正则入门教程（上）
目錄
本文目標
如何使用本教程
正則表達式到底是什么東西？
入門
測試正則表達式
元字符
字符轉義
重復
字符類
?
本文目標
30分鐘內讓你明白正則表達式是什么，并對它有一些基本的了解，讓你可以在自己的程序或網頁里使用它。
如何使用本教程
別被下面那些復雜的表達式嚇倒，只要跟著我一步一步來，你會發現正則表達式其實并沒有想像中的那么困難。
當然，如果你看完了這篇教程之后，發現自己明白了很多，卻又幾乎什么都記不得，那也是很正常的——我認為，沒接觸過正則表達式的人在看完這篇教程后，能把提到過的語法記住80%以上的可能性為零。這里只是讓你明白基本的原理，以后你還需要多練習，多使用，才能熟練掌握正則表達式。
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正則表達式語法參考手冊。就作者本人的經歷來說，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？
隱藏邊注?本文方框里有一些注釋，主要是用來提供一些相關信息，或者給沒有程序員背景的讀者解釋一些基本概念，通常可以忽略。
正則表達式到底是什么東西？
在編寫處理字符串的程序或網頁時，經常會有查找符合某些復雜規則的字符串的需要。
正則表達式就是用于描述這些規則的工具。換句話說，正則表達式就是記錄文本規則的代碼。
很可能你使用過Windows/Dos下用于文件查找的通配符(wildcard)，也就是?*?和???。如果你想查找某個目錄下的所有的Word文檔的話，你會搜索?*.doc。在這里，*?會被解釋成任意的字符串。
和通配符類似，正則表達式也是用來進行文本匹配的工具，只不過比起通配符，它能更精確地描述你的需求——當然，代價就是更復雜，比如你可以編寫一個正則表達式，用來查找所有以0開頭，后面跟著2-3個數字，然后是一個連字號“-”，最后是7或8位數字的字符串(像010-12345678或0376-7654321)。
字符是計算機軟件處理文字時最基本的單位，可能是字母，數字，標點符號，空格，換行符，漢字等等。字符串是0個或更多個字符的序列。文本也就是文字，字符串。說某個字符串匹配某個正則表達式，通常是指這個字符串里有一部分（或幾部分分別）能滿足表達式給出的條件。
入門
學習正則表達式的最好方法是從例子開始，理解例子之后再自己對例子進行修改，實驗。下面給出了不少簡單的例子，并對它們作了詳細的說明。
假設你在一篇英文小說里查找?hi，你可以使用正則表達式?hi?。
這幾乎是最簡單的正則表達式了，它可以精確匹配這樣的字符串：由兩個字符組成，前一個字符是h,后一個是i。通常，處理正則表達式的工具會提供一個忽略大小寫的選項，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，很多單詞里包含?hi? 這兩個連續的字符，比如?him,history,high?等等。用?hi??來查找的話，這里邊的?hi?也會被找出來。如果要精確地查找hi這個單詞的話，我們應該使用\bhi\b。
\b?是正則表達式規定的一個特殊代碼（好吧，某些人叫它元字符，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?并不匹配這些單詞分隔字符中的任何一個，它只匹配一個位置。
假如你要找的是hi后面不遠處跟著一個Lucy，你應該用?\bhi\b.*\bLucy\b。
這里?.?是另一個元字符，匹配除了換行符以外的任意字符。*?同樣是元字符，不過它代表的不是字符，也不是位置，而是數量——它指定?* 前邊的內容可以連續重復使用任意次以使整個表達式得到匹配。因此，.*?連在一起就意味著任意數量的不包含換行的字符。
現在?\bhi\b.*\bLucy\b?的意思就很明顯了：先是一個單詞hi,然后是任意個任意字符(但不能是換行)，最后是Lucy這個單詞。
如果同時使用其它元字符，我們就能構造出功能更強大的正則表達式。比如下面這個例子：
0\d\d-\d\d\d\d\d\d\d\d匹配這樣的字符串：以0開頭，然后是兩個數字，然后是一個連字號“-”，最后是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)。
這里的?\d?是個新的元字符，匹配一位數字(0，或1，或2，或……)。-?不是元字符，只匹配它本身——連字符(或者減號，或者中橫線，或者隨你怎么稱呼它)。?
