正则表达式30分钟入门教程(第二版)

30分钟内让你明白正则表达式是什么，并对它有一些基本的了解，让你可以在自己的程序或网页里使用它。

别被下面那些复杂的表达式吓倒，只要跟着我一步一步来，你会发现正则表达式其实并不像你想像中的那么困难。当然，如果你看完了这篇教程之后发现自己明白了 很多，却又几乎什么都记不得，那也是很正常的——其实我认为没接触过正则表达式的人在看完这篇教程后能把提到过的语法记住80%以上的可能性为零。这里只 是让你明白基本道理，以后你还需要多练习，多查资料，才能熟练掌握正则表达式。

除了作为入门教程之外，本文还试图成为可以在日常工作中使用的正则表达式语法参考手册（就作者本人的经历来说，这个目标还是完成得不错的）。

文本格式约定：元字符/语法格式 正则表达式 正则表达式中的一部分(用于分析)   

在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。

很可能你使用过Windows/Dos下用于文件查找的*和?。如果你想查找某个目录下的所有的Word文档的话，你会搜索*.doc。在这里，*会被解释成任意的字符串。和通配符类似，正则表达式也是用来进行文本匹配的工具，只不过比起通配符它能更精确地描述你的需求——当然，代价就是更复杂。比如你可以编写一个正则表达式来查找

 

学习正则表达式的最好方法是从例子开始，理解例子之后再自己对例子进行修改，实验。下面给出了不少简单的例子，并对它们作了详细的说明。

假设你在一篇英文小说里查找hi。

这是最简单的正则表达式了，它可以精确匹配这样的字符串：

不幸的是，很多单词里包含hi来查找的话，这里边的/bhi/b。

/b是正则表达式规定的一个特殊代码（好吧，某些人叫它/b并不匹配这些单词分隔符中的任何一个，它只匹配一个位置。（如果需要更精确的说法，/b匹配这样的位置：它的前一个字符和后一个字符不全是/w）

假如你要找的是/bhi/b.*/bLucy/b。

这里，.是另一个元字符，匹配*同样是元字符，不过它代表的不是字符，也不是位置，而是数量--它指定*.*连在一起就意味着/bhi/b.*/bLucy/b的意思就很明显了：

如果同时使用其它的一些元字符，我们就能构造出功能更强大的正则表达式。比如下面这个例子：

0/d/d-/d/d/d/d/d/d/d/d匹配这样的字符串：

这里的/d是一个新的元字符，匹配-不是元字符，只匹配它本身——连字号。

为了避免那么多烦人的重复，我们也可以这样写这个表达式：0/d{2}-/d{8}

这里/d后面的{2}({8})的意思是前面/d

如果你不觉得正则表达式很难读写的话，要么你是一个天才，要么，你不是地球人。正则表达式的语法很令人头疼，即使对经常使用它的人来说也是如此。由于难于读写，容易出错，所以很有必要创建一种工具来测试正则表达式。

由于在不同的环境下正则表达式的一些细节是不相同的，本教程介绍的是Microsoft .Net 2.0下正则表达式的行为，所以，我向你介绍一个.Net下的工具Regex Tester。首先你确保已经安装了.Net Framework 2.0，然后下载Regex Tester，下载完后打开压缩包,直接运行RegexTester.exe。

下面是Regex Tester运行时的截图：

现在你已经知道几个很有用的元字符了，如/b,.,*，还有/d.当然还有更多的元字符，比如/s匹配/w匹配 （好吧，现在我们说说这里的单词是什么意思吧：就是几个连续的/w。不错，这与学习英文时要背的成千上万个同名的东西的确关系不大）。

 

