当前位置:

首页 > 编程开发 > RegExp正则表达式基础语法示例教程

RegExp正则表达式基础语法示例教程

简介 很多时候,特别是写程序或者处理网页文本的时候,我们都有过这样的需求:要从一堆字符串里,把符合某种复杂规则的给揪出来。正则表达式,就是用来干这个的——它本质上是一套描述文本规则的代码,一门专门用来匹配字符串的“小语言”。 用通配符类比一下就很好理解了。Windows/Dos下搜索文件,大家都用过

本文目录

    简介

    很多时候,特别是写程序或者处理网页文本的时候,我们都有过这样的需求:要从一堆字符串里,把符合某种复杂规则的给揪出来。正则表达式,就是用来干这个的——它本质上是一套描述文本规则的代码,一门专门用来匹配字符串的“小语言”。

    用通配符类比一下就很好理解了。Windows/Dos下搜索文件,大家都用过*和?吧?比如搜*.doc就是把所有Word文档都找出来。这里的*被解释成“任意字符串”。正则表达式干的事类似,但更精准——当然,也更复杂。

    比如,你在英文小说里找“hi”,直接写个正则表达式 hi 就行。

    这几乎是最简单的正则了,它就匹配两个字符:前一个h,后一个i。大部分工具还支持忽略大小写,勾上之后,hi、HI、Hi、hI都能匹配上。

    但问题来了——很多单词都包含“hi”,比如him、history、high。要是光用hi去搜,这些词里的“hi”也会被找出来。要是只想找“hi”这个独立的单词,就得用\bhi\b。

    这里的\b是个特别的符号,我们叫它元字符,它代表单词的边界——也就是单词开头或结尾的位置。注意,它不是匹配空格、标点符号这些字符本身,而是匹配一个位置。

    再复杂一点,如果你想找“hi”后面不远处跟着一个“Lucy”,那就可以写\bhi\b.*\bLucy\b。

    这里.是另一个元字符,匹配除了换行符以外的任意字符。而*也是元字符,但它不匹配字符,也不匹配位置,而是表示数量——它说明前面的内容可以重复任意次,直到整个表达式匹配成功。

    所以.*连在一起,意思就是“任意数量的任意字符(但不能有换行)”。那么\bhi\b.*\bLucy\b的含义就很清楚了:先是一个独立的单词hi,然后是一堆任意字符,最后是独立的单词Lucy。

    组合使用更多元字符,能构造出更强大的表达式。比如这个:0\d\d-\d\d\d\d\d\d\d\d,匹配的是以0开头,跟两个数字,然后一个连字符,最后是8个数字——标准的中国电话号码格式(仅限3位区号)。

