正則表達式終極教程(游戲達人版看下面地址)

1、中國人正則表達式終極教程學院通俗版 如果這個版本你覺得還很吃力，那請看游戲達人版用正則表達式的目的：搜索一個文本中有沒有滿足我們指定條件的字符串。例如：搜索上面這句話中有沒有“中有沒”這個字符串，這個很簡單是吧！ 正則表達式就是：中有沒 這是正則的精確收索，中有沒 就是正則條件。 如果正則表達式是：正則|目的|滿足 其中“|”= “或者” 的意思 ，即搜索文本中有沒有這三個字符串。 但注意：用正則搜索文本的思路是，以正則表達式條件為依據(jù)在文本中從頭到尾搜 索一遍即完成。正則條件的使用順序是從左到右反復使用。如果在文本中搜索到符合 條件的字符串，那么接著在文本中搜索時就會跳過這個字符串。 舉例說

2、明：正則：山上|上山 文本：雞山上山雞多 搜索步驟： 1、山上 的 山 去匹配文本的 雞，不匹配 2、上山 的 上 去匹配文本的 雞，不匹配 3、山上 的 山 去匹配文本的 山，匹配 4、山上 的 上 去匹配文本的 上，匹配 <-山上匹配成功。 5、山上 的 山 去匹配文本的 山，匹配 <-注意這里跳過了已經(jīng)匹配的文本。 6、山上 的 上 去匹配文本的 雞，不匹配 7、上山 的 上 去匹配文本的 雞，不匹配 可看出 上山 在文本中沒機會匹配了。 。 從第7步中看出雖然文本 雞山上山雞多 中 山上 和 上山 都存在， 但由于 山上 的匹配成功，使得后面繼續(xù)搜索時跳過文本中的 山上，上

3、山 就沒有機會匹配成功了。注：綠色粗體字是為了幫助閱讀時斷句理解。正則之所以難學就是在描述上容易產(chǎn)生歧義。所以讀的時候注意斷句。如果你能看懂上面的，恭喜你，頒發(fā)給你正則學院：小學畢業(yè)證書想從文本中取出所有數(shù)字串嗎？ 我們?nèi)祟惖拿枋龇椒ㄊ牵喝〕鑫谋局械乃袛?shù)字串。電腦要實現(xiàn)這個要求就得寫個函數(shù)，專門取數(shù)字串，但如果又換一種要求，比如取字母串，那就又得寫個取字母串函數(shù)，那這種要求多得去了，這函數(shù)不就沒完沒了了嗎 ？換一種更具體的特征描述法：以數(shù)字開頭，后面全是數(shù)字的字符串。 找所有數(shù)字串的正則是：“0-9+” 找所有字母串的正則是：“A-Za-z+” “條件”表示匹配括號內(nèi)的任意一個條件。如0-9

4、表示匹配數(shù)字0123456789中的一個數(shù)字，也可寫成0123456789，正則為了簡化就定義了范圍符號“-”，它前后的字符表示框住的"ASCII"碼區(qū)域。如下：數(shù)字字符 "ASCII"碼 0 48 1 49 8 56 9 57大寫字母字符 "ASCII"碼 A 65 B 66 Y 89 Z 90但注意“條件條件條件”只匹配一個字符。如A-Za-z只表示匹配大小寫字母中的中的一個字符。 “+”指定它前面的一個正則單元匹配一次后，繼續(xù)用這個正則單元重復匹配，直到不滿足正則單元條件為止，像0-9、A-Za-z都是正則的一個單元。 0-9+

5、就表示以數(shù)字開頭的數(shù)字串。 事實上正則收索文本是以字節(jié)為單位進行匹配收索的，真正匹配的是字符在電腦中的內(nèi)碼，英文就是按"ASCII"碼來匹配的，比如“0”的"ASCII"碼是48，“A”的"ASCII"碼是65。文本中"ASCII"碼除了可見的字符外還有些不可見的符號，比如：回車符、制表符等.。要匹配這些符號就可以用內(nèi)碼去匹配，內(nèi)碼用16進制來表示。"ASCII"碼表在百度上收索"ASCII" 就出來了。比如正則“x0D”就表示正則回車字符，其中“0D”就是回車符的內(nèi)碼，“x

