正则表达式说明

由 卓别林 创建,Loen 最后一次修改 2016-08-22

什么是正则表达式

正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。

什么是正则表达式

给定一个正则表达式和另一个字符串,我们可以达到如下的目的:

  1. 给定的字符串是否符合正则表达式的过滤逻辑(称作“匹配”);
  2. 可以通过正则表达式,从字符串中获取我们想要的特定部分。


正则表达式的特点

  1. 灵活性、逻辑性和功能性非常的强;
  2. 可以迅速地用极简单的方式达到字符串的复杂控制。
  3. 对于刚接触的人来说,比较晦涩难懂。


由于正则表达式主要应用对象是文本,因此它在各种文本编辑器场合都有应用,小到著名编辑器EditPlus,大到Microsoft Word、Visual Studio等大型编辑器,都可以使用正则表达式来处理文本内容。


正则表达式的标准

大体来讲,正则表达式的文法分为3种标准:

  • BRE
  • ERE
  • ARE

其中 BER 和 ERE 属于 POSIX 标准,ARE 则是由各家定义的扩展。

POSIX 正则表达式
传统上,POSIX 定义了两种正则表达式语法, 即:基本正则表达式(BRE)和扩展正则表
  达式(ERE)。

其中, BRE 定义的语法符号包括:

. - 匹配任意一个字符。 [] - 字符集匹配,匹配方括号中定义的字符集之一。 [^] - 字符集否定匹配,匹配没有在方括号中定义的字符。 ^ - 匹配开始位置。 $ - 匹配结束位置。 () - 定义子表达式。 \n - 子表达式向前引用,n 为 1-9 之间的数字。 由于此功能已超出正则语义,需 要在字符串中回溯,因此需要使用 NFA 算法进行匹配。

    • 任意次匹配(零次或多次匹配)。 {m,n} - 至少 m 次,至多 n 次匹配;{m} 表示 m 次精确匹配;{m,} 表示至少 m 次匹配。

    ERE 修改了 BRE 中的部分语法,并增加了以下语法符号:

    ? - 最多一次匹配(零次或一次匹配)。

    • 至少一次匹配(一次或更多次匹配)。 | - 或运算,其左右操作数均可以为一个子表达式。

    同时,ERE 取消了子表达式 "()" 和 次数匹配 "{m,n}" 语法符号的转义符引用语法,在 使用这两种语法符号时,不在需要添加转义符。 与此同时, ERE 也取消了非正则语义的 子表达式向前引用能力。

    BRE 和 ERE 共享同样的 POSIX 字符类定义。同时,它们还支持字符类比较操作 "[. .]" 和字符类等效体 "[= =]" 操作,但很少被使用。

    f / fr / wfr / bwfr 等工具默认使用 ERE 模式,同时支持以下 perl 风格的字符类:

    POSIX 类 perl类 描述

    [:alnum:] 字母和数字 [:alpha:] \a 字母 [:lower:] \l 小写字母 [:upper:] \u 大写字母 [:blank:] 空白字符(空格和制表符) [:space:] \s 所有空格符(比[:blank:]包含的范围广) [:cntrl:] 不可打印的控制字符(退格、删除、警铃...) [:digit:] \d 十进制数字 [:xdigit:] \x 十六进制数字 [:graph:] 可打印的非空白字符 [:print:] \p 可打印字符 [:punct:] 标点符号

  • 此外,还有以下特殊字符类:

    perl类 等效POSIX表达式 描述

    \o [0-7] 八进制数字 \O [^0-7] 非八进制数字 \w [[:alnum:]] 单词构成字符 \W [^[:alnum:]] 非单词构成字符 \A [^[:alpha:]] 非字母 \L [^[:lower:]] 非小写字母 \U [^[:upper:]] 非大写字母 \S [^[:space:]] 非空格符 \D [^[:digit:]] 非数字 \X [^[:xdigit:]] 非十六进制数字 \P [^[:print:]] 非可打印字符

  • 还可以使用以下特殊字符换码序列:

    \r - 回车 \n - 换行

    • 退格 \t - 制表符 \v - 垂直制表符 \" - 双引号 \' - 单引号


以上内容是否对您有帮助:

二维码
建议反馈
二维码