Regex（regular expression ) ajax相關

今天學習Regex,發現了一篇不錯的文章拿出來和大家分享下:

轉自:http://www.regexlab.com/zh/regref.htm

引言

    Regex（regular expression）描述了一種字串匹配的模式，可以用來：（1）檢查一個串中是否含有符合某個規則的子串，並且可以得到這個子串；（2）根據匹配規則對字串進行靈活的替換操作。

    Regex學習起來其實是很簡單的，不多的幾個較為抽象的概念也很容易理解。之所以很多人感覺Regex比較複雜，一方面是因為大多數的文檔沒有做到由淺入深地講解，概念上沒有注意先後順序，給讀者的理解帶來困難；另一方面，各種引擎內建的文檔一般都要介紹它特有的功能，然而這部分特有的功能並不是我們首先要理解的。

    文章中的每一個舉例，都可以點擊進入到測試頁面進行測試。閑話少說，開始。

1. Regex規則1.1 一般字元

    字母、數字、漢字、底線、以及後邊章節中沒有特殊定義的標點符號，都是"一般字元"。運算式中的一般字元，在匹配一個字串的時候，匹配與之相同的一個字元。

    舉例1：運算式 "c"，在匹配字串 "abcde" 時，匹配結果是：成功；匹配到的內容是："c"；匹配到的位置是：開始於2，結束於3。（註：下標從0開始還是從1開始，因當前程式設計語言的不同而可能不同）

    舉例2：運算式 "bcd"，在匹配字串 "abcde" 時，匹配結果是：成功；匹配到的內容是："bcd"；匹配到的位置是：開始於1，結束於4。

1.2 簡單的逸出字元

    一些不便書寫的字元，採用在前面加 "/" 的方法。這些字元其實我們都已經熟知了。

運算式	可匹配
/r, /n	代表斷行符號和分行符號
/t	定位字元
//	代表 "/" 本身

    還有其他一些在後邊章節中有特殊用處的標點符號，在前面加 "/" 後，就代表該符號本身。比如：^, $ 都有特殊意義，如果要想匹配字串中 "^" 和 "$" 字元，則運算式就需要寫成 "/^" 和 "/$"。

運算式	可匹配
/^	匹配 ^ 符號本身
/$	匹配 $ 符號本身
/.	匹配小數點（.）本身

    這些逸出字元的匹配方法與 "一般字元" 是類似的。也是匹配與之相同的一個字元。

    舉例1：運算式 "/$d"，在匹配字串 "abc$de" 時，匹配結果是：成功；匹配到的內容是："$d"；匹配到的位置是：開始於3，結束於5。

1.3 能夠與 '多種字元' 匹配的運算式

    Regex中的一些表示方法，可以匹配 '多種字元' 其中的任意一個字元。比如，運算式 "/d" 可以匹配任意一個數字。雖然可以匹配其中任一字元，但是只能是一個，不是多個。這就好比玩撲克牌時候，大小王可以代替任意一張牌，但是只能代替一張牌。

運算式	可匹配
/d	任意一個數字，0~9 中的任意一個
/w	任意一個字母或數字或底線，也就是 A~Z,a~z,0~9,_ 中任意一個
/s	包括空格、定位字元、換頁符等空白字元的其中任意一個
.	小數點可以匹配除了分行符號（/n）以外的任意一個字元

    舉例1：運算式 "/d/d"，在匹配 "abc123" 時，匹配的結果是：成功；匹配到的內容是："12"；匹配到的位置是：開始於3，結束於5。

    舉例2：運算式 "a./d"，在匹配 "aaa100" 時，匹配的結果是：成功；匹配到的內容是："aa1"；匹配到的位置是：開始於1，結束於4。

1.4 自訂能夠匹配 '多種字元' 的運算式

    使用方括弧 [ ] 包含一系列字元，能夠匹配其中任意一個字元。用 [^ ] 包含一系列字元，則能夠匹配其中字元之外的任意一個字元。同樣的道理，雖然可以匹配其中任意一個，但是只能是一個，不是多個。

運算式	可匹配
[ab5@]	匹配 "a" 或 "b" 或 "5" 或 "@"
[^abc]	匹配 "a","b","c" 之外的任意一個字元
[f-k]	匹配 "f"~"k" 之間的任意一個字母
[^A-F0-3]	匹配 "A"~"F","0"~"3" 之外的任意一個字元