6、”是正則定義的轉(zhuǎn)義符號，意思是把后兩個字符當作16進制的內(nèi)碼處理。如：將以下文本按行搜索出來。Hello,How are you?Hi,I am fine thank you. 注：這里標點符號用的全是英文的半角標點符號。正則：A-ZA-Za-z0-9,?. +x0d. A-Z表示以大寫字母開頭，這是正則的第一個單元。 A-Za-z0-9,?. 表示只要文本中字符是大小寫字母或數(shù)字或逗號或問號或句號或空格就匹配，注意右方括號前面有個空格，這是正則的第二單元。 其中“.”表示句號，“”是正則定義的轉(zhuǎn)義符號，因為“.”是正則的關(guān)鍵字，單獨使用時表示匹配任意任一一個字符，像 ？ * + 等都是正則的

7、關(guān)鍵字，如果文本中有這些符號需要匹配，就在其前面加一個“”。如“?”就是匹配“?”號，這時“?”就不是正則的關(guān)鍵字了?！?” 表示將A-Za-z0-9,?. 這個正則單元重復匹配，直到不滿足條件為止。x0d.表示以回車和句號結(jié)尾，之所以要加入句號是因為文本尾部可能沒有回車符號，但必須是句號結(jié)尾。注意：表達式中不能有多余的字符（包括空格等不可視字符），否則就會將其一起當作匹配元素了，特別初學者容易忽視前后不能有空格。如：“A-ZA-Za-z0-9,?. +x0d. ”只能匹配以句號和空格結(jié)尾的行了。 “ A-ZA-Za-z0-9,?. +x0d.”只能匹配以空格開頭的行了。如果這段你也看懂了，恭

8、喜你，正則學院：中學畢業(yè)證書正則漢字串 精確漢字串匹配很簡單。 但如果要搜索文本中的所有漢字串該怎么正則呢？聰明的你一定想到了內(nèi)碼，漢字的內(nèi)碼在GB2312簡體中文編碼表中都是大于x79的（注意是16進制，10進制是127），為的是區(qū)別于英文"ASCII"碼，并且是用2字節(jié)一個漢字符。每個字節(jié)的編碼范圍都是xa1-xfe(10進制就是161-254)。具體可到網(wǎng)上查GB2312簡體中文編碼表。 那么對于2字節(jié)的漢字串： 正則 xa1-xfe+ 可搜索匹配的漢字串。正則 xa1-xfexa1-xfe 可匹配一個漢字，2字節(jié)一個漢字符。但現(xiàn)在很多正則程序模塊（能夠支持正則規(guī)則的

9、程序函數(shù)集合），已經(jīng)不再支持這種單字節(jié)匹配漢字的做法，而是將大于x79的文本數(shù)據(jù)單元必須以2字節(jié)為單位進行正則匹配，這樣做更智能了，避免了半邊漢字亂碼出現(xiàn)。那么像這種智能化的正則，我們該怎樣正則漢字串呢？不同的正則模塊就各不相同了，只有看看對應的正則用戶說明書。有的 比如：x00-xff 表示按照非單字節(jié)字符來匹配漢字，或說成按多字節(jié)匹配。方括號內(nèi)第一個字符為“”在原始的正則規(guī)定中，是定義方括號內(nèi)的內(nèi)容為排除模式，即將方括號內(nèi)的條件變?yōu)椴黄ヅ溥@些條件。本來 x00-xff 是無意義的，即不匹配任何字符，所以像這樣寫只能把它整體看為一個符號。（易語言正則不支持漢字匹）另外還可以用 u4e00-u

10、9fa5 來匹配漢字。（易語言正則不支持漢字匹）“u”與“x”意思相同，“x”是表示用 2位16進制數(shù)表示內(nèi)碼?！皍”是表示用 4位16進制數(shù)表示內(nèi)碼。 4e00-9fa5 是 unicode漢字編碼表 的漢字編碼范圍。要了解字符編碼就看看下面這篇百度文庫里的文章，我覺的寫得很好，一看就懂的個樣。unicode、utf-8、ansi的故事> 如果這段你也看懂了，恭喜你，正則學院：暑期培訓優(yōu)秀證書正則中的關(guān)鍵字關(guān)鍵字是原始正則定義的，全部是標點符號。如果要用其匹配文本必須在其前加“”。（正則因此變得神秘了，看起來就象外星文）1-“” 轉(zhuǎn)義號，如需匹配它就需在其前面再加個“”，即“”表示一個

