Regex基礎教程 regular expression第1/2頁

前言
Regex是煩瑣的，但是強大的，學會之後的應用會讓你除了提高效率外，會給你帶來絕對的成就感。只要認真去閱讀這些資料，加上應用的時候進行一定的參考，掌握Regex不是問題。
1. 引子
　　目前，Regex已經在很多軟體中得到廣泛的應用，包括*nix（Linux, Unix等），HP等作業系統，PHP，C#，Java等開發環境，以及很多的應用軟體中，都可以看到Regex的影子。
　　Regex的使用，可以通過簡單的辦法來實現強大的功能。為了簡單有效而又不失強大，造成了Regex代碼的難度較大，學習起來也不是很容易，所以需要付出一些努力才行，入門之後參照一定的參考，使用起來還是比較簡單有效。
例子： ^.+@.+\\..+$
　　這樣的代碼曾經多次把我自己給嚇退過。可能很多人也是被這樣的代碼給嚇跑的吧。繼續閱讀本文將讓你也可以自由應用這樣的代碼。
　　注意：這裡的第7部分跟前面的內容看起來似乎有些重複，目的是把前面表格裡的部分重新描述了一次，目的是讓這些內容更容易理解。
2. Regex的曆史
　　Regex的“祖先”可以一直上溯至對人類神經系統如何工作的早期研究。Warren McCulloch 和 Walter Pitts 這兩位神經生理學家研究出一種數學方式來描述這些神經網路。
　　1956 年, 一位叫 Stephen Kleene 的數學家在 McCulloch 和 Pitts 早期工作的基礎上，發表了一篇標題為“神經網事件的標記法”的論文，引入了Regex的概念。Regex就是用來描述他稱為“正則集的代數”的運算式，因此採用“Regex”這個術語。
　　隨後，發現可以將這一工作應用於使用 Ken Thompson 的計算搜尋演算法的一些早期研究，Ken Thompson 是 Unix 的主要發明人。Regex的第一個實用應用程式就是 Unix 中的 qed 編輯器。
　　如他們所說，剩下的就是眾所周知的曆史了。從那時起直至現在Regex都是基於文本的編輯器和搜尋工具中的一個重要部分。
3. Regex定義
　　Regex(regular expression)描述了一種字串匹配的模式，可以用來檢查一個串是否含有某種子串、將匹配的子串做替換或者從某個串中取出符合某個條件的子串等。
列目錄時，　dir *.txt或ls *.txt中的*.txt就不是一個Regex,因為這裡*與正則式的*的含義是不同的。
　　Regex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。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。
3.1 一般字元
　　由所有那些未顯式指定為元字元的列印和非列印字元組成。這包括所有的大寫和小寫字母字元，所有數字，所有標點符號以及一些符號。
3.2 非列印字元 字元 含義
\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。
\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。
3.3 特殊字元
　　 所謂特殊字元，就是一些有特殊含義的字元，如上面說的"*.txt"中的*，簡單的說就是表示任何字串的意思。如果要尋找檔案名稱中有＊的檔案，則需要對＊進行轉義，即在其前加一個\。ls \*.txt。Regex有以下特殊字元。
　
特別字元 說明
$ 匹配輸入字串的結尾位置。如果設定了 RegExp 對象的 Multiline 屬性，則 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字元本身，請使用 \$。
( ) 標記一個子運算式的開始和結束位置。子運算式可以擷取供以後使用。要匹配這些字元，請使用 \( 和 \)。
* 匹配前面的子運算式零次或多次。要匹配 * 字元，請使用 \*。
+ 匹配前面的子運算式一次或多次。要匹配 + 字元，請使用 \+。
. 匹配除分行符號 \n之外的任何單字元。要匹配 .，請使用 \。
[ 標記一個中括號運算式的開始。要匹配 [，請使用 \[。
? 匹配前面的子運算式零次或一次，或指明一個非貪婪限定符。要匹配 ? 字元，請使用 \?。
\ 將下一個字元標記為或特殊字元、或原義字元、或反向參考、或八進位轉義符。例如， 'n' 匹配字元 'n'。'\n' 匹配分行符號。序列 '\\' 匹配 "\"，而 '\(' 則匹配 "("。
^ 匹配輸入字串的開始位置，除非在方括號運算式中使用，此時它表示不接受該字元集合。要匹配 ^ 字元本身，請使用 \^。
{ 標記限定符運算式的開始。要匹配 {，請使用 \{。
| 指明兩項之間的一個選擇。要匹配 |，請使用 \|。
　　構造Regex的方法和建立數學運算式的方法一樣。也就是用多種元字元與操作符將小的運算式結合在一起來建立更大的運算式。Regex的組件可以是單個的字元、字元集合、字元範圍、字元間的選擇或者所有這些組件的任意組合。
　
3.4 限定符
　　 限定符用來指定Regex的一個給定組件必須要出現多少次才能滿足匹配。有*或+或?或{n}或{n,}或{n,m}共6種。
*、+和?限定符都是貪婪的，因為它們會儘可能多的匹配文字，只有在它們的後面加上一個?就可以實現非貪婪或最小匹配。
　　 Regex的限定符有：
　
字元 描述
* 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。
3.5 定位器
　　 用來描述字串或單詞的邊界，^和$分別指字串的開始與結束，\b描述單詞的前或後邊界，\B表示非單詞邊界。不能對定位器使用限定符。
3.6 選擇
　　 用圓括弧將所有選擇項括起來，相鄰的選擇項之間用|分隔。但用圓括弧會有一個副作用，是相關的匹配會被緩衝，此時可用?:放在第一個選項前來消除這種副作用。
　　 其中?:是非捕獲元之一，還有兩個非捕獲元是?=和?!，這兩個還有更多的含義，前者為正向預查，在任何開始匹配圓括弧內的Regex模式的位置來匹配搜尋字串，後者為負向預查，在任何開始不匹配該Regex模式的位置來匹配搜尋字串。
3.7 後向引用
　　 對一個Regex模式或部分模式兩邊添加圓括弧將導致相關匹配儲存到一個臨時緩衝區中，所捕獲的每個子匹配都按照在Regex模式中從左至右所遇到的內容儲存。儲存子匹配的緩衝區編號從 1 開始，連續編號直至最大 99 個子運算式。每個緩衝區都可以使用 '\n' 訪問，其中 n 為一個標識特定緩衝區的一位或兩位十進位數。
　　 可以使用非捕獲元字元 '?:', '?=', or '?!' 來忽略對相關匹配的儲存。
4. 各種操作符的運算優先順序
　　 相同優先順序的從左至右進行運算，不同優先順序的運算先高後低。各種操作符的優先順序從高到低如下：
　
操作符 描述
\ 轉義符
(), (?:), (?=), [] 圓括弧和方括弧
*, +, ?, {n}, {n,}, {n,m} 限定符
^, $, \anymetacharacter 位置和順序
| “或”操作