    这里的\d是新的元字符,匹配一个数字(0~9里的任意一个)。-不是元字符,就匹配它本身,也就是连字符。

    不想写那么多重复的\d?可以简写为0\d{2}-\d{8}。这里的{2}和{8}表示前面的\d必须连续重复匹配2次、8次。

    总的来说,正则表达式就是一种专门用来匹配字符串的编程语言。它一般不单独用,而是结合具体编程语言(比如C++、Python、Perl)或工具(比如vim)来使用。

    在线工具

    正则表达式写起来确实有点绕,好在有不少在线工具可以帮你验证表达式对不对。

    • Regulex:一个Ja vaScript正则表达式可视化工具,边写边看匹配过程,很直观。

    元字符

    基本元字符用一张表汇总一下,平时当速查手册用很方便。

    Metacharacter Descriptions Examples
    \ 转义字符,使后面的字符失去特殊含义或者标记为特殊字符 \. 匹配实际的点号而不是任意字符,\n 匹配一个换行符
    ^ 匹配字符串的开始位置 ^abc 匹配以 abc 开头的字符串
    $ 匹配字符串的结束位置 xyz$ 匹配以“xyz”结尾的字符串
    . 匹配除换行符(\n)外的任意单个字符 a.b 匹配“aab”, “a1b”, “a b” 等
    * 匹配前面的子表达式零次或多次 zo* 能匹配“z” 以及“zoo”
    + 匹配前面的子表达式 1 次或多次 zo+ 能匹配“zo” 以及“zoo”,但不能匹配“z”
    ? 匹配前面的子表达式零次或一次 do(es)? 可以匹配“do” 或“does”
    {n} n 是一个非负整数。匹配确定的 n 次 o{2} 不能匹配“Bob” 中的‘o’,但是能匹配“food” 中的两个 o
    {n,} n 是一个非负整数。至少匹配n 次 o{2,} 不能匹配“Bob” 中的‘o’,但能匹配“foooood” 中的所有 o
    {n,m} m 和 n 均为非负整数,其中n ≤ m。最少匹配 n 次且最多匹配 m 次 o{1,3} 匹配“fooooood” 中的前三个 o
    x|y 匹配 x 或 y z|food 能匹配“z” 或“food”
    [xyz] 字符集合。匹配所包含的任意一个字符 [abc] 可以匹配“plain” 中的‘a’。
    [^xyz] 负值字符集合。匹配未包含的任意字符 [^abc] 可以匹配“plain” 中的’p’、‘l’、‘i’、‘n’
    [a-z] 字符范围。匹配指定范围内的任意字符 [a-z] 可以匹配‘a’ 到‘z’ 范围内的任意小写字母字符
    [^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符 [^a-z] 可以匹配任何不在‘a’ 到‘z’ 范围内的任意字符
    \b 匹配一个单词边界,也就是指单词和空格间的位置 er\b 可以匹配“never” 中的 ‘er’,但不能匹配 “verb” 中的 ‘er’
    \B 匹配非单词边界 er\B 能匹配 “verb” 中的 ‘er’,但不能匹配 “never” 中的 ‘er’
    \cx 匹配由 x 指明的控制字符,x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 ‘c’ 字符 \cM 匹配一个 Control-M 或回车符
    \d 匹配一个数字字符 等价于 [0-9]
    \D 匹配一个非数字字符 等价于 [^0-9]
    \f 匹配一个换页符 等价于 \x0c 和 \cL
    \n 匹配一个换行符 等价于 \x0a 和 \cJ
    \r 匹配一个回车符 等价于 \x0d 和 \cM
    \s 匹配任何空白字符,包括空格、制表符、换页符等等 等价于 [ \f\n\r\t\v]
    \S 匹配任何非空白字符 等价于 [^ \f\n\r\t\v]
    \t 匹配一个制表符 等价于 \x09 和 \cI
    \v 匹配一个垂直制表符 等价于 \x0b 和 \cK
    \w 匹配字母、数字、下划线 等价于 [A-Za-z0-9_]
    \W 匹配非字母、数字、下划线 等价于 [^A-Za-z0-9_]

    分组与引用

    直接在字符后面加上限定符,就能重复单个字符。但要是想重复多个字符呢?比如重复“ab”,这就得用上小括号了——它用来指定一个子表达式,也叫分组,然后在这个分组后面加上重复次数。

    举个例子:(ab)+ 可以匹配“ab”、“abab”、“ababab”,但不能匹配“a”或“b”。

    • 捕获分组

    正则表达式里有几种不同类型的分组。捕获分组是最常见的,它会捕获匹配到的内容,并自动分配一个编号(从1开始)。之后通过这个编号就能引用分组里的内容。

    一个典型例子:

    (\d{4})-(\d{2})-(\d{2})  # 匹配日期格式 YYYY-MM-DD

    这个表达式会创建3个分组:① 4位数字的年份;② 2位数字的月份;③ 2位数字的日期。

    • 分组引用

    分组最强大的功能之一,就是可以在正则表达式内部或外部引用已经匹配到的内容。

    在正则表达式内部引用前面的分组,用 \num 这种写法,num就是分组索引。

    (\w+) \1  # 匹配重复的单词,如 "hello hello"

    这个模式会匹配两个相同的单词,中间用空格隔开。这里的 \1 就是对第一个分组的引用。

    • 非捕获分组

    用 (?:pattern) 语法,可以实现只分组,但不捕获。比如 (?:Mr|Ms|Mrs)\. (\w+) 匹配“Mr. Smith”,但只捕获“Smith”这部分。

    • 命名分组与引用

    在一些高级语言里,还可以给分组起个名字,增强可读性。不同语言的语法不太一样。

    以Python为例:

    ### Named Capturing Group(?P\d{4})-(?P\d{2})-(?P\d{2})### Reference(?P\w+) (?P=word) 

    运算符优先级

    正则表达式从左到右计算,遵循优先级顺序,跟算术表达式很像。相同优先级的从左到右,不同优先级的先高后低。

    具体的优先级顺序如下:

    优先级 运算符 描述
    1 \ 转义符
    2 ()、[] 圆括号和方括号
    3 *、 +、 ?、 {n}、{n,}、{n,m} 限定符
    4 ^、$、\任何元字符、任何字符 定位点和序列(即:位置和顺序)
    5 | “或”操作