11、斜杠。以下同理。2-“|” 其前后正則單元為 "或" 關(guān)系。在鍵盤上與“”是同一個按鍵。3-“.” 表示匹配任意任一一個字符，相當與x00-xff。4-“+”是至少匹配一個它前面的一個正則單元（1-無窮），直到條件不匹配為止。5-“*”是匹配任意多個它前面的一個正則單元（0-無窮），直到條件不匹配為止。但千萬注意：用易語言官方支持庫中的正則類來正則匹配時，*號前面的單元前必須要加一個限位單元，如：“0-90-9*”，但不能單獨只使用“0-9*”否則程序很有可能掛掉，這可能是因為正則會無限次的匹配0次這個邏輯，始終沒有字符被跳過，即在0次匹配邏輯上死循環(huán)，經(jīng)試驗如果文本第一個

12、字符是數(shù)字，用“0-9*”去正則必死。用其他第三方的正則引擎就沒有這個問題，可以不加限位也可。 以下是易語言官方解釋： 能匹配空字符串的子匹配不要循環(huán)無限次。如果括號內(nèi)的子表達式中的每一部分都可以匹配 0 次，而這個括號整體又可以匹配無限次，匹配過程中可能死循環(huán)。雖然現(xiàn)在有些正則表達式引擎已經(jīng)通過辦法避免了這種情況出現(xiàn)死循環(huán)了，比如 .NET 的正則表達式，但是我們?nèi)匀粦摫M量避免出現(xiàn)這種情況。如果我們在寫表達式時遇到了死循環(huán)，也可以從這一點入手，查找一下是否是本條所說的原因。6-“?”是只匹配它前面的正則單元 0 次或 1 次。注意：這個也有0次匹配陷阱。7-“n,m”匹配次數(shù)范圍定義括號。

13、 這個也可能有0次匹配陷阱。8-“”匹配文本的開始位置。 后面再說9-“$”匹配文本結(jié)尾位置。 后面再說A-“()”子表達式括號。 后面再說B-“”匹配括號內(nèi)的任意一個條件。相信前面6個和最后一個都看得懂。第7個“n,m”匹配次數(shù)定義括號。其實4、5、6都是7的特例：0-9* 相當于 0-90, 后個數(shù)字不寫表示無窮0-9+ 相當于 0-91, 0-9? 相當于 0-90,1 看出來了嗎？“n,m”就是參照前面的一個正則單元重復匹配時的重復次數(shù)范圍。逗號前是至少匹配多少個，逗號后是最多匹配多少個。如： 0-93,6 表示匹配的數(shù)字串至少要3個數(shù)字，但最長不超過6個。如：a12c 數(shù)字串少于3個

14、不能匹配 a1234567c 只匹配出“123456”，7不能匹配a123a12345a123456c 匹配出3個字符串還可以精確匹配次數(shù)：0-93 表示只匹配有3個字符的數(shù)字字符串。如果這段你也看懂了，恭喜你，正則學院：高中畢業(yè)證書正則表達式的簡化和效率用正則搜索文本的思路是，以正則表達式條件為依據(jù)在文本中從頭到尾搜 索一遍即完成。正則條件的使用順序是從左到右反復使用。如果在文本中搜索到符合 條件的字符串，那么接著在文本中搜索時就會跳過這個字符串。 從上文中可以看出正則條件是被反復使用的，也就是說正則表達式在收索過程中要使用很多次，那么正則表達式越短或者說字符越少，效率就會成倍提高（這個我不

15、肯定，也有可能只是為了輸入方便。），所以正則為此定義了一些簡化符號。都是小寫字母，如下：n = 換行符 = x0Ar = 回車符 = x0Dt = 制表符 = x09v = 垂直制表符 = x0Be = ESC 符 = x1Bf= 分頁符d = 0-9w = A-Za-z0-9_ 匹配字母、數(shù)字、下劃線。s 匹配任何不可見，包括空格、制表符、分頁符等。cx 匹配由x指明的控制字符。例如， cM 匹配一個 Ctrl-M 或 回車符，Ctrl就是鍵盤 左下腳的那個鍵。x 的值必須為 A-Z 或 a-z 之一。縮短正則式是提高收索效率的一方面，另一方面還要考慮條件表達的范圍。比如 0-9的效率小于3

