Javascript教程:入門學習Regex

文章簡介：Regex30分鐘入門教程。

本文目標

30分鐘內讓你明白Regex是什麼，並對它有一些基本的瞭解，讓你可以在自己的程式或網頁裡使用它。

如何使用本教程

別被下面那些複雜的運算式嚇倒，只要跟著我一步一步來，你會發現Regex其實並沒有你想像中的那麼困難。當然，如果你看完了這篇教程之後，發現自己明白了很多，卻又幾乎什麼都記不得，那也是很正常的——我認為，沒接觸過Regex的人在看完這篇教程後，能把提到過的文法記住80%以上的可能性為零。這裡只是讓你明白基本的原理，以後你還需要多練習，多使用，才能熟練掌握Regex。

除了作為入門教程之外，本文還試圖成為可以在日常工作中使用的Regex文法參考手冊。就作者本人的經曆來說，這個目標還是完成得不錯的——你看，我自己也沒能把所有的東西記下來，不是嗎？

Regex到底是什麼東西？

在編寫處理字串的程式或網頁時，經常會有尋找符合某些複雜規則的字串的需要。Regex就是用於描述這些規則的工具。換句話說，Regex就是記錄文本規則的代碼。

很可能你使用過Windows/Dos下用於檔案尋找的萬用字元(wildcard)，也就是*和?。如果你想尋找某個目錄下的所有的Word文檔的話，你會搜尋*.doc。在這裡，*會被解釋成任意的字串。和萬用字元類似，Regex也是用來進行文本匹配的工具，只不過比起萬用字元，它能更精確地描述你的需求——當然，代價就是更複雜——比如你可以編寫一個Regex，用來尋找所有以0開頭，後面跟著2-3個數字，然後是一個連字號“-”，最後是7或8位元字的字串(像010-12345678或0376-7654321)。

入門

學習Regex的最好方法是從例子開始，理解例子之後再自己對例子進行修改，實驗。下面給出了不少簡單的例子，並對它們作了詳細的說明。

假設你在一篇英文小說裡尋找hi，你可以使用Regexhi。

這幾乎是最簡單的Regex了，它可以精確匹配這樣的字串：由兩個字元組成，前一個字元是h,後一個是i。通常，處理Regex的工具會提供一個忽略大小寫選項，如果選中了這個選項，它可以匹配hi,HI,Hi,hI這四種情況中的任意一種。

不幸的是，很多單詞裡包含hi這兩個連續的字元，比如him,history,high等等。用hi來尋找的話，這裡邊的hi也會被找出來。如果要精確地尋找hi這個單詞的話，我們應該使用\bhi\b。

\b是Regex規定的一個特殊代碼（好吧，某些人叫它元字元，metacharacter），代表著單詞的開頭或結尾，也就是單詞的分界處。雖然通常英文的單詞是由空格，標點符號或者換行來分隔的，但是\b並不匹配這些單詞分隔字元中的任何一個，它只匹配一個位置。

假如你要找的是hi後面不遠處跟著一個Lucy，你應該用\bhi\b.*\bLucy\b。

這裡，.是另一個元字元，匹配除了分行符號以外的任一字元。*同樣是元字元，不過它代表的不是字元，也不是位置，而是數量——它指定*前邊的內容可以連續重複使用任意次以使整個運算式得到匹配。因此，.*連在一起就意味著任意數量的不包含換行的字元。現在\bhi\b.*\bLucy\b的意思就很明顯了：先是一個單詞hi,然後是任意個任一字元(但不能是換行)，最後是Lucy這個單詞。

如果同時使用其它元字元，我們就能構造出功能更強大的Regex。比如下面這個例子：

0\d\d-\d\d\d\d\d\d\d\d匹配這樣的字串：以0開頭，然後是兩個數字，然後是一個連字號“-”，最後是8個數字(也就是中國的電話號碼。當然，這個例子只能匹配區號為3位的情形)。

這裡的\d是個新的元字元，匹配一位元字(0，或1，或2，或……)。-不是元字元，只匹配它本身——連字號(或者減號，或者中橫線，或者隨你怎麼稱呼它)。

為了避免那麼多煩人的重複，我們也可以這樣寫這個運算式：0\d{2}-\d{8}。 這裡\d後面的{2}({8})的意思是前面\d必須連續重複匹配2次(8次)。

測試Regex

如果你不覺得Regex很難讀寫的話，要麼你是一個天才，要麼，你不是地球人。Regex的文法很令人頭疼，即使對經常使用它的人來說也是如此。由於難於讀寫，容易出錯，所以找一種工具對Regex進行測試是很有必要的。

不同的環境下Regex的一些細節是不相同的，本教程介紹的是微軟 .Net Framework 4.0 下Regex的行為，所以，我向你推薦我編寫的.Net下的工具 Regex測試器。請參考該頁面的說明來安裝和運行該軟體。

下面是Regex Tester運行時的截圖：

現在你已經知道幾個很有用的元字元了，如\b,.,*，還有\d.Regex裡還有更多的元字元，比如\s匹配任意的空白符，包括空格，定位字元(Tab)，分行符號，中文全形空格等。\w匹配字母或數字或底線或漢字等。

下面來看看更多的例子：

\ba\w*\b匹配以字母a開頭的單詞——先是某個單詞開始處(\b)，然後是字母a,然後是任意數量的字母或數字(\w*)，最後是單詞結束處(\b)。

\d+匹配1個或更多連續的數字。這裡的+是和*類似的元字元，不同的是*匹配重複任意次(可能是0次)，而+則匹配重複1次或更多次。

\b\w{6}\b 匹配剛好6個字元的單詞。

表1.常用的元字元

代碼	說明
.	匹配除分行符號以外的任一字元
\w	匹配字母或數字或底線或漢字
\s	匹配任意的空白符
\d	匹配數字
\b	匹配單詞的開始或結束
^	匹配字串的開始
$	匹配字串的結束

元字元^（和數字6在同一個鍵位上的符號）和$都匹配一個位置，這和\b有點類似。^匹配你要用來尋找的字串的開頭，$匹配結尾。這兩個代碼在驗證輸入的內容時非常有用，比如一個網站如果要求你填寫的QQ號必須為5位到12位元字時，可以使用：^\d{5,12}$。

這裡的{5,12}和前面介紹過的{2}是類似的，只不過{2}匹配只能不多不少重複2次，{5,12}則是重複的次數不能少於5次，不能多於12次，否則都不匹配。

因為使用了^和$，所以輸入的整個字串都要用來和\d{5,12}來匹配，也就是說整個輸入必須是5到12個數字，因此如果輸入的QQ號能匹配這個Regex的話，那就符合要求了。

和忽略大小寫選項類似，有些Regex處理工具還有一個處理多行的選項。如果選中了這個選項，^和$的意義就變成了匹配行的開始處和結束處。

[1] [2] [3] [4]  下一頁