/d+匹配+是和*类似的元字符，不同的是*匹配+则匹配

/b/w{6}/b 匹配

表1.常用的元字符

代码	说明
.
/w
/s
/d
/b
^
$	元字符^（和6在同一个键位上的符号）以及$和/b有点类似，都匹配一个位置。^匹配你要用来查找的字符串的开头，$匹配结尾。这两个代码在验证输入的内容时非常有用，比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用：^/d{5,12}$。 这里的{5,12}和前面介绍过的{2}是类似的，只不过{2}匹配{5,12}则是 因为使用了^和$，所以输入的整个字符串都要用来和/d{5,12}来匹配，也就是说整个输入 和忽略大小写的选项类似，有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项，^和$的意义就变成了 如果你想查找元字符本身的话，比如你查找/来取消这些字符的特殊意义。因此，你应该使用/.和/*。当然，要查找//. 例如：www/.unibetter/.com匹配c://windows匹配2/^8匹配 你已经看过了前面的*,+,{2},{5,12}这几个匹配重复的方式了。下面是正则表达式中所有指定重复的方式： 表2.常用的限定符 代码/语法 说明 * + ? {n} {n,} {n,m} 下面是一些使用重复的例子： Windows/d+匹配 13/d{9}匹配 ^/w+匹配 要想查找数字，字母或数字，空白是很简单的，因为已经有了对应这些字符集的元字符，但是如果你想匹配没有预定义元字符的字符集比如元音字母(a,e,i,o,u),怎么办？ 很简单，你只需要在中括号里列出它们就行了，像[aeiou]就匹配[.?!]匹配 我们也可以轻松地指定一个字符[0-9]代表的含意与/d就是完全一致的：[a-z0-9A-Z_]也完全等同于/w（如果只考虑英文的话）。 下面是一个更复杂的表达式：/(?0/d{2}[) -]?/d{8}。 这个表达式可以匹配/(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字({2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(/d{8})。不幸的是，它也能匹配 有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到 表3.常用的反义代码 代码/语法 说明 /W /S /D /B [^x] [^aeiou] 例子：/S+匹配 <a[^>]+>匹配 好了，现在终于到了解决3位或4位区号问题的时间了。正则表达式里的|把不同的规则分隔开。听不明白？没关系，看例子： 0/d{2}-/d{8}|0/d{3}-/d{7}这个表达式能 /(0/d{2}/)[- ]?/d{8}|0/d{2}[- ]?/d{8}这个表达式 /d{5}-/d{4}|/d{5}这个表达式用于匹配美国的邮政编码。美国邮编的规则是5位数字，或者用连字号间隔的9位数字。之所以要给出这个例子是因为它能说明一个问题：使用替换时，顺序是很重要的。如果你把它改成/d{5}|/d{5}-/d{4}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配替换时，将会从左到右地测试每个分枝条件，如果满足了某个分枝的话，就不会去管其它的替换条件了。 Windows98|Windows2000|WindosXP这个例子是为了告诉你替换不仅仅能用于两种规则，也能用于更多种规则。 我们已经提到了怎么重复单个字符（直接在字符后面加上限定符就行了）；但如果想要重复一个字符串又该怎么办？你可以用小括号来指定 (/d{1,3}/.){3}/d{1,3}是一个/d{1,3}匹配(/d{1,3}/.}{3}匹配/d{1,3})。 不幸的是，它也将匹配((2[0-4]/d|25[0-5]|[01]?/d/d?)/.){3}(2[0-4]/d|25[0-5]|[01]?/d/d?)。 理解这个表达式的关键是理解2[0-4]/d|25[0-5]|[01]?/d/d?，这里我就不细说了，你自己应该能分析得出来它的意义。 使用小括号指定一个子表达式后，匹配这个子表达式的文本可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个 /1代表 /b(/w+)/b/s+/1/b可以用来匹配, 。首先是/b(/w+)/b)，然后是/s+，最后是/1)。 你也可以自己指定子表达式的组号或(?<Word>/w+),这样就把/w+的组名指定为Word了。要反向引用这个分组/k<Word>,所以上一个例子也可以写成这样：/b(?<Word>/w+)/b/s*/k<Word>/b。 使用小括号的时候，还有很多特定用途的语法。下面列出了最常用的一些： 表4.分组语法 捕获 (exp) (?<name>exp) (?:exp) 位置指定 (?=exp) (?<=exp) (?!exp) (?<!exp) 注释 (?#comment) 我们已经讨论了前两种语法。第三个(?:exp)不会改变正则表达式的处理方式，只是这样的组匹配的内容 接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们用于指定一个位置，就像/b,^,$那样，因此它们也被称为 (?=exp)也叫/b/w+(?=ing/b)，匹配时，它会匹配 (?<=exp)也叫(?<=/bre)/w+/b会匹配时，它匹配 假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，你可以这样查找需要在前面和里面添加逗号的部分：((?<=/d)/d{3})*/b。请仔细分析这个表达式，它可能不像你第一眼看出来的那么简单。 下面这个例子同时使用了前缀和后缀：(?<=/s)/d+(?