基本語法
一個正規表示式通常被稱為一個模式（pattern），為用來描述或者匹配一系列符合某個句法規則的字串。例如：Handel、Händel和Haendel這三個字串，都可以由「
H(a|ä|ae)ndel」這個模式來描述。大部分正規表示式的形式都有如下的結構：- 選擇
- |豎直分隔符代表選擇。例如「
gray|grey」可以匹配grey或gray。
- 數量限定
- 某個字元後的數量限定符用來限定前面這個字元允許出現的個數。最常見的數量限定符包括「+」、「?」和「*」（不加數量限定則代表出現一次且僅出現一次）：
- +加號代表前面的字元必須至少出現一次。（1次、或多次）。例如，「
goo+gle」可以匹配google、gooogle、goooogle等;
- ?問號代表前面的字元最多只可以出現一次。（0次、或1次）。例如，「
colou?r」可以匹配color或者colour;
- *星號代表前面的字元可以不出現，也可以出現一次或者多次。（0次、或1次、或多次）。例如，「
0*42」可以匹配42、042、0042、00042等。
- 匹配
- 圓括弧可以用來定義操作符的範圍和優先度。例如，「
gr(a|e)y」等價於「gray|grey」，「(grand)?father」匹配father和grandfather。
上述這些構造子都可以自由組合，因此，「
H(ae?|ä)ndel」和「H(a|ae|ä)ndel」是相同的。
精確的語法可能因不同的工具或程式而異。
運算式全集
正規表示式有多種不同的風格。下表是在PCRE中元字元及其在正規表示式上下文中的行為的一個完整列表，適用於Perl或者Python程式語言（grep或者egrep的正規表示式文法是PCRE的子集）：
| 字元 | 描述 |
|---|---|
| \ | 將下一個字元標記為一個特殊字元、或一個原義字元、或一個向後參照、或一個八進制轉義符。例如，「n」匹配字元「n」。「\n」匹配一個換行符。序列「\\」匹配「\」而「\(」則匹配「(」。 |
| ^ | 匹配輸入字串的開始位置。如果設定了RegExp物件的Multiline屬性，^也匹配「\n」或「\r」之後的位置。 |
| $ | 匹配輸入字串的結束位置。如果設定了RegExp物件的Multiline屬性，$也匹配「\n」或「\r」之前的位置。 |
| * | 匹配前面的子運算式零次或多次。例如，zo*能匹配「z」、「zo」以及「zoo」。*等價於{0,}。 |
| + | 匹配前面的子運算式一次或多次。例如，「zo+」能匹配「zo」以及「zoo」，但不能匹配「z」。+等價於{1,}。 |
| ? | 匹配前面的子運算式零次或一次。例如，「do(es)?」可以匹配「do」或「does」中的「do」。?等價於{0,1}。 |
| {n} | n是一個非負整數。匹配確定的n次。例如，「o{2}」不能匹配「Bob」中的「o」，但是能匹配「food」中的兩個o。 |
| {n,} | n是一個非負整數。至少匹配n次。例如，「o{2,}」不能匹配「Bob」中的「o」，但能匹配「foooood」中的所有o。「o{1,}」等價於「o+」。「o{0,}」則等價於「o*」。 |
| {n,m} | m和n均為非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，「o{1,3}」將匹配「fooooood」中的前三個o。「o{0,1}」等價於「o?」。請注意在逗號和兩個數之間不能有空格。 |
| ? | 當該字元緊跟在任何一個其他限制符（*,+,?，{n}，{n,}，{n,m}）後面時，匹配模式是非貪婪的。非貪婪模式儘可能少的匹配所搜尋的字串，而預設的貪婪模式則儘可能多的匹配所搜尋的字串。例如，對於字串「oooo」，「o+?」將匹配單個「o」，而「o+」將匹配所有「o」。 |
| . | 匹配除「\n」之外的任何單個字元。要匹配包括「\n」在內的任何字元，請使用像「(.|\n)」的模式。 |
| (pattern) | 匹配pattern並獲取這一匹配的子字串。該子字串用於向後參照。所獲取的匹配可以從產生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字元，請使用「\(」或「\)」。 |
| (?:pattern) | 匹配pattern但不獲取匹配的子字串，也就是說這是一個非獲取匹配，不儲存匹配的子字串用於向後參照。這在使用或字元「(|)」來組合一個模式的各個部分是很有用。例如「industr(?:y|ies)」就是一個比「industry|industries」更簡略的運算式。 |
| (?=pattern) | 正向肯定預查，在任何匹配pattern的字串開始處匹配尋找字串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如，「Windows(?=95|98|NT|2000)」能匹配「Windows2000」中的「Windows」，但不能匹配「Windows3.1」中的「Windows」。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜尋，而不是從包含預查的字元之後開始。 |