    贪婪模式

    默认情况下,正则表达式里的限定符都是“贪婪”的——它们会尽可能多地匹配字符。以a.*b为例,搜aabab的话,它会匹配整个字符串aabab,因为这是最长的、以a开头以b结尾的字符串。这种行为叫贪婪匹配。

    但有时候我们想要相反的——懒惰匹配,也就是尽可能少地匹配。只要在限定符后面加个?,就变成懒惰模式了。比如.*?就表示“匹配任意数量的重复,但能用最少的就用最少的”。

    同样以a.*?b为例,它匹配的是最短的、以a开头以b结尾的字符串。如果用来搜aabab,它会匹配到aab(第1到第3个字符)和ab(第4到第5个字符)。

    注意,第一个匹配是aab而不是ab(第2到第3个字符),这是因为正则表达式里还有一条规则,优先级比贪婪/懒惰更高:最先开始的匹配拥有最高优先权。

    其他重复限定符也都支持用?进入懒惰模式:

    RegExp正则表达式基础语法示例教程

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    Nod 0.8.1怎样理解状态码、Ray ID与计划检查
    Nod 0.8.1怎样理解状态码、Ray ID与计划检查

    Nod 0.8.1补充连接服务状态与原因、Attio Cloudflare 403诊断,并让Gmail在连接服务429或503后延后计划轮询。

    Ducter 0.0.59如何理解同会话聊天、Git可选和附件变化
    Ducter 0.0.59如何理解同会话聊天、Git可选和附件变化

    Ducter 0.0.59扩展Telegram、Slack和Mac iMessage会话,区分项目目录来源、Git可选、等待状态与附件入口。

    llama.cpp b12435、b12436、b12438测试构建的三类兼容变化有什么区别?
    llama.cpp b12435、b12436、b12438测试构建的三类兼容变化有什么区别?

    llama.cpp b12435、b12436、b12438预发布构建,分别解释Vulkan并列选择确定性、32位编译与Jinja JSON键排序的适用范围。

    ScopeWeaver 0.9.2、0.9.3与0.9.4如何区分运行时、Zod和任务状态变化
    ScopeWeaver 0.9.2、0.9.3与0.9.4如何区分运行时、Zod和任务状态变化

    ScopeWeaver 0.9.2、0.9.3与0.9.4分别调整桥运行时、Zod依赖和同进程服务器重建后的暂停状态;区分版本对象与作者本地研究用途声明。

    AG2 1.3.2的输入Token为何变多,旧ACP版本还能用吗
    AG2 1.3.2的输入Token为何变多,旧ACP版本还能用吗

    AG2 1.3.2统一缓存Token统计并更新ACP1.x依赖;解释预算提前触达、报表口径与Python3.15构建限制。

    llama.cpp b12433怎样为AMD奇数列保留MUL_MAT_ID回退路径
    llama.cpp b12433怎样为AMD奇数列保留MUL_MAT_ID回退路径

    llama.cpp b12433避免AMD设备将奇数src0列送入需要偶数列的MMVF路径:满足偶数条件才保留MMVF,其他形状沿用既有回退。对应改动发生在MUL_MAT_ID处理和相关同步判断中,范围限定于代码说明中的类型与token条件。

    Ducter 0.0.58如何区分下一步消息、完成后消息与后台会话
    Ducter 0.0.58如何区分下一步消息、完成后消息与后台会话

    Ducter 0.0.58调整任务阅读、执行中消息和后台会话,区分下一步发送与做完再说,并说明tailnet HTTPS辅助的条件。

    Unlimited OCR 2在TextMind能否直接使用,账号权限与模型示例如何区分
    Unlimited OCR 2在TextMind能否直接使用,账号权限与模型示例如何区分

    Unlimited OCR 2官方确认百度智能云TextMind渠道;区分云端入口、账号权限配额与本地模型部署,避免混淆接口和计费条件。

    TensorFold 1.2.9的Ollama接口和服务配置文件怎么用
    TensorFold 1.2.9的Ollama接口和服务配置文件怎么用

    TensorFold 1.2.9的服务配置文件用于保存和复用启动参数,Ollama兼容API则在同一推理路径上提供聊天、生成和模型查询等接口。理解配置优先级及后端限制,比只看到“兼容”就直接迁移全部流量更有用。

    如何理解Univer 1.5.2的二次混淆移除与构建边界?
    如何理解Univer 1.5.2的二次混淆移除与构建边界?

    理解Univer 1.5.2的关键,是把额外混淆与构建压缩分开。本版删除二次混淆插件及相关配置,同时保留Pro模块的minify设置;它解释的是产物处理方式的变化,不代表增加了表格或公式能力。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。