    舉例1：運算式 "[bcd][bcd]" 匹配 "abc123" 時，匹配的結果是：成功；匹配到的內容是："bc"；匹配到的位置是：開始於1，結束於3。

    舉例2：運算式 "[^abc]" 匹配 "abc123" 時，匹配的結果是：成功；匹配到的內容是："1"；匹配到的位置是：開始於3，結束於4。

1.5 修飾匹配次數的特殊符號

    前面章節中講到的運算式，無論是只能匹配一種字元的運算式，還是可以匹配多種字元其中任意一個的運算式，都只能匹配一次。如果使用運算式再加上修飾匹配次數的特殊符號，那麼不用重複書寫運算式就可以重複匹配。

    使用方法是："次數修飾"放在"被修飾的運算式"後邊。比如："[bcd][bcd]" 可以寫成 "[bcd]{2}"。

運算式	作用
{n}	運算式重複n次，比如："/w{2}" 相當於 "/w/w"；"a{5}" 相當於 "aaaaa"
{m,n}	運算式至少重複m次，最多重複n次，比如："ba{1,3}"可以匹配 "ba"或"baa"或"baaa"
{m,}	運算式至少重複m次，比如："/w/d{2,}"可以匹配 "a12","_456","M12344"...
?	匹配運算式0次或者1次，相當於 {0,1}，比如："a[cd]?"可以匹配 "a","ac","ad"
+	運算式至少出現1次，相當於 {1,}，比如："a+b"可以匹配 "ab","aab","aaab"...
*	運算式不出現或出現任意次，相當於 {0,}，比如："/^*b"可以匹配 "b","^^^b"...

    舉例1：運算式 "/d+/.?/d*" 在匹配 "It costs $12.5" 時，匹配的結果是：成功；匹配到的內容是："12.5"；匹配到的位置是：開始於10，結束於14。

    舉例2：運算式 "go{2,8}gle" 在匹配 "Ads by goooooogle" 時，匹配的結果是：成功；匹配到的內容是："goooooogle"；匹配到的位置是：開始於7，結束於17。

1.6 其他一些代表抽象意義的特殊符號

    一些符號在運算式中代表抽象的特殊意義：

運算式	作用
^	與字串開始的地方匹配，不匹配任何字元
$	與字串結束的地方匹配，不匹配任何字元
/b	匹配一個單詞邊界，也就是單詞和空格之間的位置，不匹配任何字元

    進一步的文字說明仍然比較抽象，因此，舉例協助大家理解。

    舉例1：運算式 "^aaa" 在匹配 "xxx aaa xxx" 時，匹配結果是：失敗。因為 "^" 要求與字串開始的地方匹配，因此，只有當 "aaa" 位於字串的開頭的時候，"^aaa" 才能匹配，比如："aaa xxx xxx"。

    舉例2：運算式 "aaa$" 在匹配 "xxx aaa xxx" 時，匹配結果是：失敗。因為 "$" 要求與字串結束的地方匹配，因此，只有當 "aaa" 位於字串的結尾的時候，"aaa$" 才能匹配，比如："xxx xxx aaa"。

    舉例3：運算式 "./b." 在匹配 "@@@abc" 時，匹配結果是：成功；匹配到的內容是："@a"；匹配到的位置是：開始於2，結束於4。
    進一步說明："/b" 與 "^" 和 "$" 類似，本身不匹配任何字元，但是它要求它在匹配結果中所處位置的左右兩邊，其中一邊是 "/w" 範圍，另一邊是 非"/w" 的範圍。

    舉例4：運算式 "/bend/b" 在匹配 "weekend,endfor,end" 時，匹配結果是：成功；匹配到的內容是："end"；匹配到的位置是：開始於15，結束於18。

    一些符號可以影響運算式內部的子運算式之間的關係：

運算式	作用
|	左右兩邊運算式之間 "或" 關係，匹配左邊或者右邊
( )	(1). 在被修飾匹配次數的時候，括弧中的運算式可以作為整體被修飾 (2). 取匹配結果的時候，括弧中的運算式匹配到的內容可以被單獨得到

    舉例5：運算式 "Tom|Jack" 在匹配字串 "I'm Tom, he is Jack" 時，匹配結果是：成功；匹配到的內容是："Tom"；匹配到的位置是：開始於4，結束於7。匹配下一個時，匹配結果是：成功；匹配到的內容是："Jack"；匹配到的位置時：開始於15，結束於19。

    舉例6：運算式 "(go/s*)+" 在匹配 "Let's go go go!" 時，匹配結果是：成功；匹配到內容是："go go go"；匹配到的位置是：開始於6，結束於14。

    舉例7：運算式 "￥(/d+/.?/d*)" 在匹配 "＄10.9,￥20.5" 時，匹配的結果是：成功；匹配到的內容是："￥20.5"；匹配到的位置是：開始於6，結束於10。單獨擷取括弧範圍匹配到的內容是："20.5"。

