轉：Regex基礎知識

標籤：des   使用   strong   width   html   htm   

   一個Regex就是由一般字元（例如字元 a 到 z）以及特殊字元（稱為元字元）組成的文字模式。該模式描述在尋找文字主體時待匹配的一個或多個字串。Regex作為一個模板，將某個字元模式與所搜尋的字串進行匹配。如： 

JScript	VBScript	匹配
/^\[ \t]*$/	"^\[ \t]*$"	匹配一個空白行。
/\d{2}-\d{5}/	"\d{2}-\d{5}"	驗證一個識別碼是否由一個2位元字，一個連字號以及一個5位元字組成。
/<(.*)>.*<\/\1>/	"<(.*)>.*<\/\1>"	匹配一個 HTML 標籤。

下表是元字元及其在Regex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 反向參考、或一個八進位轉義符。例如，‘n‘ 匹配字元 "n"。‘\n‘ 匹配一個分行符號。序列 ‘\\‘ 匹配 "\" 而 "\(" 則匹配 "("。
^	匹配輸入字串的開始位置。如果設定了 RegExp 對象的 Multiline 屬性，^ 也匹配 ‘\n‘ 或 ‘\r‘ 之後的位置。
$	匹配輸入字串的結束位置。如果設定了RegExp 對象的 Multiline 屬性，$ 也匹配 ‘\n‘ 或 ‘\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" 或 "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 和 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。非貪婪模式儘可能少的匹配所搜尋的字串，而預設的貪婪模式則儘可能多的匹配所搜尋的字串。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 並擷取這一匹配。所擷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。要匹配圓括弧字元，請使用 ‘\(‘ 或 ‘\)‘。
(?:pattern)	匹配 pattern 但不擷取匹配結果，也就是說這是一個非擷取匹配，不進行儲存供以後使用。這在使用 "或" 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 的字串開始處匹配尋找字串。這是一個非擷取匹配，也就是說，該匹配不需要擷取供以後使用。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尋，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 的字串開始處匹配尋找字串。這是一個非擷取匹配，也就是說，該匹配不需要擷取供以後使用。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尋，而不是從包含預查的字元之後開始
x|y	匹配 x 或 y。例如，‘z|food‘ 能匹配 "z" 或 "food"。‘(z|f)ood‘ 則匹配 "zood" 或 "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。匹配未包含的任一字元。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一字元。例如，‘[a-z]‘ 可以匹配 ‘a‘ 到 ‘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一字元。例如，‘[^a-z]‘ 可以匹配任何不在 ‘a‘ 到 ‘z‘ 範圍內的任一字元。
\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 或斷行符號符。x 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個原義的 ‘c‘ 字元。
\d	匹配一個數字字元。等價於 [0-9]。
\D	匹配一個非數字字元。等價於 [^0-9]。
\f	匹配一個換頁符。等價於 \x0c 和 \cL。
\n	匹配一個分行符號。等價於 \x0a 和 \cJ。
\r	匹配一個斷行符號符。等價於 \x0d 和 \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 和 \cI。
\v	匹配一個垂直定位字元。等價於 \x0b 和 \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字長。例如，‘\x41‘ 匹配 "A"。‘\x041‘ 則等價於 ‘\x04‘ & "1"。Regex中可以使用 ASCII 編碼。.
\num	匹配 num，其中 num 是一個正整數。對所擷取的匹配的引用。例如，‘(.)\1‘ 匹配兩個連續的相同字元。
\n	標識一個八進位轉義值或一個反向參考。如果 \n 之前至少 n 個擷取的子運算式，則 n 為反向參考。否則，如果 n 為八位元字 (0-7)，則 n 為一個八進位轉義值。
\nm	標識一個八進位轉義值或一個反向參考。如果 \nm 之前至少有 nm 個獲得子運算式，則 nm 為反向參考。如果 \nm 之前至少有 n 個擷取，則 n 為一個後跟文字 m 的反向參考。如果前面的條件都不滿足，若 n 和 m 均為八位元字 (0-7)，則 \nm 將匹配八進位轉義值 nm。
\nml	如果 n 為八位元字 (0-3)，且 m 和 l 均為八位元字 (0-7)，則匹配八進位轉義值 nml。
\un	匹配 n，其中 n 是一個用四個十六進位數字表示的 Unicode 字元。例如， \u00A9 匹配著作權符號 (©)。

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。 

‘*‘，‘+‘和‘?‘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2個b（"abb"）； 
"ab{2,}"：表示一個字串有一個a跟著至少2個b； 
"ab{3,5}"：表示一個字串有一個a跟著3到5個b。

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，‘*‘，‘+‘和 
‘?‘相當於"{0,}"，"{1,}"和"{0,1}"。 
還有一個‘¦‘，表示“或”操作：

"hi¦hello"：表示一個字串裡有"hi"或者"hello"； 
"(b¦cd)ef"：表示"bef"或"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"後面跟著一個任一字元和一個數字； 
"^.{3}$"：表示有任意三個字元的字串（長度為3個字元）；

方括弧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"或"b"（相當於"a¦b"）； 
"[a-d]"：表示一個字串包含小寫‘a‘到‘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]%"：表示一個百分比符號前有一位的數字； 
",[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字結束。

你也可以在方括弧裡用‘^‘表示不希望出現的字元，‘^‘應在方括弧裡的第一位。（如："%[^a-zA-Z]%"表 
示兩個百分比符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‘\‘。

請注意在方括弧中，不需要逸出字元。