16、-8的效率，也就是在匹配時 3-8 比 0-9 用時短。當然能考慮的時候就盡量考慮，不好考慮的話還是放寬范圍為妙，免得出錯。正則的排除模式表達式前面的正則都是用“包含”的概念來表達正則，但有時我們希望用“排除”的概念來表達。比如：匹配不是數(shù)字的字符，即排除數(shù)字，正則為，0-9 匹配不是字母的字符，即排除字母，正則為，A-Za-z看出來了吧！就是在左方括號后加個“”,與鍵盤上的6同一個鍵。大多數(shù)時候我們叫他乘方符號。另外還有些精簡的表示法，都是大寫字母。 如下： D = 0-9 排除數(shù)字，就是不匹配數(shù)字 或者說 除數(shù)字之外的字符匹配。 W = A-Za-z0-9 排除大小寫字母和數(shù)字。 S 排除

17、不可見字符。正則的內(nèi)碼表達式xFF 紅字是2位十六進制內(nèi)碼，只能兩位，少于2位時，前面必須加0補齊，如x0A。 uFFFF 紅字是4位十六進制內(nèi)碼,只能四位，少于4位時，同上。如果這三段你也看懂了，恭喜你，正則學院：大學畢業(yè)證書 正則的特殊匹配：邊界匹配b 用它前面的正則單元去匹配，并且匹配的字符串在文本中后面是空格或者文本尾。 如： 文本“ABC DEC” 正則式“Cb” 結(jié)果是2個C 字符串，第一個C后是空格，第二C后面 是文本尾部 “C DECb” 結(jié)果就是“C DEC” ，“C DEC”是一個正則單元。 可以用其搜索單詞尾部。B 用它前面的正則單元去匹配，并且匹配的字符串在文本中后面不

18、是空格或者文本尾。 如： 文本“ABC DEC” 正則式 “A-Z+B” 結(jié)果是AB DE 2個字符串 “C DEB” 結(jié)果就是“C DE”“”用它后面的正則單元去匹配，并且匹配的字符串在文本中是文本頭或行首?！?”用它前面的正則單元去匹配，并且匹配的字符串在文本中是文本尾或行尾。 如： 文本：abcdefg abcdef abcde 正則式：“w+f$” 結(jié)果是“abcdef” 即第二行， 注：開啟多行匹配 正則式：“abc” 結(jié)果是“abc” 即第一行abc 注：開啟多行匹配 結(jié)果是3個“abc” 注：開啟多行匹配和全局匹配 多行和全局是“”，“$”這兩個正則關(guān)鍵字特有的選項開關(guān)，必須在正

19、則函數(shù)命令中指定。為什么有這兩個選項呢？ 我大概描述一下我的理解： 多行開關(guān)開啟，表示可以多行匹配，但兩個符號的作用都不能加持重復匹配符號，所以整個正則只能匹配一次。 全局開關(guān)開啟，表示可以重復匹配每一行，但兩個符號又只能匹配文本頭和尾，有矛盾在。 所以必須兩個都打開，才行。兩個選項都關(guān)閉： 只能匹配文本頭。 $ 只能匹配文件尾。 $ 正則必須完全與整個文本匹配，才能算匹配。 只打開多行選項： 只能匹配文本頭。 $ 只能匹配文本第一行尾。 $ 正則必須完全與文本中任一一行匹配，才能算匹配，最 多只能匹配一行。只打開全局選項： 只能匹配文本頭。 $ 只能匹配文本尾。 $ 正則必須完全包含文本第一

20、行所有字符，并且文本只能有一行， 行尾不能有回車符，才能算匹配。兩個選項都打開： 匹配所有的行首。 $ 匹配所有的行尾。$ 匹配所有的行，必須完全包含文本行所有字符，才能算匹配。以上的描述較難理解，只有多試幾次，對照上述結(jié)果仔細參詳。阿彌托福 我盡力了！ 如果這段你也看懂了，恭喜你，正則學院：碩士畢業(yè)證書正則的“貪心模式”和“懶惰模式” 正則中“* + ？ m,n”這類表示重復的符號，在匹配中是分兩種模式的，“貪心模式”就是我們一般正常理解的模式，只要匹配正則單元就盡可能多的去匹配?！皯卸枘Ｊ健迸c它相反就是盡可能少的去匹配，最少至0匹配。正則表示方法為：在“* + ？ m,n”這些符號后再加一