2. Regex中的一些進階規則2.1 匹配次數中的貪婪與非貪婪

    在使用修飾匹配次數的特殊符號時，有幾種表示方法可以使同一個運算式能夠匹配不同的次數，比如："{m,n}", "{m,}", "?", "*", "+"，具體匹配的次數隨被匹配的字串而定。這種重複匹配不定次數的運算式在匹配過程中，總是儘可能多的匹配。比如，針對文本 "dxxxdxxxd"，舉例如下：

運算式	匹配結果
(d)(/w+)	"/w+" 將匹配第一個 "d" 之後的所有字元 "xxxdxxxd"
(d)(/w+)(d)	"/w+" 將匹配第一個 "d" 和最後一個 "d" 之間的所有字元 "xxxdxxx"。雖然 "/w+" 也能夠匹配上最後一個 "d"，但是為了使整個運算式匹配成功，"/w+" 可以 "讓出" 它本來能夠匹配的最後一個 "d"

    由此可見，"/w+" 在匹配的時候，總是儘可能多的匹配符合它規則的字元。雖然第二個舉例中，它沒有匹配最後一個 "d"，但那也是為了讓整個運算式能夠匹配成功。同理，帶 "*" 和 "{m,n}" 的運算式都是儘可能地多匹配，帶 "?" 的運算式在可匹配可不匹配的時候，也是儘可能的 "要匹配"。這 種匹配原則就叫作 "貪婪" 模式 。

    非貪婪模式：

    在修飾匹配次數的特殊符號後再加上一個 "?" 號，則可以使匹配次數不定的運算式儘可能少的匹配，使可匹配可不匹配的運算式，儘可能的 "不匹配"。這種匹配原則叫作 "非貪婪" 模式，也叫作 "勉強" 模式。如果少匹配就會導致整個運算式匹配失敗的時候，與貪婪模式類似，非貪婪模式會最小限度的再匹配一些，以使整個運算式匹配成功。舉例如下，針對文本 "dxxxdxxxd" 舉例：

運算式	匹配結果
(d)(/w+?)	"/w+?" 將儘可能少的匹配第一個 "d" 之後的字元，結果是："/w+?" 只匹配了一個 "x"
(d)(/w+?)(d)	為了讓整個運算式匹配成功，"/w+?" 不得不匹配 "xxx" 才可以讓後邊的 "d" 匹配，從而使整個運算式匹配成功。因此，結果是："/w+?" 匹配 "xxx"

    更多的情況，舉例如下：

    舉例1：運算式 "<td>(.*)</td>" 與字串 "<td><p>aa</p></td> <td><p>bb</p></td>" 匹配時，匹配的結果是：成功；匹配到的內容是 "<td><p>aa</p></td> <td><p>bb</p></td>" 整個字串， 運算式中的 "</td>" 將與字串中最後一個 "</td>" 匹配。

    舉例2：相比之下，運算式 "<td>(.*?)</td>" 匹配舉例1中同樣的字串時，將只得到 "<td><p>aa</p></td>"， 再次匹配下一個時，可以得到第二個 "<td><p>bb</p></td>"。

2.2 反向引用 /1, /2...

    運算式在匹配時，運算式引擎會將小括弧 "( )" 包含的運算式所匹配到的字串記錄下來。在擷取匹配結果的時候，小括弧包含的運算式所匹配到的字串可以單獨擷取。這一點，在前面的舉例中，已經多次展示了。在實際應用場合中，當用某種邊界來尋找，而所要擷取的內容又不包含邊界時，必須使用小括弧來指定所要的範圍。比如前面的 "<td>(.*?)</td>"。

    其實，"小括弧包含的運算式所匹配到的字串" 不僅是在匹配結束後才可以使用，在匹配過程中也可以使用。運算式後邊的部分，可以引用前面 "括弧內的子匹配已經匹配到的字串"。引用方法是 "/" 加上一個數字。"/1" 引用第1對括弧內匹配到的字串，"/2" 引用第2對括弧內匹配到的字串……以此類推，如果一對括弧內包含另一對括弧，則外層的括弧先排序號。換句話說，哪一對的左括弧 "(" 在前，那這一對就先排序號。

    舉例如下：

    舉例1：運算式 "('|")(.*?)(/1)" 在匹配 " 'Hello', "World" " 時，匹配結果是：成功；匹配到的內容是：" 'Hello' "。再次匹配下一個時，可以匹配到 " "World" "。