為了避免那么多煩人的重復，我們也可以這樣寫這個表達式：0\d{2}-\d{8}。這里?\d?后面的{2}(?{8}?) 的意思是前面?\d?必須連續重復匹配2次(8次)。
測試正則表達式
如果你不覺得正則表達式很難讀寫的話，要么你是一個天才，要么，你不是地球人。正則表達式的語法很令人頭疼，即使對經常使用它的人來說也是如此。由于難于讀寫，容易出錯，所以找一種工具對正則表達式進行測試是很有必要的。
不同的環境下正則表達式的一些細節是不相同的，本教程介紹的是微軟 .Net Framework 4.5 下正則表達式的行為，所以，我向你推薦我編寫的.Net下的工具?Regester。請參考該頁面的說明來安裝和運行該軟件。
下面是Regester運行時的截圖：
元字符
現在你已經知道幾個很有用的元字符了，如?\b,?.?,?*?，還有?\d. 正則表達式里還有更多的元字符，比如?\s?匹配任意的空白符，包括空格，制表符(Tab)，換行符，中文全角空格等。\w?匹配字母或數字或下劃線或漢字等。
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)，然后是字母a,然后是任意數量的字母或數字(\w*)，最后是單詞結束處(\b)。
\d+匹配1個或更多連續的數字。這里的?+?是和?*?類似的元字符，不同的是?*?匹配重復任意次(可能是0次)，而?+?則匹配重復1次或更多次。
\b\w{6}\b?匹配剛好6個字符的單詞。
| . | 匹配除換行符以外的任意字符 |
| \w | 匹配字母或數字或下劃線或漢字 |
| \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 |
| ^ | 匹配字符串的開始 |
| $ | 匹配字符串的結束 |
正則表達式引擎通常會提供一個“測試指定的字符串是否匹配一個正則表達式”的方法，如JavaScript里的RegExp.test()方法或.NET里的Regex.IsMatch()方法。這里的匹配是指是字符串里有沒有符合表達式規則的部分。如果不使用^和$的話，對于\d{5,12}而言，使用這樣的方法就只能保證字符串里包含5到12連續位數字，而不是整個字符串就是5到12位數字。
元字符^（和數字6在同一個鍵位上的符號）和?$?都匹配一個位置，這和?\b?有點類似。
^匹配你要用來查找的字符串的開頭，$匹配結尾。這兩個代碼在驗證輸入的內容時非常有用，比如一個網站如果要求你填寫的QQ號必須為5位到12位數字時，可以使用：^\d{5,12}$。
?
這里的{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復2次，{5,12}則是重復的次數不能少于5次，不能多于12次，否則都不匹配。
因為使用了^和$，所以輸入的整個字符串都要用來和\d{5,12}來匹配，也就是說整個輸入必須是5到12個數字，因此如果輸入的QQ號能匹配這個正則表達式的話，那就符合要求了。
和忽略大小寫的選項類似，有些正則表達式處理工具還有一個處理多行的選項。如果選中了這個選項，^和$的意義就變成了匹配行的開始處和結束處。
字符轉義
如果你想查找元字符本身的話，比如你查找?.?,或者?*?,就出現了問題：你沒辦法指定它們，因為它們會被解釋成別的意思。這時你就得使用?\?來取消這些字符的特殊意義。因此，你應該使用?\.?和?\*?。當然，要查找?\?本身，你也得用 \\.
例如：deerchao\.net?匹配?deerchao.net，C:\\Windows?匹配?C:\Windows。
重復
你已經看過了前面的?*,?+,?{2},?{5,12}?這幾個匹配重復的方式了。下面是正則表達式中所有的限定符(指定數量的代碼，例如*,{5,12}等)：
| * | 重復零次或更多次 |
| + | 重復一次或更多次 |
| ? | 重復零次或一次 |
| {n} | 重復n次 |
| {n,} | 重復n次或更多次 |
| {n,m} | 重復n到m次 |
下面是一些使用重復的例子：
Windows\d+?匹配Windows后面跟1個或更多數字
^\w+匹配一行的第一個單詞(或整個字符串的第一個單詞，具體匹配哪個意思得看選項設置)
字符類
要想查找數字，字母或數字，空白是很簡單的，因為已經有了對應這些字符集合的元字符，但是如果你想匹配沒有預定義元字符的字符集合(比如元音字母a,e,i,o,u),應該怎么辦？
很簡單，你只需要在方括號里列出它們就行了，像[aeiou]就匹配任何一個英文元音字母，[.?!]匹配標點符號(.或?或!)。
我們也可以輕松地指定一個字符范圍，像[0-9]代表的含意與?\d?就是完全一致的：一位數字；同理[a-z0-9A-Z_]也完全等同于\w（如果只考慮英文的話）。
下面是一個更復雜的表達式：\(?0\d{2}[) -]?\d{8}。
“(”和“)”也是元字符，后面的分組節里會提到，所以在這里需要使用轉義。
這個表達式可以匹配幾種格式的電話號碼，像(010)88886666，或022-22334455，或02912345678等。我們對它進行一些分析吧：首先是一個轉義字符\(,它能出現0次或1次(?),然后是一個0，后面跟著2個數字(\d{2})，然后是?)?或?-或空格中的一個，它出現1次或不出現(?)，最后是8個數字(\d{8})。
總結
- 上一篇： 项目经理的10条项目管理心得
- 下一篇： 正则入门教程（下）