21、個“?”如： 文本：0123456789 正則：0-93,6? 結(jié)果是“012”“345”“678” 按照最少3個字符取匹配。不加：0-93,6 結(jié)果是 “012345” “6789”按照最多6個字符取匹配。用途我是沒想到，這有啥用？可能是我還不知道到它的用途。反正正則是定義了它。正則存儲數(shù)據(jù)的秘密 前面說的都是正則匹配的字符串的方法，那么正則匹配出來的字符串存方在那里呢？雖然我們用正則的時候不必知道它們的存放位置，但如果能知道的話，用起來更放心些。事實上，正則并沒有把匹配的字符串從文本中復制出來，而是把匹配的起始位置及長度記錄了下來，當要提取正則出來的字符串時，再根據(jù)這些記錄到文本中去提取字

22、符串。這樣做的好處我想對于聰明的你，我就不必多說了吧！正則的子串當文本中需要正則的字符串不只一種，而是幾種，并且它們是按大類順序出現(xiàn)在文本中時如：上面綠色部分如果我們想從中分別提取網(wǎng)址、日期，就需要兩個正則變量來正則，或者一次全部提取，然后另行處理來分開，麻煩嗎？我認為麻煩。正則也考慮到了這種需求，所有它定義了子串這個功能。例如：如文本：“大家說 芙蓉=2姐 鳳姐=B妹 對嗎？” 正則：(u4e00-u9fa52)=(2Bu4e00-u9fa5)u4e00-u9fa5還記得吧！是匹配漢字，u4e00-u9fa52就是匹配2個漢字u4e00-u9fa52=2Bu4e00-u9fa5表示：2個漢字

23、開頭，接著是“=”，接著是“2”或者“B”，結(jié)尾是一個漢字的字符串。圓括號括起來就表示要提取其中的子串。那么正則出來就會有6個字符串?！败饺?2姐” “芙蓉” “2姐”“鳳姐=B妹” “鳳姐” “B妹”“芙蓉”和“2姐”就是“芙蓉=2姐”的子串?！傍P姐”和“B妹”就是“鳳姐=B妹”的子串。如果這三段你也看懂了，恭喜你，正則學院：博士畢業(yè)證書正則子串匹配結(jié)果的引用上面的子串如果你理解了，那么這段你看懂的幾率只有60%左右，如果你看懂了，恭喜我，因為我把它表達清楚了。你呢就進入叫獸初級階段。我們來看看下面的正則： 文本 AbA 正則 (A-Z)(a-z) 結(jié)果是3個字符串“Ab” 以及它的子串 “

24、A”“b”如果正則 (A-Z)(a-z)1 后面加了個正則子串匹配結(jié)果的引用 1，表示把第一個括號已經(jīng)匹配的字符串引用一次來匹配 ，則實際效果是(A-Z)(a-z)A。結(jié)果就變?yōu)椋?“AbA”以及它的子串 “A”“b”也可加括號(A-Z)(a-z)(1) 則實際效果是(A-Z)(a-z)(A)。結(jié)果就變?yōu)椋?“AbA”以及它的子串 “A”“b”“A” 同理如果 1 變成2 ，表示把第二個括號已經(jīng)匹配的字符串引用一次 。 注意：只能引用前面的不能引用后面的。千萬注意：引用的是前面匹配的結(jié)果來匹配，不是引用前面的正則單元條件來匹配。 比如： AbC (A-Z)(a-z)1的正則結(jié)果為空，因為第一個括號匹配的結(jié)果是A,與C不匹配，所有整個正則結(jié)果為空。正則的后假匹配 這段如果你能看懂，你就是中級叫獸。正則匹配有時我們?yōu)榱诵ｒ炂ヅ涞恼_性，希望多匹配一些附近的字符，但結(jié)果中并不想要這些校驗用字符，在正則中我把這些校驗用字符的匹配叫假匹配。文本 AAAabc000cde* 要求只匹配數(shù)字前面的