正则表达式

（转）

大家好：

正则表达式是一个比较古老的技术了，现在应用却越来越广泛，尤其在 Web 前端的开发中，处理的对象主要是字符串格式，在前端库中，你可以看到各种正则表达式，如果不认识的话，还是比较痛苦的。特别是现在的高级编辑器，都提供了使用正则表达式的搜索功能，会写正则表达式，会让你的生活更美好。

传说正则表达式是一个从研究神经病学转过来的程序员研发的技术，我感觉很像中国传统道士画出的驱鬼符，看不懂的时候，特别神秘，懂了的话，就会符到妖除。

这一次，我们先看正则表达式的两个基本概念。

首先，正则表达式是关于文本的技术，可以帮助我们在文本中搜索特定的内容。

比如，在 Visual Studio 的文本编辑器中，就可以直接使用正则表达式进行高级搜索。下面的练习，你可以直接在 Visual Studio 的文本编辑器中完成。

第二部分

第一个概念  元字符

在搜索文本的时候，我们必须先描述一下搜索的目标，比如记事本就支持将搜索的内容完全写出来，比如搜索 hello 这个词，在正则表达式中，每个搜索的目标是使用多个元字符来表示的，比如，在 ‘hello’ 这个词中，就有 5 个字面的元字符。这些字符直接表示我们搜索的目标，是直接写出来的，我们一般称为字面量。

能够逐个字符直接描述出我们的搜索目标当然好了，但是，很多时候，我们很难直接写出来，比如只记得 hello 的前两个字母了，我们要找这个词怎么办？

可以使用通配符来描述，每个通配符可以表示一个字符，在正则表达式中，英文的圆点 (.) 表示任意一个除了换行符之外的字符，如果我们知道这个单词共有 5 个字符，就可以写成 he… 了。如果要表示的字符就是圆点怎么办呢？在正则表达式中，需要使用反斜杠进行转义，所有，写出来就是  . 了，因此，正则表达式应该是 he... 。

圆点 (.) 可以匹配除了换行的任意字符，那么，he*** 也可以被匹配，而我们的目标必须是字符，还可以使用更为特殊的元字符来严格限制一下，w 可以匹配任何一个字母、数字或者下划线。所以，我们可以写成 hewww, 注意，一个元字符只能匹配一个字符，所以要写三遍。这样 he*** 就不会过来捣乱了。

常用的元字符有 7 个

.	匹配除换行符以外的任意字符
w	匹配字母或数字或下划线或汉字
s	匹配任意的空白符
d	匹配数字
W	匹配任意不是字母，数字，下划线，汉字的字符
S	匹配任意不是空白符的字符
D	匹配任意非数字的字符

看到了，元字符改变大小写，意义正好相反，小写字符表示范围，大写表示不在范围，很好记。

自定义字符范围

但是 he123 还是可以被匹配的，能不能再进一步限制到英文字母呢？当然可以，只不过没有预定义好的元字符了，需要我们自己来描述一下可选的范围。

使用 [] 可以明确指出我们备选的字符，列在中括号中的字符就是备选字符，比如，限制为英文小写字符，可以把小写字符全列出来，[abcdefghijklmnopqrstuvwxyz]，这个表达式就可以表示从 a 到 z 之间的任何一个字符，不会出现数字了。

那么，我们的正则表达式可以写成  he[abcdefghijklmnopqrstuvwxyz] [abcdefghijklmnopqrstuvwxyz] [abcdefghijklmnopqrstuvwxyz]，你是不是已经晕掉了，我还不够麻烦的。

为了减轻你的负担，在 [] 中允许使用连字符来设置范围，比如 [a-z] 就可以表示刚才的从 a 到 z 的所有小写英文字符了。从 0 到 9 的数字就可以写成 [0-9] 了。注意，写成 [9-0] 可不行，有方向的。

这样，我们可以使用正则表达式  he[a-z][a-z][a-z] 来搜索 he 开头的 5 个字符组成的目标。感觉好一点了吧。

边界字符

要是遇到了 heabcdefg 会发生什么呢？我们还是会匹配上其中的 heabc 的，但这并不是一个 5 个字符组成的单词，所以，我们还需要表示一下，在我们的 5 个元字符之后，不能是其他的普通字符了，应该是类似空格、制表、换行之类的分隔符，或者，进一步说，是遇到了空格、制表、回车之类的符号就完成，但是，我们不需要匹配这个空格、制表、回车符号。

在正则表达式中，我们称之为边界，边界是一个特殊的位置，比如开头，结尾的位置，或者单词开始结束的位置，位置并不是普通意义上的字符。所以，肯定需要用特殊的方式来表示一下了。

常用的位置有 4 个。

	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束
B	匹配不是单词开头或结束的位置

 就表示单词的边界，比如说逗号 (,) 句号 (.) 空格等等，我们可以重新写成 he[a-z][a-z][a-z]，这样就表示一个 5 个字符组成，开头为 he 的单词了。

第二个概念，也是这次的最后一个，数量词

现在，我们的表达式he[a-z][a-z][a-z] 还是比较繁琐，应该简化什么呢？当然是写了三遍的 [a-z] 了，这个单词只有 5 个字符，听说过 i18n 问题吗？国际化的英文单词长度是 18 个字符，连老外都直接写成 i18n 了，要是也写成我们这样的正则，还不累死。数量词就是解决这个问题的。

如果你嫌重复写多编麻烦，可以使用 * ，它表示把紧接着它前面的元字符重复多遍，这个 n 可以从 0 直到 n，如果我们的正则写成 he[a-z]*，它就表示 一个至少有两个字符，以 he 开头的单词了，你看，最少的情况下，可以匹配 he 这个词，healthy 也可以匹配。

如果不想匹配 he 这个词，希望 [a-z] 至少匹配一个字符，可以使用加号 (+)，与星号 (*) 的区别是，这个 n 是从 1 到 n 的。

如果只希望匹配 0 次或者 1 次，可以使用问号 (?)，这个 n 从 0 到 1。

慢着，说了半天，都不是我们要的，我需要的是重复 3 遍，必须是 3 遍，不能多，也不能少，那你可以使用 {n} ，这个 n 你可以直接设置，现在可以写成 he[a-z]{3}了。是不是很爽了。

还可以指定至少几次，或者重复 n 到 m 次。

常用的数量词
代码/语法	说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

总结一下

这里介绍了正则表达式的用途，基本的元字符和数量词用法。

不过这都是非常基本的用法，以后我们慢慢介绍高级用法，如果你着急的话，可以先看一篇文章《正则表达式 30 分钟入门教程》。

对于开发人员来说，还可以安装 RegexBuddy 这个工具，里面集成了学习，创建，测试正则表达式的各种功能，程序员的神器呀。