=/s)匹配 前面我们提到过怎么查找不是某个字符或不在某个字符类里的字符的方法(反义)。但是如果我们只是想要确保某个字符没有出现，但并不想去匹配它时怎么办？例如，如果我们想查找这样的单词--它里面出现了字母q,但是q后面跟的不是字母u,我们可以尝试这样： /b/w*q[^u]/w*/b匹配[^u]总是匹配一个字符，所以如果q是单词的最后一个字符的话，后面的[^u]将会匹配q后面的单词分隔符(可能是空格，或者是句号或其它的什么)，后面的/w+/b将会匹配下一个单词，于是/b/w*q[^u]/w*/b就能匹配整个。/b/w*q(?!u)/w*/b。 (?!exp)，只会匹配/d{3}(?!/d)匹配 同理，我们可以用(?<!exp),(?<![a-z])/d{7}匹配 一个更复杂的例子：(?<=<(/w+)>).*(?=<///1>)匹配(<?(/w+)>)指定了这样的前缀：.*(任意的字符串),最后是一个后缀(?=<///1>)。注意后缀里的//，它用到了前面提过的字符转义；/1则是一个反向引用，引用的正是(/w+)匹配的内容，这样如果前缀实际上是<b>的话，后缀就是</b>了。整个表达式匹配的是<b>和</b>之间的内容(再次提醒，不包括前缀和后缀本身)。 小括号的另一种用途是能过语法(?#comment)来包含注释。例如：2[0-4]/d(?#200-249)|25[0-5](?#250-255)|[01]?/d/d?(?#0-199)。 要包含注释的话，最好是启用“忽略模式里的空白符”选项，这样在编写表达式时能任意的添加空格，Tab，换行，而实际使用时这些都将被忽略。启用这个选项后，在#后面到这一行结束的所有文本都将被当成注释忽略掉。 例如，我们可以前面的一个表达式写成这样： (?<= # 查找前缀，但不包含它 <(/w+)> # 查找尖括号括起来的字母或数字(标签) ) # 前缀结束 .* # 匹配任意文本 (?= # 查找后缀，但不包含它 <///1> # 查找尖括号括起来的内容：前面是一个"/"，后面是先前捕获的标签 ) # 后缀结束 当正则表达式中包含能接受重复的限定符(指定数量的代码，例如*,{5,12}等)时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。考虑这个表达式：a.*b，它将会匹配 有时，我们更需要?。这样.*?就意味着 a.*?b匹配 表5.懒惰限定符 *? +? ?? {n,m}? {n,}? 如果想要匹配可嵌套的层次性结构的话，就得使用平衡组了。举个例子吧，如何把“xx <aa <bbb> <bbb> aa> yy”这样的字符串里，最长的括号内的内容捕获出来？ 这里需要用到以下的语法构造： (?<group>) 把捕获的内容命名为group,并压入堆栈 (?<-group>) 从堆栈上弹出最后压入堆栈的名为group的捕获内容，如果堆栈本来为空，则本分组的匹配失败 (?(group)yes|no) 如果堆栈上存在以名为group的捕获内容的话，继续匹配yes部分的表达式，否则继续匹配no部分 (?!) 零宽负向先行断言，由于没有后缀表达式，试图匹配总是失败 如果你不是一个程序员（或者你是一个对堆栈的概念不熟的程序员），你就这样理解上面的三种语法吧：第一个就是在黑板上写一个（或再写一个）"group"，第二个就是从黑板上擦掉一个"group"，第三个就是看黑板上写的还有没有"group"，如果有就继续匹配yes部分，否则就匹配no部分。 我们需要做的是每碰到了左括号，就在黑板上写一个"group"，每碰到一个右括号，就擦掉一个，到了最后就看看黑板上还有没有－如果有那就证明左括号比右括号多，那匹配就应该失败（为了能看得更清楚一点，我用了(?'group')的语法）： < #最外层的左括号 [^<>]* #最外层的左括号后面的不是括号的内容 ( ( (?'Open'<) #碰到了左括号，在黑板上写一个"Open" [^<>>]* #匹配左括号后面的不是括号的内容 )+ ( (?'-Open'>) #碰到了右括号，擦掉一个"Open" [^<>]* #匹配右括号后面不是括号的内容 )+ )* (?(Open)(?!)) #在遇到最外层的右括号前面，判断黑板上还有没有没擦掉的"Open"；如果还有，则匹配失败 > #最外层的右括号 我已经描述了构造正则表达式的大量元素，还有一些我没有提到的东西。下面是未提到的元素的列表，包含语法和简单的说明。你可以在网上找到更详细的参考资料 来学习它们--当你需要用到它们的时候。如果你安装了MSDN Library,你也可以在里面找到关于.net下正则表达式详细的文档。 表6.尚未详细讨论的语法 /a /b /t /r /v /f /n /e /0nn /xnn /unnnn /cN /A /Z /z /G /p{name} (?>exp) (?<x>-<y>exp) (?im-nsx:exp) (?im-nsx) (?(exp)yes|no) (?(exp)yes) (?(name)yes|no) (?(name)yes) 字符 程序处理文字时最基本的单位，可能是字母，数字，标点符号，空格，换行符，汉字等等。 字符串 0个或更多个字符的序列。 文本 文字，字符串。 匹配 符合规则，检验是否符合规则，符合规则的部分。 微软的正则表达式教程 专业的正则表达式教学网站(英文) 关于.Net下的平衡组的详细讨论（英文） Mastering Regular Expressions (Second Edition) 修正了几个细节上的错误和不准确的地方 增加了对处理中文时的一些说明 更改了几个术语的翻译（采用了MSDN的翻译方式） 增加了平衡组的介绍 放弃了对The Regulator的介绍，改用Regex Tester

下面来试试更多的例子：

/ba/w*/b匹配a开头的单词——先是某个单词开始处(/b)，然后是字母a,然后是任意数量的字母或数字(/w*)，最后是单词结束处(/b)