    舉例2：運算式 "(/w)/1{4,}" 在匹配 "aa bbbb abcdefg ccccc 111121111 999999999" 時，匹配結果是：成功；匹配到的內容是 "ccccc"。再次匹配下一個時，將得到 999999999。這個運算式要求 "/w" 範圍的字元至少重複5次，注意與 "/w{5,}" 之間的區別。

    舉例3：運算式 "<(/w+)/s*(/w+(=('|").*?/4)?/s*)*>.*?<//1>" 在匹配 "<td id='td1' style="bgcolor:white"></td>" 時，匹配結果是成功。如果 "<td>" 與 "</td>" 不配對，則會匹配失敗；如果改成其他配對，也可以匹配成功。

2.3 預搜尋，不匹配；反向預搜尋，不匹配

    前面的章節中，我講到了幾個代表抽象意義的特殊符號："^"，"$"，"/b"。它們都有一個共同點，那就是：它們本身不匹配任何字元，只是對 "字串的兩頭" 或者 "字元之間的縫隙" 附加了一個條件。理解到這個概念以後，本節將繼續介紹另外一種對 "兩頭" 或者 "縫隙" 附加條件的，更加靈活的表示方法。

    正向預搜尋："(?=xxxxx)"，"(?!xxxxx)"

    格式："(?=xxxxx)"，在被匹配的字串中，它對所處的 "縫隙" 或者 "兩頭" 附加的條件是：所在縫隙的右側，必須能夠匹配上 xxxxx 這部分的運算式。因為它只是在此作為這個縫隙上附加的條件，所以它並不影響後邊的運算式去真正匹配這個縫隙之後的字元。這就類似 "/b"，本身不匹配任何字元。"/b" 只是將所在縫隙之前、之後的字元取來進行了一下判斷，不會影響後邊的運算式來真正的匹配。

    舉例1：運算式 "Windows (?=NT|XP)" 在匹配 "Windows 98, Windows NT, Windows 2000" 時，將只匹配 "Windows NT" 中的 "Windows "，其他的 "Windows " 字樣則不被匹配。

    舉例2：運算式 "(/w)((?=/1/1/1)(/1))+" 在匹配字串 "aaa ffffff 999999999" 時，將可以匹配6個"f"的前4個，可以匹配9個"9"的前7個。這個運算式可以讀解成：重複4次以上的字母數字，則匹配其剩下最後2位之前的部分。當然，這個運算式可以不這樣寫，在此的目的是作為示範之用。

    格式："(?!xxxxx)"，所在縫隙的右側，必須不能匹配 xxxxx 這部分運算式。

    舉例3：運算式 "((?!/bstop/b).)+" 在匹配 "fdjka ljfdl stop fjdsla fdj" 時，將從頭一直匹配到 "stop" 之前的位置，如果字串中沒有 "stop"，則匹配整個字串。

    舉例4：運算式 "do(?!/w)" 在匹配字串 "done, do, dog" 時，只能匹配 "do"。在本條舉例中，"do" 後邊使用 "(?!/w)" 和使用 "/b" 效果是一樣的。

    反向預搜尋："(?<=xxxxx)"，"(?<!xxxxx)"

    這兩種格式的概念和正向預搜尋是類似的，反向預搜尋要求的條件是：所在縫隙的 "左側"，兩種格式分別要求必須能夠匹配和必須不能夠匹配指定運算式，而不是去判斷右側。與 "正向預搜尋" 一樣的是：它們都是對所在縫隙的一種附加條件，本身都不匹配任何字元。

    舉例5：運算式 "(?<=/d{4})/d+(?=/d{4})" 在匹配 "1234567890123456" 時，將匹配除了前4個數字和後4個數字之外的中間8個數字。由於 JScript.RegExp 不支援反向預搜尋，因此，本條舉例不能夠進行示範。很多其他的引擎可以支援反向預搜尋，比如：Java 1.4 以上的 java.util.regex 包，.NET 中System.Text.RegularExpressions 命名空間，以及本站推薦的最簡單易用的 DEELX 正則引擎。

3. 其他通用規則

    還有一些在各個Regex引擎之間比較通用的規則，在前面的講解過程中沒有提到。

3.1 運算式中，可以使用 "/xXX" 和 "/uXXXX" 表示一個字元（"X" 表示一個十六進位數）

形式	字元範圍
/xXX	編號在 0 ~ 255 範圍的字元，比如：空格可以使用 "/x20" 表示
/uXXXX	任何字元可以使用 "/u" 再加上其編號的4位十六進位數表示，比如："/u4E2D"