| (?!pattern) | 正向否定預查，在任何不匹配pattern的字串開始處匹配尋找字串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如「Windows(?!95|98|NT|2000)」能匹配「Windows3.1」中的「Windows」，但不能匹配「Windows2000」中的「Windows」。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜尋，而不是從包含預查的字元之後開始 |
| (?<=pattern) | 反向肯定預查，與正向肯定預查類似，只是方向相反。例如，「(?<=95|98|NT|2000)Windows」能匹配「2000Windows」中的「Windows」，但不能匹配「3.1Windows」中的「Windows」。 |
| (?<!pattern) | 反向否定預查，與正向否定預查類似，只是方向相反。例如「(?<!95|98|NT|2000)Windows」能匹配「3.1Windows」中的「Windows」，但不能匹配「2000Windows」中的「Windows」。 |
| x|y | 匹配x或y。例如，「z|food」能匹配「z」或「food」。「(z|f)ood」則匹配「zood」或「food」。 |
| [xyz] | 字符集合（character class）。匹配所包含的任意一個字元。例如，「[abc]」可以匹配「plain」中的「a」。特殊字元僅有反斜線\保持特殊含義，用於轉義字元。其它特殊字元如星號、加號、各種括弧等均作為普通字元。脫字元^如果出現在首位則表示負值字符集合；如果出現在字串中間就僅作為普通字元。連字元 - 如果出現在字串中間表示字元範圍描述；如果如果出現在首位則僅作為普通字元。 |
| [^xyz] | 排除型（negate）字符集合。匹配未列出的任意字元。例如，「[^abc]」可以匹配「plain」中的「plin」。 |
| [a-z] | 字元範圍。匹配指定範圍內的任意字元。例如，「[a-z]」可以匹配「a」到「z」範圍內的任意小寫字母字元。 |
| [^a-z] | 排除型的字元範圍。匹配任何不在指定範圍內的任意字元。例如，「[^a-z]」可以匹配任何不在「a」到「z」範圍內的任意字元。 |
| \b | 匹配一個單詞邊界，也就是指單詞和空格間的位置。例如，「er\b」可以匹配「never」中的「er」，但不能匹配「verb」中的「er」。 |
| \B | 匹配非單詞邊界。「er\B」能匹配「verb」中的「er」，但不能匹配「never」中的「er」。 |
| \cx | 匹配由x指明的控制字元。例如，\cM匹配一個Control-M或Enter符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的「c」字元。 |
| \d | 匹配一個數位字元。等價於[0-9]。 |
| \D | 匹配一個非數位字元。等價於[^0-9]。 |
| \f | 匹配一個換頁符。等價於\x0c和\cL。 |
| \n | 匹配一個換行符。等價於\x0a和\cJ。 |
| \r | 匹配一個Enter符。等價於\x0d和\cM。 |
| \s | 匹配任何空白字元，包括空格、製表符、換頁符等等。等價於[ \f\n\r\t\v]。 |
| \S | 匹配任何非空白字元。等價於[^ \f\n\r\t\v]。 |
| \t | 匹配一個製表符。等價於\x09和\cI。 |
| \v | 匹配一個垂直製表符。等價於\x0b和\cK。 |
| \w | 匹配包括底線的任何單詞字元。等價於「[A-Za-z0-9_]」。 |
| \W | 匹配任何非單詞字元。等價於「[^A-Za-z0-9_]」。 |
| \xn | 匹配n，其中n為十六進制轉義值。十六進制轉義值必須為確定的兩個數位長。例如，「\x41」匹配「A」。「\x041」則等價於「\x04&1」。正則運算式中可以使用ASCII編碼。. |
| \num | 向後參照（back-reference）一個子字串（substring），該子字串與正規表示式的第num個用括弧圍起來的子運算式（subexpression）匹配。其中num是從1開始的正整數，其上限可能是99。例如：「(.)\1」匹配兩個連續的相同字元。 |
| \n | 標識一個八進制轉義值或一個向後參照。如果\n之前至少n個獲取的子運算式，則n為向後參照。否則，如果n為八進制數位（0-7），則n為一個八進制轉義值。 |
| \nm | 標識一個八進制轉義值或一個向後參照。如果\nm之前至少有nm個獲得子運算式，則nm為向後參照。如果\nm之前至少有n個獲取，則n為一個後跟文字m的向後參照。如果前面的條件都不滿足，若n和m均為八進制數位（0-7），則\nm將匹配八進制轉義值nm。 |
| \nml | 如果n為八進制數位（0-3），且m和l均為八進制數位（0-7），則匹配八進制轉義值nml。 |
| \un | 匹配n，其中n是一個用四個十六進制數位表示的Unicode字元。例如，\u00A9匹配版權符號（©）。 |
- 正則表達式 (regex) 簡介 (part 1)
- 正則表達式 (regex) 簡介 (part 2)
- 正則表達式 (regex) 簡介 (part 3)
- 正則表達式 (regex) 簡介 (part 4)
- 正則表達式 (regex) 簡介 (part 5)
發表文章
0 意見:
張貼留言