（\）將它們轉義為原義字符，即將反斜杠字符（\）放在它們前面。需要進行轉義的字符有“$”、“(”、“)”、“*”、“+”、“.”、“[”、“]”、“?”、“\”、“/”、“^”、“{”、“}”、“|”。
下面列舉出了一些具有典型意義和用途的正則表達式模式文本：
（1）匹配空行：“^\s*$”
（2）匹配HTML標記：“<(\S+)(\s[^>]*)?>[\s\S]*<\/\1\s*>”。
（3）匹配email地址：“[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+”
（4）匹配兩個相同的相鄰單詞：“\b([a-z]+) \1\b”
（5）匹配IP地址：“^\d{1,2}|1\d\d|2[0-4]\d|25[0-5](\.(\d{1,2}|1\d\d|2[0-4]\d|25[0-5])){3}$”
JavaScript中提供了一個名為RegExp的對象來完成有關正則表達式的操作和功能，每一條正則表達式模式對應一個RegExp對象實例。在JavaScript中，有兩種方式可以創建RegExp對象的實例：
（1）使用RegExp對象的顯示構造函數，語法為：new RegExp("pattern"[,"flags"])
（2）使用RegExp對象的隱式構造函數，采用純粹的文本格式：/pattern/[flags]
pattern部分為要使用的正則表達式模式文本，是必須的。在第一種方式中，pattern部分以JavaScript字符串的形式存在，需要使用雙引號或單引號引起來；在第二種方式中，pattern部分嵌套在兩個“/”字符之間，不能使用引號引起來。flags部分設置正則表達式模式的標志信息，是可選的，可以是以下標志字符的組合：
- g 用作全局標志。如果設置了g這個標志，使用這個正則表達式模式對某個文本執行搜索和替換操作時，將對文本中所有匹配的部分起作用。
- i 用作忽略大小寫標志。如果設置了i這個標志，進行匹配比較時，將忽略大小寫。
- m 用作多行標志。如果沒有設置m這個標志，那么元字符“^”只與整個被搜索字符串的開始位置相匹配，而元字符“$”只與整個被搜索字符串的結束位置相匹配。如果設置了m這個標志，那么“^”還可以與被搜索字符串中的“\n”或“\r”之后的位置（即下一行的行首）相匹配，而“$” 還可以與被搜索字符串中的“\n”或“\r”之前的位置（即一行的行尾）相匹配。
下面是在javascript程序中應用正則表達式的一些典型案例：
1．將一個字符串中的所有的兩位數字的十位和個位交換：
- <script language="javascript">
- var strSrc = "a12b34c56";
- var re = /\D(\d)(\d)\D/gi;
- var strDest = strSrc.replace(re,"$2$1");
- alert(strSrc + " has been converted into " + strDest);
- </script>
2．使用正則表達式驗證身份證和提取年月日：
說明：身份證要么是15位，要么是18位，前面的每位都為數字，最后一位可以為字母，從7位到第14位為出生年月。
- <script language="javascript">
- function verify(idcard){
- var datePattern = new RegExp(
- "^\\d{6}(19\\d{2}|20\\d{2})(0[1-9]|1[0-2])(0[1-9]|[1-2]\\d|3[0-1])(\\d{3})?[\\da-zA-Z]$");
- if(datePattern.test(idcard)){
- alert(idcard + "為有效身份證,出生年月為"
- + RegExp.$1 + "-" + RegExp.$2 + "-" + RegExp.$3);
- }else{
- alert(idcard + "為無效身份證");
- }
- }
- </script>
請輸入身份證：
- <input type="text" value="422413191803060318" onblur="verify(this.value)"/>
3．使用正則表達式去掉字符串兩端的所有空格：
說明：javascript中的字符串沒有去掉兩端空格的功能，可以用prototype屬性為String類擴 展一個trim方法，以后的String類都可以使用這個trim方法來去掉兩端的空格了。
- String.prototype.trim = function(){return this.replace(/^\s+|\s+$/g,"");};
- alert(1 + " aaa ".strip() + 2);
下面是在java程序中應用正則表達式的一些典型案例：
1. 判斷輸入的字符串是否是一個email地址：
- String content = "z.xx@itcast.cn";
- Pattern p = Pattern.compile(
- "[a-zA-Z0-9_-][\\.a-zA-Z0-9_-]*@[a-zA-Z0-9_-]+(\\.[a-zA-Z0-9_-]+)+");
- Matcher m = p.matcher(content);
- boolean b = m.matches();
- System.out.println(content + (b? "是":"不是" ) + "一個有效的Email地址");
2. 從一篇文檔中提取出所有的email地址：
- String content = "我的email是z.xx@itcast.cn，你的email是l_h_m@itcast.com.cn";
- Pattern p = Pattern.compile(
- "[a-zA-Z0-9_-][\\.a-zA-Z0-9_-]*@[a-zA-Z0-9_-]+(\\.[a-zA-Z0-9_-]+)+");
- Matcher m = p.matcher(content);
- while(m.find()){
- String email = m.group();
- //String email = content.substring(m.start(), m.end());
- System.out.println(email);
- }
3.通過一個正則表達式即可以將字符串“xx”替換成“xxFileName”，還可以將字符串“xx[n]”替換成“xxFileName[n]”：
- String content = "xx[n]"; //改為"xx"試試。
- Pattern p = Pattern.compile("\\[.+\\]$|$");
- Matcher m = p.matcher(content);
- String fileName = m.replaceFirst("FileName$0");
- //String fileName = content.replaceFirst("\\[.+\\]$|$", "FileName$0");
- System.out.println(fileName);
4.從一封html格式的中文簡歷中提取出簡歷人的性別：
說明：性別在簡歷中通常為如下形式：<td …>性別：</td><td …> 男</td>
另外，簡歷中的其他地方也可能出現“男”或“女”，例如，“參觀了女排的訓練”。
- String content = "<td …>性別：</td><td …> 男</td>…參觀了女排的訓練";
- Pattern p = Pattern.compile("[^\u4e00-\u9fa5]([男女])[^\u4e00-\u9fa5]");
- Matcher m = p.matcher(content);
- if(m.find()){
- System.out.println("應聘者的性別為：" + m.group(1));
- }
總之， 隨著互聯網的迅速發展，幾乎所有工具軟件和程序語言都支持正則表達式，所以正則表達式變得越來越強大和易于使用。本文從限定符和定位符等方面介紹了正則表達式，希望對你有幫助，如果有什么問題，希望大家可以指正。
轉載自程序員網校 [ http://www.it315.org/ ]
本文鏈接地址：http://www.it315.org/programjava/222.htm
【編輯推薦】
