正在查看旧版本。 查看 当前版本.

与当前比较 查看页面历史记录

« 前一个 版本 6 下一个 »

正则表达式概述

学习之前，可以暂时把正则表达式理解为功能更高级的通配符（wildcard）。

在Shell里，可以通过通配符来匹配一些具有相似模式的字符串，比如下面的命令：

$ ls *           # 列举所有的文件     
$ ls *.c         # 列举所有以".c"结尾的文件
$ ls 108?.c      # 列举以108开头，后面跟一个任意字符，再以".c"结尾的文件
$ ls 108[56].c   # 列举以108开头，后面跟5或6，再以".c"结尾的文件
$ ls 108[0-8].c  # 列举以108开头，后面跟0~8中的任意一个，再以".c"结尾的文件
$ ls l08[!0].c   # 列举以108开头，后面跟一个不为0的字符，再以".c"结尾的文件

其中，'*'、'?' 等就被称为通配符，因为他们可以匹配一个或多个符合规则的字符，具体的，这些通配符的作用如下：

  • '*' 用于匹配零个或多个任意字符。
  • '?' 用于匹配单个任意字符。
  • '[]' 用于匹配可能出现的单个字符，比如[56]表示该位置可能出现5或6, 也可以使用范围的方式，比如[0-8]表示数字范围0~8，[a-i]表示字符范围a~i。
  • '!' 用于排除单个字符。

通配符的作用就是用于字符串的匹配，但是在遇到比较复杂的匹配需求时，通配符就无能为力了，比如像“匹配以test开头，后面跟1个或多个数字，再跟3个非数字的字符，再以abcef中的一个或多个字符结尾的字符串”，或是匹配一个邮箱地址，只使用通配符的话就无法实现，这时，正则表达式就可以派上用场了。

正则表达式是比通配符功能更加强大的用于字符串模式匹配的工具，具体地，正则表达式可以实现以下功能：

  1. 字符串模式匹配，即验证字符串是否符合指定特征，比如验证一串字符是否是一个合法的邮箱地址；
  2. 在模式匹配的基础上，进行字符串分割，将字符串按规则分割成几个部分，以便于提取字符串，比如从邮箱地址中提取@前面的用户名；


使用正则表达式的最大问题是正则表达式有很多的流派（正则表达式“派别”简述 - Keep Coding），也就是在实现相同功能的情况下，不同流派的正则表达式可能有不同的写法。具体来说，正则表达式可以分为以下几类：

  1. POSIX基础正则表达式（basic regular expression, BRE）
  2. POSIX扩展正则表达式（extended regular expression, ERE）
  3. Perl兼容的正则表达式（Perl compatible reqular expression, PCRE）

关于这几个流派，PCRE一般用于编程语言，比如Perl, Boost.Regex, java.util.regex。BRE和ERE一般用于POSIX程序，比如sed, awk, grep等，其中sed默认使用BRE，awk默认使用ERE，而grep则可以通过选项选择使用哪种流派的正则表达式。关于这几个流派的正则表达式差异可以参考：正则表达式 BRE ERE PCRE 区别 | IT日记，本篇主要介绍PCRE。


学习正则表达式可以借助一些在线测试的网站，比如：在线正则表达式测试工具，Regexp在线调试 - 在线工具。

正则表达式规则

关于模式匹配

所谓模式匹配，其实就是给出一个模式串和目标串，然后判断目标串中是否存在匹配串。

模式串用以描述要匹配的字符串特征，可以包含用于模式匹配的元字符，也可以包含普通字符。目标串则可以是任何字符串，匹配串是目标串中符合模式串的实际字符串。

以上面的通配符举例，abc[de]f就是一个模式串，这个模式串描述的字符串特征是“abc开头，后面接一个d或e，再接一个f”。目标串可以是任何字符串，这里以目标串abcdefg举例，在这个目标串里，不存在与模式串匹配的目标串。把目标串改成abcdfg，则存在一个匹配串abcdfg，匹配位置是从1开始，结束于5（下标从1开始）。如果把目标串改成abcdfgabcefg，则存在两个匹配串abcdfgabcefg，第一个匹配串起始于1，结束于5，第二个匹配串起始于7，结束于11。

模式串不一定要匹配整串目标串，只要部分匹配，就算匹配成功，甚至在一个目标串里可以存在多个匹配串。

正则表达式充当的就是模式串的作用，通过正则表达式可以描述一个待匹配的字符串特征。

正则表达式构成

参考：http://regexlab.com/zh/regref.htm

正则表达式其实就是一串用于描述字符串特征的字符串，包含普通字符和元字符。普通字符用于匹配目标串里的相同字符，比如正则表达式abc，在匹配目标串abcdef时，匹配的结果是成功，匹配到的内容是abc，匹配到的位置是开始于1，结束于3。元字符和Shell里的通配符功能类似，用于匹配一类字符，只不过正则表达式里的元字符数量比Shell里的通配符数量要多很多，功能也比通配符强大。


区分多种不同的正则表达式类型，搞清楚它们之间的区别和应用场景，以及放在代码中的转义字符处理，特别是C++中构造正则表达式时的反人类的转义写法。


几个实例，

notepad++中替换文本

匹配UUID

匹配邮箱
















  • 无标签