3.2 在運算式 "/s"，"/d"，"/w"，"/b" 表示特殊意義的同時，對應的大寫字母表示相反的意義

運算式	可匹配
/S	匹配所有非空白字元（"/s" 可匹配各個空白字元）
/D	匹配所有的非數字字元
/W	匹配所有的字母、數字、底線以外的字元
/B	匹配非單詞邊界，即左右兩邊都是 "/w" 範圍或者左右兩邊都不是 "/w" 範圍時的字元縫隙

3.3 在運算式中有特殊意義，需要添加 "/" 才能匹配該字元本身的字元匯總

字元	說明
^	匹配輸入字串的開始位置。要匹配 "^" 字元本身，請使用 "/^"
$	匹配輸入字串的結尾位置。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。要匹配小括弧，請使用 "/(" 和 "/)"
[ ]	用來自訂能夠匹配 '多種字元' 的運算式。要匹配中括弧，請使用 "/[" 和 "/]"
{ }	修飾匹配次數的符號。要匹配大括弧，請使用 "/{" 和 "/}"
.	匹配除了分行符號（/n）以外的任意一個字元。要匹配小數點本身，請使用 "/."
?	修飾匹配次數為 0 次或 1 次。要匹配 "?" 字元本身，請使用 "/?"
+	修飾匹配次數為至少 1 次。要匹配 "+" 字元本身，請使用 "/+"
*	修飾匹配次數為 0 次或任意次。要匹配 "*" 字元本身，請使用 "/*"
|	左右兩邊運算式之間 "或" 關係。匹配 "|" 本身，請使用 "/|"

3.4 括弧 "( )" 內的子運算式，如果希望匹配結果不進行記錄供以後使用，可以使用 "(?:xxxxx)" 格式

    舉例1：運算式 "(?:(/w)/1)+" 匹配 "a bbccdd efg" 時，結果是 "bbccdd"。括弧 "(?:)" 範圍的匹配結果不進行記錄，因此 "(/w)" 使用 "/1" 來引用。

3.5 常用的運算式屬性設定簡介：Ignorecase，Singleline，Multiline，Global

運算式屬性	說明
Ignorecase	預設情況下，運算式中的字母是要區分大小寫。配置為 Ignorecase 可使匹配時不區分大小寫。有的運算式引擎，把 "大小寫" 概念延伸至 UNICODE 範圍的大小寫。
Singleline	預設情況下，小數點 "." 匹配除了分行符號（/n）以外的字元。配置為 Singleline 可使小數點可匹配包括分行符號在內的所有字元。
Multiline	預設情況下，運算式 "^" 和 "$" 只匹配字串的開始 ① 和結尾 ④ 位置。如： ①xxxxxxxxx②/n ③xxxxxxxxx④ 配置為 Multiline 可以使 "^" 匹配 ① 外，還可以匹配分行符號之後，下一行開始前 ③ 的位置，使 "$" 匹配 ④ 外，還可以匹配分行符號之前，一行結束 ② 的位置。
Global	主要在將運算式用來替換時起作用，配置為 Global 表示替換所有的匹配。

 

 

4. 其他提示

4.1 如果想要瞭解進階的正則引擎還支援那些複雜的正則文法，可參見本站 DEELX 正則引擎的說明文檔。

4.2 如果要要求運算式所匹配的內容是整個字串，而不是從字串中找一部分，那麼可以在運算式的首尾使用 "^" 和 "$"，比如："^/d+$" 要求整個字串只有數字。

4.3 如果要求匹配的內容是一個完整的單詞，而不會是單詞的一部分，那麼在運算式首尾使用 "/b"，比如：使用 "/b(if|while|else|void|int……)/b" 來匹配程式中的關鍵字。

4.4 運算式不要匹配Null 字元串。否則會一直得到匹配成功，而結果什麼都沒有匹配到。比如：準備寫一個匹配 "123"、"123."、"123.5"、".5" 這幾種形式的運算式時，整數、小數點、小數數字都可以省略，但是不要將運算式寫成："/d*/.?/d*"，因為如果什麼都沒有，這個運算式也可以匹配成功。更好的寫法是："/d+/.?/d*|/./d+"。

4.5 能匹配Null 字元串的子匹配不要迴圈無限次。如果括弧內的子運算式中的每一部分都可以匹配 0 次，而這個括弧整體又可以匹配無限次，那麼情況可能比上一條所說的更嚴重，匹配過程中可能死迴圈。雖然現在有些Regex引擎已經通過辦法避免了這種情況出現死迴圈了，比如 .NET 的Regex，但是我們仍然應該盡量避免出現這種情況。如果我們在寫運算式時遇到了死迴圈，也可以從這一點入手，尋找一下是否是